卫星算法用于检索中国湖泊中溶解的有机碳度
Dong Liu1, Evangelos Spyrakos2, Andrew Tyler2
1Key Laboratory of Lake and Watershed Science for Water Security, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China; School of Biological and Environmental Science, University of Stirling, Stirling FK9 4LA, United Kingdom.
The Science of the total environment
|October 24, 2024
概括
这项研究开发了一种混合机器学习算法,使用卫星数据准确估计湖泊中溶解的有机碳 (DOC). 新方法改进了用于大规模水质监测的传统算法.
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:
- 溶解有机碳 (DOC) 影响湖水质量和碳循环.
- 现有的区域算法在大规模的DOC检索方面遇到了困难.
- 基于卫星的监测需要准确和可扩展的DOC估计方法.
研究的目的:
- 调查可行的卫星算法,从OLCI/Sentinel-3在中国不同湖泊的图像中检索DOC度.
- 将传统回归方法的性能与一种新的混合机器学习方法进行比较.
- 在中国的大湖中绘制DOC度的空间分布图.
主要方法:
- 分析了55个湖泊的生物光学测量结果.
- 对淡水和盐水湖的DOC,有色溶解有机物吸收和光谱反射率之间的关系进行了研究.
- 开发和验证了传统的线性回归和混合机器学习算法.
- 对370个大湖泊进行了卫星监测.
主要成果:
- 淡水和盐水湖之间的生物光学特征和DOC回收关系显著不同.
- 传统方法在DOC估计中产生了高平均绝对百分比差异 (55.68-66.44%).
- 混合机器学习算法实现了相当低的MAPD18.16%.
- 空间分析显示,中国西北地区的多克度较高,东南地区的度较低.
结论:
- 混合机器学习方法为大规模的基于卫星的湖泊DOC监测提供了更可靠的方法.
- 区分淡水和盐湖的特征对于准确的DOC检索至关重要.
- 卫星监测提供了对湖泊DOC度的空间模式有价值的见解.
