连续的高频水质监测已成为支持水管理的一项关键任务。尽管传感器技术取得了进步，但是某些变量仍无法轻松地和/或经济地就地和实时地进行监控。在这些情况下，可以使用替代度量通过数据驱动模型进行估计。在这项工作中，通常使用就地测量的变量作为替代指标，以利用机器学习模型（特别是随机森林）来估算农村流域和城市流域中养分的浓度。将结果与使用相同数量的代理进行线性建模的结果进行比较，可将均方根误差（RMSE）降低多达60.1％。计算出包括多达七个替代传感器的收益，得出结论，就错误改善而言，在每个集水区分别增加四个