研究目的
研究利用MODIS的额外波长作为统计和机器学习模型的输入,是否能提高切萨皮克湾总悬浮固体的卫星估算精度。
研究成果
使用多个MODIS波段的随机森林模型在高总悬浮固体浓度条件下略优于单波段算法,但两种方法的普适性相当。方法选择取决于应用目标,多光谱方法在特定条件下具有精度优势。
研究不足
多光谱模型数据密集度更高,需要更多计算资源。本研究仅限于切萨皮克湾,可能无法推广到其他河口。由于数据的对数正态分布,高总悬浮物浓度值被低估。与红光/近红外波段250米的空间分辨率相比,多光谱波段的空间分辨率限制为1公里。
1:实验设计与方法选择:
本研究采用统计与机器学习模型(随机森林、支持向量机、广义加性模型、广义线性模型、神经网络、多元自适应回归样条、分类回归树、贝叶斯加性回归树)基于MODIS数据估算总悬浮物浓度,并与单波段算法进行对比。数据按80%训练集和20%独立验证集划分进行交叉验证。
2:样本选取与数据来源:
使用2003-2016年MODIS Aqua卫星数据,经SeaDAS软件处理至二级产品。实地总悬浮物浓度测量数据来自切萨皮克湾计划监测站,选取与卫星数据时空匹配(250米范围内且同日观测)的样本。
3:实验设备与材料清单:
MODIS Aqua卫星传感器、SeaDAS软件、R统计计算环境、实地水质监测站点。
4:实验流程与操作步骤:
下载处理MODIS数据并与实地测量值匹配,在训练集上训练模型,在独立验证集上验证,比较性能指标(平均绝对误差、均方误差、均方根误差)。
5:数据分析方法:
采用R语言进行统计分析,通过偏依赖图解释模型,实施地理与时间维度交叉验证。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容