基于机器学习的卫星遥感水质富营养化评价——以合肥市环城河为例OA北大核心CSTPCD
以合肥市环城河为研究对象,使用线性回归、随机森林、支持向量回归和套索回归等机器学习模型挖掘Landsat8卫星数据和水质参数之间的关系,对遥感影像值的反射率和水质参数进行建模,并比较了4种不同模型的表现.结果显示,随机森林模型的表现最好,对TN、TP、NH3-N反演模型的精度都能达到0.7以上;反演的水质参数浓度分布图表明TN、TP在环城河东北段的污染最严重,而NH3-N则在西南段的污染最严重;从水体富营养化分布图可以看出,环城河东段水体呈现中度营养状态.
张勇;王慧;朱传华;周浩;詹宇;李灿;肖逸凡;杨丽丽;刘佳奇;
安徽建筑大学环境与能源工程学院,合肥230601 安徽建筑大学环境污染控制与废弃物资源化利用安徽省重点实验室,合肥230601安徽建筑大学环境与能源工程学院,合肥230601 荆州水务集团有限公司,湖北荆州434000安徽建筑大学环境与能源工程学院,合肥230601
环境科学
机器学习Landsat8富营养化评价
《华东师范大学学报(自然科学版)》 2024 (001)
P.1-8,112 / 9
中国科学院科技服务网络计划(KFJ-STS-QYZD-173);安徽省高校自然科学研究项目(KJ2021A0619)。
评论