在城市河流网络中逆转了甲度和化学氧气需求,使用规范化的超谱数据
Rongda Guan1,2, Yingzhuo Hou1,2, Maham Arif1,2
1Shandong Key Laboratory of Coastal Zone Environmental Processes and Ecological Security, Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China.
Sensors (Basel, Switzerland)
|November 27, 2025
概括
将超光谱数据规范化有助于改善水质监测. 这种方法提高了预测叶绿素-a (Chl-a) 和化学氧需求 (COD) 度的模型的准确性和多功能性,统一了不同类型的数据,以便更广泛地应用.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 分析化学 分析化学
背景情况:
- 叶绿素a (Chl-a) 和化学氧气需求 (COD) 是关键的水质指标.
- 由于数据类型的差异,现有的超频谱倒置模型缺乏普遍性.
研究的目的:
- 开发一个使用规范化超频谱数据的通用水质逆转模型.
- 提高Chl-a和COD度预测的准确性和多功能性.
主要方法:
- 从308个河流站收集了同步的现场高光谱数据和水样.
- 开发了四种反转模型:SVR,RF,BPNN和1D-CNN.
- 使用原始反射率 (R),遥感反射率 (Rrs) 和规范形式作为模型输入.
- 执行交叉反射类型验证以评估模型的稳定性.
主要成果:
- 规范化的高光谱数据显著提高了Chl-a和COD度反转的准确性.
- 规范化有效地统一了不同的超谱数据类型,提高了模型的多功能性.
- 交叉验证证明了使用规范化数据的模型的稳定性.
结论:
- 规范化的超谱数据是开发通用水质逆转模型的关键.
- 这种方法提高了Chl-a和COD监测的预测准确性和数据集成.
- 提供了一般化超光谱水质评估的基础.


