结合机器学习与高光谱遥感的城市内河水质反演OA北大核心CSTPCD
针对当前城市内河氮磷算法研究不足的问题,以福州市晋安河为研究对象、下洞江为验证对象,对总磷(TP)和总氮(TN)这两个重要河流水质指标进行研究.提出单波长连续投影算法(SPA)和双波长皮尔逊相关性分析(Pearson)进行自变量筛选,再结合机器学习算法对晋安河实测光谱数据进行模型构建和水质反演可视.实验表明,TP、 TN与氨氮有很强的相关性,在构建TP、 TN水质参数反演模型时,加入氨氮的特征波长,并采用SPA+Person+RF算法构建的TP模型效果最优,其R2为0.92,ERMS为0.005 mg·L-1;采用SPA+Pesrson+SVR算法构建的TN模型效果最优,其R2为0.90,ERMS为0.082 mg·L-1.优化后的算法比传统算法提升显著.经验证,该方法同样适用下洞江水质反演,可用于城市内河水环境监测.
曾江超;黄风华;李秉政;高荣刚;
福州大学数字中国研究院(福建),福建福州350108 福建省空间信息感知与智能处理重点实验室(阳光学院),福建福州350015 空间数据挖掘与应用福建省高校工程研究中心(阳光学院),福建福州350015福建省空间信息感知与智能处理重点实验室(阳光学院),福建福州350015 空间数据挖掘与应用福建省高校工程研究中心(阳光学院),福建福州350015
计算机与自动化
水质反演无人机高光谱机器学习总磷总氮城市内河
《福州大学学报(自然科学版)》 2024 (001)
P.29-36 / 8
福建省自然科学基金资助项目(2019J01088,2022J01379)。
评论