研究各种机器学习方法用于Sentinel-2衍生的浴度测量
Andrzej Chybicki1, Paweł Sosnowski1, Marek Kulawiak1
1Department of Geoinformatics, Faculty of Electronics, Telecommunications and Informatics, Gdansk University of Technology, Gdansk, Poland.
机器学习算法,特别是回归树,提供了使用卫星图像来估计海底深度的精确和高效方法. 这种方法克服了沿海区域绘制传统现场测量的局限性.
科学领域:
- 遥感 遥感 遥感 遥感
- 沿海的地质形态学
- 机器学习应用 机器学习应用
背景情况:
- 精确的海底深度 (浴度测量) 对于沿海作业至关重要,但现场测量是昂贵和耗时的.
- 卫星图像的可用性越来越大,为开发具有成本效益和快速的浴度估计方法提供了机会.
- 现有的方法包括分析模型,物理模型和经验技术,在光学复杂的水域中性能不同.
研究的目的:
- 为了比较常见的分析浴度估计模型与现代机器学习算法的性能和精度.
- 为了研究浅层神经网络,决策树和随机森林算法的有效性,用于卫星衍生的浴度.
- 评估输入数据特征 (卫星频段,地理权重) 对机器学习模型准确性的影响.
主要方法:
- 实现和评估机器学习模型,包括浅层神经网络,决策树和随机森林.
- 使用来自四个卫星频段的原始反射率数据和特定频段比率 (例如,B2/B3对数系数) 作为输入特征.
- 将地理权重纳入机器学习培训过程中,以考虑空间变化.
主要成果:
- 与其他机器学习模型和分析方法相比,回归树算法表现出卓越的性能.
- 使用集成数据本地化,四个卫星频段和B2和B3频段对数的回归树模型实现了最佳性能.
- 该研究是在波兰斯切辛和赫尔半岛附近的南波罗的海海岸线光学上具有挑战性和空间变化的水域进行的.
结论:
- 机器学习,特别是回归树,为沿海地区的卫星衍生的浴度估计提供了非常有效的方法.
- 选择合适的卫星数据频段和包含空间信息可以显著提高模型的准确性.
- 这种方法为传统方法提供了可行的替代方案,使得海底深度评估更频繁,更具成本效益.
更多相关视频
06:36A Field Primer for Monitoring Benthic Ecosystems Using Structure-From-Motion Photogrammetry
Published on: April 15, 2021
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
Modeling and Similitude
Typical Model Studies
Buoyancy and Stability for Submerged and Floating Bodies
Methods of Obtaining Topography
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
