典型文献
基于光谱-环境随机森林回归模型的MODIS积雪面积比例反演研究
文献摘要：
积雪面积比例(Fractional Snow Cover,FSC)数据能在亚像元尺度上定量的描述像元内积雪覆盖的程度,相比二值积雪面积数据可以更加精确地估计积雪覆盖的面积.基于机器学习的随机森林回归模型可以表示高维的非线性关系,可显著提高MODISFSC的反演精度.采用随机森林回归模型结合光谱、环境信息构建了一个新的回归模型——光谱-环境随机森林回归(Spectral Environment Random Forest Regressor,SE-RFR)模型,用于MODIS数据反演中国区域的FSC.利用中国典型积雪区内由Landsat 8地表反射率数据获取的FSC数据作为参考值,对SE-RFR模型的反演精度进行评估.研究表明,利用"SE-RFR"获取的FSC数据RMSE、MAE分别为0.160、0.104,精度较高.此外,根据SE-RFR模型与未加入环境信息的随机森林回归(S-RFR)模型比较结果可知,加入环境信息的随机森林回归模型提高了FSC反演的精度,特别是在受环境信息影响较大的青藏高原地区,RMSE从0.200降低到0.181.最后,将SE-RFR模型与目前使用广泛的MODIS FSC反演模型FSC_NDSI、MODSCAG和SSEmod进行了比较,结果表明SE-RFR模型的RMSE与FSC_NDSI、MODSCAG和SSEmod模型的RMSE相比,平均RMSE分别提高了 12.0％、8.3％和5.5％.总体来说,SE-RFR模型可以准确地提取MODIS FSC,对于区域乃至全球FSC产品制备具有广泛的应用前景.
文献关键词：
MODIS;光谱信息;环境信息;积雪面积比例;FSC;随机森林
中图分类号：
作者姓名：
孙兴亮;郝晓华;王建;赵宏宇;纪文政
作者机构：
兰州交通大学测绘与地理信息学院,甘肃兰州730070;中国科学院西北生态环境资源研究院,甘肃兰州730000;地理国情监测技术应用国家地方联合工程研究中心,甘肃兰州730070;甘肃省地理国情监测工程实验室,甘肃兰州730070;北京师范大学地表过程与资源生态国家重点实验室,北京100875
文献出处：
引用格式：
[1]孙兴亮;郝晓华;王建;赵宏宇;纪文政-.基于光谱-环境随机森林回归模型的MODIS积雪面积比例反演研究)[J].冰川冻土,2022(01):147-158
A类：
积雪面积比例,MODISFSC,Regressor,典型积雪区,MODSCAG,SSEmod
B类：
随机森林回归模型,反演研究,Fractional,Snow,Cover,内积,积雪覆盖,积数,基于机器学习,高维,非线性关系,反演精度,环境信息,信息构建,Spectral,Environment,Random,Forest,RFR,数据反演,中国区域,国典,Landsat,地表反射率数据,数据获取,参考值,RMSE,MAE,未加,模型比较,信息影响,青藏高原地区,反演模型,NDSI,产品制备,光谱信息
AB值：
0.243821
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
