通过结合远程传感的光谱和纹理特征来提高湖泊叶绿素的解释精度

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 水质监测 水质监测

背景情况:

• 缩导致有害的蓝藻细菌繁殖,需要精确监测湖泊中的甲基 (Chla) 度.
• 现有的遥感方法主要使用光谱特征,经常忽视可以提高精度的纹理信息.
• 高精度的Chla检索对于了解和管理湖水质量和优化动态至关重要.

研究的目的:

• 探索远程传感图像的纹理特征的实用性,以估计Chla湖的度.
• 开发和评估一种结合光谱和纹理特征的新型检索方法,以改进Chla估计.
• 评估新方法的性能与传统的仅光谱方法相比.

主要方法:

• 使用Landsat 5 TM和8 OLI卫星图像来提取光谱波段.
• 采用灰色水平共发生矩阵 (GLCM) 来推导8个纹理特征并计算3个纹理指数.
• 开发了一个随机森林回归模型,集成光谱和纹理指数,用于在现场检索Chla度.

主要成果:

• 纹理特征与Chla湖度有显著的相关性,反映了时间和空间分布的变化.
• 与光谱单一模型 (MAE = 15.76 μg·L−1,偏差 = 13.58%) 相比,综合光谱纹理模型实现了更高的性能 (MAE = 15.22 μg·L−1,偏差 = 9.69%).
• 拟议的模型在预测较高的Chla度方面表现出色,并且在不同度范围内有效变化.

结论:

• 来自遥感图像的纹理特征对于提高湖水质量估计非常有价值.
• 光谱和纹理特征的整合提供了一个更准确和更强大的方法来估计Chla湖度.
• 这项研究提供了一种新的遥感方法,具有改善湖泊缩监测和管理的巨大潜力.