摘要
当前遥感反演水质参数模型在空间连续性、时间敏感性和反演精度方面存在诸多不足,导致其难以满足复杂环境下的水质动态监测需求。针对这一问题,提出了一种集“多源遥感影像融合”与“基于机器学习优化的反演模型”于一体的水质参数估算框架。首先,融合Landsat 8 OLI与Sentinel-2 MSI多源数据,以提升输入特征的丰富性与模型的空间一致性;其次,采用支持向量回归(SVR)与随机森林(RF)作为基础模型,并引入模拟退火-粒子群优化算法(SA-PSO)对模型超参数进行联合优化。SA-PSO算法通过全局寻优和局部搜索相结合,显著增强了模型的收敛性和适应性。实验结果表明:优化后的SVR与RF模型在化学需氧量(COD)和氨氮(NH 3-N)反演任务中的精度分别提升了35%和40%,平均绝对百分比误差值均控制在10%以内,表现出优于传统方法的准确性与稳定性。研究表明,该方法在复杂水环境条件下具有良好的泛化能力,可为大范围水质动态监测提供可靠的技术支持。
出处
《技术与市场》
2025年第8期1-4,11,共5页
Technology and Market
作者简介
高恒(1992-),男,湖北武汉人,硕士,助教,研究方向:有机化学;通信作者:付万涛(1991-),男,湖北武汉人,硕士,工程师,研究方向:环境监测与检测、电力工程勘察土工试验及水质分析。
