中贫营养湖泊叶绿素a预测模型探讨

在内陆水体水质遥感监测中,无论采用哪种方法,其模型都具有一定的局限性.不同营养状况的水域,水体光学特性的差异会引起模型适用性不同.目前,大多数学者研究范围主要集中在富营养状态水域,对于中/贫营养状态水域研究较少.为建立适合镜泊湖的叶绿素a水质监测遥感模型,结合2015年9月和2018年7月实测光谱数据,对镜泊湖不同叶绿素a浓度反演模型的精度进行了评价.结果显示,在所构建的8种模型中,三波段模型效果最佳,模型决定系数R2值为0.79,均方根误差RMSE(Root Mean Square Error)为0.34μg/L,平均相对误差MAPE(Mean Absolute Percentage Error)为20.6％.在此基础上,通过对比分析不同模型的适用性,得到如下结论:对于叶绿素a浓度跨度较小的镜泊湖水域,半经验半分析模型建模精度优于传统的经验模型;与三波段模型对比,在低叶绿素浓度及低浑浊水体中,增加近红外波段的四波段模型也可能带来一定的不确定性,从而降低反演精度.     

应用增强回归树对小兴安岭沼泽湿地构成信息的提取

湿地是地球上最重要的生态系统之一，在维护全球生态安全方面起着不可替代的作用。为了精确监测湿地变化，提高湿地遥感监测水平，以小兴安岭地区作为研究区，应用谷歌地球引擎(GEE)云平台和R工具软件，使用Landsat8 OLI光学数据和地形数据，构建增强回归树(BRT)湿地发生概率模型，探讨光学数据以及地形数据对沼泽湿地提取的重要性。结果表明：(1)模型A_UC值为0.807,模型标准差为0.003,模型预测性能较好、性能稳定；(2)沼泽湿地发生概率模型中输入变量的重要性由高到低的排序为红波段(B4)、地形位置指数(TPI)、蓝波段(B2)、绿波段(B3)、归一化植被指数(NDVI)、地形湿度指数(TWI)、归一化水指数(NDWI)、近红外波段(NIR);(3)当湿地-非湿地二元分类阈值为0.7时，模型对湿地的提取精度(0.828)高于对非湿地的提取精度(0.803),模型预测湿地的能力优于非湿地。