一个双步随机森林算法,用于从Landsat卫星数据中提取湖泊中的溶解无机碳

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 临界技术 临界技术

背景情况:

• 溶解无机碳 (DIC) 是湖泊碳的主要组成部分,对生态系统健康至关重要.
• 精确监测湖泊DIC对于碳库存评估和湖泊管理至关重要.
• 以前用于DIC检索的遥感工作受到水光学复杂性和影响因素的限制.

研究的目的:

• 开发一个强大的算法,用于大规模,同步远程检测湖泊中的DIC度.
• 绘制湖泊DIC度在中国的空间分布和时间动态.
• 确定影响湖泊DIC度变化的关键环境驱动因素.

主要方法:

• 利用来自中国135个湖泊的现场DIC数据 (N=1386),开发了一种两步随机森林算法.
• 将验证的算法应用于Landsat卫星图像,用于在24,366个湖泊 (1984-2023) 中进行像素级DIC检索.
• 分析了空间模式,与导电性的相关性,并将变化归因于气候和水文因素.

主要成果:

• 随机森林算法实现了DIC检索的平均绝对百分比误差15.82%.
• 湖泊DIC度在中国各地表现出"西北更高,东南更低"的模式.
• 导电性与DIC度有显著的正相关性 (r=0.72);降水,蒸发和排水解释了53.84%的DIC变化.

结论:

• 开发的算法为大规模DIC湖的遥感提供了一种新的方法.
• 湖泊DIC的空间变化受到水文过程和盐分化的显著影响.
• 2015年,中国湖泊中估计的DIC总储量为1.46 Pg C,其中大部分位于青海-西藏高原.