Sentinel-2/MSI深度学习超分辨率重建及河湖水质遥感反演

摘要：

针对Sentinel-2 影像低空间分辨率(20m、60m)波段混合像元会降低内陆河湖水质反演精度的问题,提出了一种通过深度学习超分辨率重建进行水质反演的方法.首先,引入残差神经网络超分辨率重建算法,结合迁移学习方法与卷积注意模块对该算法进行改进,通过对比评估其他算法的重建精度,发现改进算法主客观评价均为最佳.接着,以上海市内陆河湖为研究区域,使用改进算法对低分辨率波段重建至 10m,结合实测水质参数及影像重建前后的光谱特征波段,利用多种回归算法构建水质反演模型进行对比.结果表明:深度学习超分辨率重建模型可有效提升水质参数的遥感反演精度;深度神经网络模型精度较高(R2>0.67),可实现更精细化制图.

关键词：Sentinel-2、深度学习、超分辨率重建、水质、深度神经网络、河流和湖泊

所属期刊栏目：38

分类号：TP79;TP751(遥感技术)

资助基金：中国长江三峡集团有限公司科研项目202103552

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：16-24