采用多向双向合方法,使光谱特征不混合,以量化城市河流中的总,总和叶绿素a
1College of Mining Engineering, Taiyuan University of Technology, Taiyuan, Shanxi 030024, China; Department of Mathematics and Statistics, Georgetown University, Washington, D.C. 20057, USA.
Journal of hazardous materials
|July 26, 2024
概括
一种使用无人机 (UAV) 超光谱数据的新方法可以高精度地预测水质参数,如总和总,从而减少对现场大量样本的需求.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 水质管理水质管理
背景情况:
- 有效的水质监测对于环境管理至关重要.
- 无人机遥感提供灵活的水质参数 (WQP) 估计,但需要昂贵的训练数据.
- 现有的方法面临着准确性,稳定性和广泛适用性的挑战.
研究的目的:
- 开发一种统一,高效的方法,利用无人机的高光谱数据来预测WQPs.
- 减少对大量现场收集的培训样本的依赖.
- 提高WQP预测在不同流域的准确性,稳定性和适用性.
主要方法:
- 开发了一种两阶段的方法:多向双向合 (MDPC) 与信息共享.
- 集成的外部/内部特征交互和重力模型变体.
- 利用超光谱数据预测总 (TP),总 (TN) 和叶绿素-a (Chl-a).
主要成果:
- 在获取WQP度方面,MDPC取得了良好的表现.
- 平均绝对百分比误差 (MAPE) 在6.34%至11.94%之间.
- 确定系数 (R2) 从0.74到0.93不等,表明强大的预测能力.
结论:
- 在减少培训样本的情况下,MDPC表现出高稳定性和可行性.
- 该方法为有效的水环境管理提供了系统和科学参考.
- 改善了现实世界水质监测场景的适用性和可行性.
