典型文献
CatBoost模型在水深反演中的应用
文献摘要：
在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性.机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度.本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较.试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19％、1.09 m、0.77 m和9.61％,准确性最高,效果更佳.
文献关键词：
水深反演;多光谱遥感;Sentinel-2;机器学习;CatBoost模型
中图分类号：
作者姓名：
孔瑞瑶;谢涛;马明;孔瑞林
作者机构：
南京信息工程大学遥感与测绘工程学院,江苏 南京210044;青岛海洋科学与技术国家实验室区域海洋动力学与数值模拟功能实验室,山东 青岛266237;北京应用气象研究所,北京100029;西北工业大学软件学院,陕西 西安710129
文献出处：
引用格式：
[1]孔瑞瑶;谢涛;马明;孔瑞林-.CatBoost模型在水深反演中的应用)[J].测绘通报,2022(07):33-37
A类：
瓦胡岛
B类：
CatBoost,水深反演,多光谱遥感,反演研究,反演精度,反演模型,定局,机器学习算法,决非,复杂问题,在某些特,特定区域,Sentinel,遥感影像,LiDAR,测深,Boosting,XGBoost,LightGBM,决定系数,平均绝对误差,平均相对误差
AB值：
0.282549
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。
