基于无人机多谱数据的机器学习算法反转实验和城市中小型河流水质参数的污染分析
Yikai Hou1,2, Anbing Zhang3, Rulan Lv4
1School of Water Resources and Electric Power, Hebei University of Engineering, Handan, China.
概括
无人机 (UAV) 多光谱图像有效监测城市河流质量. 机器学习模型,特别是随机森林模型,在跨季节预测水质参数方面表现出强大的准确性和概括性.
科学领域:
- 环境监测 环境监测
- 遥感 遥感 遥感 遥感
- 评估水质水质的评估.
背景情况:
- 城市河流面临的污染挑战影响生态系统健康.
- 传统的水质监测是劳动密集型的,并且提供有限的空间覆盖.
- 无人驾驶飞行器 (UAV) 为获得高分辨率环境数据提供了一个灵活的平台.
研究的目的:
- 评估基于无人机的多谱图像用于城市河流水质监测的适用性.
- 开发和比较利用光谱数据对关键水质参数的预测模型.
- 为了评估这些模型的季节性表现.
主要方法:
- 获取无人机多光谱图像和同时收集福阳河的水样.
- 从单个频段和频段组合计算51个光谱指数 (DI,RI,NDI).
- 使用部分最小平方 (PLS),随机森林 (RF) 和拉索算法开发水质参数模型.
主要成果:
- 随机森林 (RF) 和其他机器学习模型在水质参数逆转方面表现出色.
- 在不同季节,RF表现出强大的准确性和概括能力.
- 倒置精度因季节而异,夏季产生最好的结果,冬季最差.
结论:
- 无人机多谱图像与机器学习算法相结合,为季节性城市河流水质预测提供了可行的方法.
- 随机森林模型对于准确和普遍的水质评估特别有效.
- 模型预测的准确性和稳定性与样本值标准偏差相关.
