使用Sentinel-3图像对内陆水库采用一种新的混合蓝菌绘制方法

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 欧化监测 欧化监测

背景情况:

• 蓝藻细菌的繁殖对公众健康和生态系统构成风险,需要精确的检测和量化.
• 卫星遥感对于通过色素度来估计蓝菌生物质至关重要,其中核糖素 (PC) 作为关键指标.
• 现有的PC生物光学模型在度范围和环境特异性方面存在局限性.

研究的目的:

• 开发和验证一种混合机器学习方法,用于从卫星图像中改进基 (PC) 检索.
• 通过调整算法以适应特定PC度范围,克服现有模型的局限性.
• 为了提高蓝藻细菌在光学多样化的水域中繁殖监测的准确性和适用性.

主要方法:

• 收集了165个样本的现场数据集,用于模型培训和验证 (2020年11月至2021年12月).
• 使用随机森林算法将水分为低 (0-14 mg.m-3) 和高 (>14.1 mg.m-3) 的PC度类别.
• 校准了每个类别的个人PC估计算法,并将混合模型应用于Sentinel-3/OLCI图像.

主要成果:

• 与单个算法相比,混合PC模型表现出更高的性能 (中等对称精度 ζ = 25.35%).
• 该模型有效量化了光学动态水域中不同范围的PC度.
• 对现场测量的验证证实了混合方法的实际适用性.

结论:

• 拟议的混合机器学习模型在量化蓝藻细菌繁殖监测中提供了显著的进步.
• 这种方法提高了在各种水生环境中基于卫星的估计的可靠性.
• 该研究强调了混合模型在准确的生态评估和减轻公共卫生风险方面的潜力.