将遥感数据与时空现场样本融合在一起,用于红潮 (Karenia brevis) 检测
Ronald Fick1, Miles Medina1,2, Christine Angelini1
1Center for Coastal Solutions, University of Florida, Gainesville, Florida, USA.
Integrated environmental assessment and management
|March 1, 2024
概括
一种新的神经网络方法通过使用卫星和现场数据来增强红潮 (Karenia brevis) 开花的检测. 这种方法可以改善对沿海水域有害藻类繁殖的监测和理解.
科学领域:
- 环境科学 环境科学
- 海洋学 海洋学 海洋学
- 遥感 遥感 遥感 遥感
背景情况:
- 红潮繁殖,特别是由Karenia brevis引起的红潮繁殖,带来了重大的生态和经济挑战.
- 有效监测这些开花对于缓解和公共安全至关重要.
研究的目的:
- 开发和验证一种新的,高分辨率的方法来检测Karenia brevis的开花.
- 提高红潮监测系统的准确性和效率.
主要方法:
- 一个神经网络分类器,集成MODIS-Aqua卫星数据 (2002-2021) 和现场样本数据.
- 纳入卫星特征的深度规范化和在现场数据的K-最近邻居时空权重方案.
- 一公里网格分辨率的花检测.
主要成果:
- 开发的模型显著优于现有的远程检测方法.
- 关键的创新包括深度规范化和工程现场功能,以提高准确性.
- 在佛罗里达州西海岸检测Karenia brevis开花的有效性得到证明.
结论:
- 这种新型分类器在红潮监测和缓解方面具有很强的运行潜力.
- 这种方法可以带来更准确的关于开花范围和分布的沟通.
- 该方法可以适应在沿海环境中检测其他有害藻类繁殖.
