水質パラメータの分布を,超スペクトル遠隔感知ベースのリップル伝播グラフネットワークを使用して定量化することによって,都市川環境の監視

科学分野:

• 環境科学
• リモートセンシング
• データサイエンス

背景:

• 都市川の水質の監視は環境保護にとって極めて重要です.
• 無人航空機 (UAV) の超スペクトル遠隔検出は,水質の柔軟な監視を提供します.
• 既存の方法は多くの高価な水サンプルを必要とし,統一された枠組みがありません.

研究 の 目的:

• UAVのハイパースペクトルデータから複数の水質パラメータ (WQP) を取得するためのハイブリッドフィードバックリップルネット (HF-RN) を提案する.
• WQPを予測するための統一された枠組みを開発し,広範な水サンプルへの依存を減らす.
• WQPの空間的分布を定量化し,予測の正確性と安定性を高める.

主な方法:

• ディープラーニング,空間パターン分析,確率統計を統合したハイブリッドフィードバックリップルネット (HF-RN) を開発.
• UAVのハイパースペクトルデータを WQPの検索に利用した.
• サンプルと非サンプリング地域間の情報交換のためにリップル伝播グラフネットワークを使用した.

主要な成果:

• HF-RNは,総リン (TP),総窒素 (TN),化学酸素需要 (COD),生化学酸素需要 (BOD),クロロフィルa (Chl-a),および総懸浮物 (TSS) の濃度を取得することに成功しました.
• この方法により,水サンプル需要が減り,予測の正確性と安定性が向上しました.
• HF-RNは実際のデータセットで7.54%から12.38%の平均絶対誤差 (MAPE) を達成し,ベースラインモデルを上回った.

結論:

• 提案されたHF-RNは,都市川の水質モニタリングの効率的で費用対効果の高いアプローチを提供します.
• この研究は,都市部の河川管理と排水管理の最適化のための基礎を築きます.
• HF-RNは,水の質の変動を評価するための貴重な視覚化ツールとして機能します.