水稻叶片含水量的高光谱遥感估算

针对高光谱估算不同品种水稻叶片含水量模型精度较低和参数复杂的问题,采集了20个品种、4个关键生长期(拔节-孕穗、孕穗-抽穗、抽穗-灌浆、灌浆-成熟)的水稻叶片高光谱和含水量数据,利用15种常见的植被指数反演水稻叶片含水量,建模效果均不够理想;利用叶片含水量敏感波段的反射率、光谱一阶导数构建归一化植被指数、比值植被指数和差值植被指数进一步探究,结果表明,利用一阶导数构建的差值植被指数DDV(R1 833,R2 236)建模精度和预测效果最佳,建模决定系数为0.72,验证决定系数为0.81,相对分析误差为2.29,可以有效估计不同品种水稻4个生长期的叶片含水量。     

基于机器学习的东湖富营养化研究

利用遥感技术建立影像波段反射率与地面监测水质参数的定量反演模型,能实现高效率、大尺度湖泊富营养化水平的监测。机器学习通过高度的非线性映射,能很好地利用已知信息,模拟复杂因素之间的关系。以武汉东湖为例,基于资源一号02C卫星影像,利用K-近邻法、支持向量机、随机森林、梯度提升决策树、人工神经网络等5种经典的机器学习算法建立了叶绿素a(Chl-a)、透明度(SD)、总磷(TP)、总氮(TN)、高锰酸盐指数(COD_(Mn))5个水质参数与影像反射率间的定量反演模型,并采用综合营养状态法对东湖富营养化程度进行评价。以2014年11月22个采样点和2015年1月23个采样点的数据为基准,与基于机器学习算法训练水质参数建模对比,富营养化分级正确率为分别为95.5%和82.6%;以武汉市环境保护局数据为基准,对比反演的东湖各子湖营养等级,正确率均为71.4%。