典型文献
基于多源卫星的滇池藻华提取机器学习算法研究
文献摘要：
富营养化导致的藻类水华暴发,严重影响湖泊生态系统健康和居民用水安全.目前,常用于藻华监测的MODIS等卫星数据,受限于较低的空间分辨率,难以满足中小型湖泊水体的细粒度监测需求;而Landsat等常用的中高空间分辨率卫星数据因重返周期较长,无法满足藻华高频监测的需求.以滇池为研究区,联合国内外6种常用中高分辨率卫星影像,包括高分一号卫星、高分六号卫星、HJ1A/B、HY1C、Lan1dsat8和哨兵2号,分别使用神经网络模型、随机森林模型和极端梯度提升树模型3种机器学习算法以及归一化植被指数法提取滇池藻华,并对提取精度进行对比分析和一致性评估.结果如下:①3种机器学习算法中随机森林模型藻华提取精度最高(准确率91.94％,F1指数91.91％,召回率91.52％,精确率92.30％,Kappa系数0.838 8),极端梯度提升树模型和神经网络模型次之;②同一天多源卫星数据藻华提取结果一致性较高,平均相对误差小于8.04％;③2019年滇池藻华暴发频率较高,主要以轻度藻华和中度藻华为主,整体暴发格局呈现"北重南轻".研究表明,利用中高分辨率遥感数据联合监测藻华是一种有效手段,能够在保证空间分辨率的同时提升时间分辨率.同时,建议在多云雨地区和中小型水体藻华监测中推广多源卫星联合观测.
文献关键词：
藻华;多源遥感数据;机器学习;联合监测;滇池
中图分类号：
作者姓名：
李一民;谭振宇;杨辰;何峰;孟迪;罗菊花;段洪涛
作者机构：
西北大学 城市与环境学院,陕西 西安 710127;西北大学 陕西省地表系统与环境承载力重点实验室,陕西 西安 710127;昆明市滇池高原湖泊研究院,云南 昆明 650228;中国科学院 南京地理与湖泊研究所 中国科学院流域地理学重点实验室,江苏 南京 210008
文献出处：
引用格式：
[1]李一民;谭振宇;杨辰;何峰;孟迪;罗菊花;段洪涛-.基于多源卫星的滇池藻华提取机器学习算法研究)[J].地球科学进展,2022(11):1141-1156
A类：
HJ1A,HY1C,Lan1dsat8
B类：
滇池,机器学习算法,算法研究,富营养化,藻类水华,湖泊生态系统,生态系统健康,用水安全,MODIS,卫星数据,受限于,中小型,小型湖泊,湖泊水体,细粒度,Landsat,中高空间分辨率,重返,高频监测,高分辨率卫星影像,高分一号卫星,高分六号卫星,哨兵,随机森林模型,极端梯度提升树,树模型,归一化植被指数,指数法,一致性评估,召回率,精确率,Kappa,同一天,结果一致性,平均相对误差,藻华暴发,华为,高分辨率遥感数据,联合监测,时间分辨率,多云,云雨,雨地,多源遥感数据
AB值：
0.29248
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。
