面向GF-1WFV数据的闽江下游叶绿素a反演模型研究

摘要：

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R2为0.895,RMSE为1.994 mg·m-3,平均相对误差为11.502％,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R2为0.709,RMSE为3.540 mg· m-3,平均相对误差为25.616％.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.

关键词：叶绿素a、随机森林、BP神经网络、GF-1 WFV

所属期刊栏目：39

分类号：X171(环境生物学)

资助基金：中央引导地方科技发展专项;国家自然科学基金青年项目;海西政务大数据应用协同创新中心资助项目

在线出版日期：2020-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：4276-4283