首页|基于哨兵-2数据的喀斯特高原深水湖库CODMn遥感反演

基于哨兵-2数据的喀斯特高原深水湖库CODMn遥感反演

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
利用哨兵-2数据及多种方法反演喀斯特高原深水湖库的高锰酸盐指数(CODMn),对于区域水环境管理和丰富水质反演理论具有重要意义.以贵阳市红枫湖与百花湖为研究区,基于Sentinel-2 MSI影像和CODMn浓度数据,使用随机森林回归(RFR)、支持向量回归方法(SVR)、高斯过程回归(GPR),构建CODMn反演模型,获得2018～2020年不同时期的CODMn空间分布.结果表明:①RFR模型估算精度最高,验证集RMSE为0.222 mg·L-1,MAPE为5.84％,R2为0.841;②红枫湖CODMn浓度变化呈现上游高于下游、春季高于夏季的时空分布特征.百花湖除了上游,整体湖区CODMn浓度较低且随时间变化不大.研究揭示了 RFR模型与Sentinel-2数据在喀斯特高原深水湖库CODMn浓度反演具有良好的适用性.
Retrieving CODMn Concentration in Karst Plateau Deep Lake Reservoir Using Sentinel-2 Data
Using Sentinel-2 data and multiple methods to invert the permanganate index(CODMn)of deep-wa-ter lakes and reservoirs in the Karst Plateau is of great significance for the regional water environment manage-ment and enrichment of water quality inversion theories.Taking Hongfeng Lake and Baihua Lake as the re-search area,based on the Sentinel-2 MSI image and CODMn concentration data,use Random Forest Regres-sion(RFR),Support Vector Regression Method(SVR),Gaussian Process Regression(GPR),Obtaining CODMn spatial distribution in different periods of 2018～2020.The results show that:① The RFR model has the highest accuracy,the verification set is 0.222 mg·L-1,MAPE is 5.84％,and R2 is 0.841;In addition to the upstream of Baihua Lake,the CODMn concentration of the overall lake is low and there is not much change over time.Studies have shown that the RFR model and Sentinel-2 data are well applicable to monitoring the CODMn concentration monitoring of deep-water lakes in the Karst Plateau.

Sentinel-2 MSICODMnMachine Learning(ML)C2RCCKarst Plateau Deep Lake Reservoir

王姣、李威、赵卫权、赵祖伦、黄亮、杨家芳

展开 >

贵州省山地资源研究所,贵州 贵阳 550001

Sentinel-2 MSI CODMn 机器学习 C2RCC 喀斯特高原深水型湖库

贵州省基础研究计划贵州省基础研究计划贵州省科技支撑计划贵州省科技支撑计划贵州科学院青年基金贵州科学院青年基金

黔科合基础[2020]1Y410黔科合基础[2018]1418黔科合支撑[2020]4Y132黔科合支撑[2023]199黔科院J字[2018]11号黔科院J字[2020]15号

2024

10.11873/j.issn.1004-0323.2024.1.0098

遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCD北大核心
影响因子：0.961
ISSN：1004-0323
年,卷(期)：2024.39(1)
  • 40