在多光谱图像中组合机器学习方法用于浴度估计
Kazi Aminul Islam1, Omar Abul-Hassan2, Hongfang Zhang3
1Department of Computer Science, Kennesaw State University, Marietta, GA 30060, USA.
Geomatics (Basel, Switzerland)
|September 15, 2025
概括
在卫星图像上使用机器学习进行自动化浴度测绘,降低成本并改善数据可访问性. 优化的CatBoostOpt模型使用WorldView-2图像准确估计水深,优于其他方法.
科学领域:
- 遥感 遥感 遥感 遥感
- 地理空间分析的研究.
- 机器学习 机器学习
背景情况:
- 传统的浴量测量方法是劳动密集型的,并产生不完整的数据.
- 自动化浴度估计对于降低成本和更广泛的研究应用至关重要.
研究的目的:
- 优化CatBoostOpt机器学习模型使用WorldView-2卫星图像进行浴度估计.
- 评估不同的数据转换和光谱波段,以提高浴度测绘准确度.
主要方法:
- 将CatBoostOpt模型应用于WorldView-2多光谱卫星图像.
- 与卫星反射率值相关联的位置声纳浴度数据.
- 评估了原始反射率,日志线性和日志比率转换,并评估了个别光谱带贡献.
主要成果:
- CatBoostOpt与日志比率转换反射率实现了最高的精度.
- 该模型展示了0.34的根平均平方误差 (RMSE) 和0.87.87的R-平方.
- 使用WorldView-2图像的所有八种光谱带,为复杂的水条件提供了最好的结果.
结论:
- 优化 CatBoostOpt 模型为自动化浴度测绘提供了具有成本效益和准确的解决方案.
- 应用于多光谱卫星数据的机器学习可以克服传统浴度测量调查的局限性.
- 该研究强调了卫星衍生的浴度计在沿海研究和管理方面的潜力.
