-
题名基于半监督光学分类的白洋淀叶绿素a浓度反演方法
- 1
-
-
作者
陈雯玥
赵起超
杨秀峰
韩宝辉
张雨晴
-
机构
北华航天工业学院遥感信息工程学院
河北省航天遥感信息处理与应用协同创新中心
河北省激光研究所
-
出处
《光谱学与光谱分析》
北大核心
2025年第7期2068-2077,共10页
-
基金
高分辨率对地观测系统国家科技重大专项(67-Y50G05-9001-22/23)
河北省中央引导地方科技发展资金项目(246Z7602G)
河北省高等学校科学技术研究项目(CXY2023011)资助。
-
文摘
利用遥感技术反演叶绿素a浓度(Chlorophyll-a,Chl-a)被认为是实现水体富营养化监测的有效途径。由于内陆水体光学性质复杂且存在较大时空分异性,单一的反演模型难以准确反演Chl-a浓度,基于水体光学分类结果进行针对性建模反演是内陆水体Chl-a反演的重要技术方法之一。以白洋淀为研究区,以实测反射光谱和Chl-a浓度为数据源,提出一种基于半监督光学分类的反演方法。首先,为确保分类后各类别样本数量足以支持反演模型的构建,按照7∶1的比例对样本进行划分建模集和验证集。通过多种光谱指数及摩尔投票算法选取出白洋淀具有代表性的标记样本。其次,选取模糊C均值聚类算法和随机森林算法构建半监督分类器,基于获取的代表性标记样本,进一步挖掘未标记样本中的潜在信息,提高未标记样本的分类精度。最后,针对各水体类型分别建立反演模型,计算各水体类型的质心光谱,利用距离权重进行混合加权获取最终反演结果。结果表明,白洋淀水体可根据光谱特征分为浮游植物主导型、中间型和悬浮物主导型,不同类型水体具有较为明显的光学性质差异,根据光学分类结果可针对性选择最优反演模型,提升反演精度。与传统的光学分类策略相比,本方法表现最佳,其平均相对误差、均方根误差和平均绝对误差均有所下降,能更加准确的反演Chl-a浓度(MRE=0.10,RMSE=0.126μg·L^(-1),MAE=0.106μg·L^(-1))。此外,应用ZY01-02E影像数据进行Chl-a反演,能够有效揭示Chl-a浓度的空间分布状况。该方法展现出在水体富营养化监测中的应用潜力,也为内陆水体Chl-a浓度的遥感反演提供了新思路。
-
关键词
半监督分类
水体光学类型
叶绿素A
白洋淀
-
Keywords
Semi-supervised classification
Optical type of water
Chlorophyll-a
Baiyangdian
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
