确定用于CyanoSat高光谱成像仪与机器学习的蓝藻检测的光谱要求

科学领域:

• 遥感 遥感 遥感 遥感
• 海洋光学 海洋光学
• 机器学习 机器学习

背景情况:

• 菌的繁殖对水生生态系统和人类健康构成风险.
• 精确监测蓝菌颜料对于评估水质至关重要.
• 现有的遥感技术需要优化,以有效检测蓝藻细菌.

研究的目的:

• 为了确定CyanoSat成像仪用于菌色素检索的最佳光谱配置.
• 评估光谱带数和定位对色素估计精度的影响.
• 为了指导未来水色放射测量传感器的光谱频段的选择.

主要方法:

• 使用模拟数据集进行机器学习 (ML) 模型训练和验证.
• 评估了各种光谱配置,从最小频段到高光谱分辨率.
• 对比了不同配置在区分和检索菌颜料,如 phycocyanin (PC) 和叶绿素-a (Chl-a) 的性能.

主要成果:

• 至少有三个光谱带可以确定PC和Chl-a,但不能确定蓝藻细菌的组成.
• 大约9个理想位置的光谱波段实现了对CAR和色素度的精度可比300个频道.
• 更窄的光谱带全宽半最大 (FWHM) 在12nm配置上没有提高性能.

结论:

• 连续的光谱采样对于检测蓝色细菌并非必不可少.
• 具有战略位置的多光谱配置,狭窄的频段是足够的.
• 鉴定的光谱配置可以为下一代海洋和水色传感器的设计提供信息.