基于多源卫星的滇池藻华提取机器学习算法研究
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.
藻华、多源遥感数据、机器学习、联合监测、滇池
37
P343.3;X832
陕西省教育厅一般专项项目;昆明市滇池高原湖泊研究院蓝藻监控预警系统及平台资助
2023-02-15（万方平台首次上网日期，不代表论文的发表时间）
共16页
1141-1156
