-
题名基于机器学习的东湖富营养化研究
被引量：6
- 1
-
-
作者
李玉翠
周正
彭漪
陶言祺
王东
桂圣熙
仝春艳
-
机构
武汉大学遥感信息工程学院
长江流域水环境监测中心
-
出处
《人民长江》
北大核心
2018年第17期12-17,共6页
-
基金
国家自然科学基金项目(41771381)
-
文摘
利用遥感技术建立影像波段反射率与地面监测水质参数的定量反演模型,能实现高效率、大尺度湖泊富营养化水平的监测。机器学习通过高度的非线性映射,能很好地利用已知信息,模拟复杂因素之间的关系。以武汉东湖为例,基于资源一号02C卫星影像,利用K-近邻法、支持向量机、随机森林、梯度提升决策树、人工神经网络等5种经典的机器学习算法建立了叶绿素a(Chl-a)、透明度(SD)、总磷(TP)、总氮(TN)、高锰酸盐指数(COD_(Mn))5个水质参数与影像反射率间的定量反演模型,并采用综合营养状态法对东湖富营养化程度进行评价。以2014年11月22个采样点和2015年1月23个采样点的数据为基准,与基于机器学习算法训练水质参数建模对比,富营养化分级正确率为分别为95.5%和82.6%;以武汉市环境保护局数据为基准,对比反演的东湖各子湖营养等级,正确率均为71.4%。
-
关键词
富营养化
遥感
机器学习
水质参数
东湖
-
Keywords
lake eutrophication
remote sensing
machine learning
water quality parameter
East Lake
-
分类号
X171
[环境科学与工程—环境科学]
-
-
题名基于组合光谱指数的巢湖典型水质参数反演研究
被引量：2
- 2
-
-
作者
周正
桂圣熙
李玉翠
陶言祺
彭漪
-
机构
长江流域水环境监测中心
武汉大学遥感信息工程学院
-
出处
《人民长江》
北大核心
2020年第9期45-50,182,共7页
-
基金
国家重点研发计划项目(2019YFB2102905)
国家自然科学基金资助项目(41771381)。
-
文摘
叶绿素a浓度和透明度作为与光谱特征相关的水质参数,是遥感反演水体质量的重要指标。以安徽巢湖为研究区域,利用2016年1~9月的地面水质监测数据和对应的2016年4个时期的资源和高分卫星的遥感影像,基于水体光谱特征使用K均值与支持向量机将水体分为叶绿素a主导、透明度主导、共同主导3类,并建立了用于反演叶绿素a和透明度的创新光谱指数NDWC和NDWS。反演叶绿素a浓度时,使用NDWC反演叶绿素a主导和共同主导型水体,使用RVIgreen反演透明度主导型水体,均方根误差RMSE为0.0443mg/L,优于传统光谱指数NDVI(0.0534 mg/L)和机器学习算法GDBT(0.0515 mg/L);反演透明度时,使用NDWS反演透明度主导和共同主导型水体,使用G反演叶绿素a主导型水体,均方根误差RMSE为0.0224 m,优于传统光谱指数NDVI(0.0306 m)和KNN算法(0.0272 m)。将该方法应用于巢湖2016年4个时期的遥感影像评估巢湖水质,结果表明:第二时期(4月和6月)整体叶绿素a浓度最高,透明度最低;第一时期(3月)和第四时期(9月和11月)次之;第三时期(8月)整体叶绿素a浓度最低,透明度最高。整体而言,巢湖水域的东部湖区水质优于西部湖区。
-
关键词
叶绿素A
透明度
水体分类
光谱指数
水质参数图
巢湖
-
Keywords
chlorophyll-a
transparency
water body classification
spectral index
water quality parameter map
Caohu Lake
-
分类号
X524
[环境科学与工程—环境工程]
-
