基于XGBoost算法的近紫外通道地表反射率模拟
紫外谱段在全球极光探测、海洋溢油、大气辉光等领域具有重要应用价值,其地表反射特性是研究中的重要背景数据,但现有卫星数据资源较少,难以满足应用需求.针对这一问题,本文提出了基于机器学习XGBoost算法的近紫外(350～400 nm)通道地表反射率数据模拟方法.首先,选取Sentinel-2 MSI 2、3、4 通道多光谱数据为数据源,结合其通道特点基于USGS地物光谱数据库获取植被、水体、土壤等典型地物光谱数据,并等效计算到相应通道.其次,对数据源和待模拟通道开展相关性分析,Sentinel-2 MSI 2、3、4 通道与待模拟通道相关系数均大于 0.88,这表明基于该数据源可开展近紫外地表反射率数据模拟.然后,基于等效计算后的典型地物光谱数据集,利用XGBoost算法构建近紫外通道地表反射率回归模型.精度分析结果表明,所有通道模型决定系数(R2)均达到 0.91 以上,均方根误差(RMSE)均小于 0.076,平均绝对误差百分比(MAPE)整体在 20%以内,且上述 3 个精度指标针对不同类别样本的标准差在 0.0212 范围内,可见模型精度较高,同时具有良好的稳健性.最后,基于Sentinel-2 MSI 2、3、4 通道图像数据,生成 355、365、375、385、395 nm的地表反射率模拟图像,图像较好地体现了地物光谱特性.
近紫外、地表反射率模拟、机器学习、XGBoost
P237(摄影测量学与测绘遥感)
中国科学院青年创新促进会项目2019132
2023-07-21（万方平台首次上网日期，不代表论文的发表时间）
共8页
68-74,103
