发展多谱传感器配置,使用遗传编程进行河口健康监测

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 数据科学数据科学数据科学

背景情况:

• 大规模的生态系统健康评估对于管理和监管决策至关重要.
• 超光谱成像提供了对属性的非侵入性估计,但产生了高维数据.
• 现实世界的应用需要使用较少波长的模型来进行超光谱图像分析.

研究的目的:

• 提出一种新的波长选择和特征提取方法,用于高光谱图像分析.
• 使用遗传编程自动识别关键波长区域和信息图像特征.
• 使用开发的方法预测沉积物的多孔性和有机物质含量.

主要方法:

• 开发了一种基因编程方法,用于在超光谱图像中进行波长选择和特征提取.
• 收集了沉积物的现场超光谱图像,并与地面真实孔隙性和有机物质含量相结合.
• 为特征提取树构建提出了两个程序结构 (基于光谱和基于图像),并利用支持向量回归 (SVR) 模型进行预测.

主要成果:

• 提出的基于光谱的基因编程方法显示了与已建立的波长选择技术 (SPA,CARS,RC) 相比具有竞争力的性能.
• 支持向量回归模型有效地根据提取的特征预测了沉积物的多孔性和有机物质含量.
• 全波长模型在预测沉积物有机物含量方面显示出可靠性.

结论:

• 开发的基因编程方法提供了一种有效的解决方案,可以减少高光谱数据的维度,同时保持预测能力.
• 该方法成功地预测了所有收集的图像中的沉积物有机物含量,证明了其实际适用性.
• 这种方法增强了超光谱成像对于大规模环境监测和评估的实用性.