基于地理信息的OED-RF草海水深反演

摘要：

为充分利用已有数据提高浅水区水深反演的精度,并快速选择机器学习模型中的参数,选取贵州省草海为研究区,在BP神经网络模型和随机森林模型(RF)中加入地理信息(GEO),采用正交试验设计法(OED)选取GEO+RF模型较优参数,并与多波段对数线性模型、GEO+BP神经网络模型和GEO+RF模型进行对比.结果表明:相较于文中所对比的模型,提出的GEO和OED-RF模型反演精度最高,实测水深-反演水深散点图点位最为集中,反演水深图与实测水深图基本一致.说明GEO和OED-RF模型能有效提升试验效率、选出较优参数并提高浅水区水深反演精度,可为相似区域水资源遥感监测与分析提供参考.

关键词：水深反演、正交试验设计、随机森林、地理信息、草海

所属期刊栏目：54

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金12165003

在线出版日期：2023-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：62-67