基于多来源遥感数据的新方法来量化甲对内陆水的目标
1State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China.
The Science of the total environment
|October 8, 2023
概括
这项研究开发了一种新的XGBoost模型,使用多来源遥感数据准确估计内陆水域的长期叶绿素a度. 该模型通过整合来自不同卫星的数据来改善水质监测,克服了单传感器方法的局限性.
科学领域:
- 环境遥感 环境遥感
- 水质监测 监测水质 监测水质
- 植物浮游生物的动力学
背景情况:
- 叶绿素-a (Chl-a) 度是植物浮游生物质和内陆水域中环氧化的一个关键指标.
- 长期的Chl-a监测对于有效的水资源管理至关重要.
- 现有的遥感方法在多源数据集成和内陆水中Chl-a估计的准确性方面存在困难.
研究的目的:
- 为了应对长期内水Chl-a估计的挑战,使用多源遥感数据.
- 评估来自多个卫星传感器 (OLCI,MSI,OLI) 的反射率数据的一致性和准确性.
- 开发和验证一个可靠的模型,用于从各种遥感输入中准确,高精度的Chl-a检索.
主要方法:
- 评估卫星衍生的反射率产物 (R_rhos) 与埃尔海湖的现场测量.
- 评估传感器数据的一致性,特别是在绿色-红色光谱频段.
- 开发和应用极端梯度增强 (XGB) 模型,用于多源遥感数据的融合.
主要成果:
- R_rhos产品与测量反射率有很高的相关性,表明可靠的大气校正.
- 卫星反射在绿色-红色频段显示出更高的真实性,这对于Chl-a估计至关重要.
- 建议使用R_rhos产品的XGB模型在估计Chl-a度方面显著优于其他方法.
结论:
- XGB模型有效地整合了多来源的遥感数据,以在内陆水域进行准确的长期Chl-a监测.
- 这种方法为支持内陆湖泊管理和水质评估提供了有价值的工具.
- 该研究为利用多种卫星数据在长时间内进行环境监测建立了强大的框架.
更多相关视频
10:28Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information
Published on: June 13, 2020
5.9K
10:20Evaluation of Photosynthetic Behaviors by Simultaneous Measurements of Leaf Reflectance and Chlorophyll Fluorescence Analyses
Published on: August 9, 2019
12.7K
