一种基于中国各地湖泊和水库的两行分类的全新度检索方法
Chong Fang1, Changchun Song1, Xiangyu Wang1
1Northeast Institute of Geography and Agroecology, CAS, Changchun 130102, China.
The Science of the total environment
|October 4, 2023
概括
这项研究开发了一种新的遥感方法,以准确估计中国湖泊和水库的总 (TP). 这种方法增强了相关性,并改善了TP绘制,有助于水质监测.
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:
- 总 (TP) 是一个关键的营养污染物,导致水体的肥大化.
- 由于其非光学活性性质,在湖泊和水库中精确地进行全国范围的TP远程估计具有挑战性.
- 现有的TP逆转模型对于中国的湖泊和水库来说是不够的.
研究的目的:
- 开发和验证一种新的遥感方法,用于估计中国湖泊和水库的总 (TP).
- 为了改善光谱数据和TP度之间的相关性.
- 为水质管理创建国家级的TP地图.
主要方法:
- 使用Ln(TP) 和B33/B9比率的两行分类方法被用来对1211个水样进行分类.
- 该分类增强了光谱数据 (单个频段,频段组合,频段比率) 和Ln(TP) 之间的相关性.
- 极端梯度增强 (XGBoost) 模型在机密数据上受过训练,并应用于用于TP映射的MODIS图像.
主要成果:
- 该分类方法显著改善了所有三类的光谱数据和Ln(TP) 之间的相关系数.
- XGBoost模型实现了高性能:R2值为0.76 (第1类),0.84 (第2类) 和0.74 (第3类).
- 通过使用2005-2020年的MODIS数据,为563个大型湖泊和水库生成了全国规模的TP地图.
结论:
- 拟议的两行分类方法有效地增强了对TP等非光学活性参数的遥感.
- 开发的XGBoost模型为湖泊和水库的全国范围的TP监测提供了一个强大的工具.
- 这项研究为中国的水质评估提供了一种新且可扩展的方法.
