基于随机森林算法与高分观测的太湖叶绿素a浓度估算模型

作     者：杭鑫 曹云 杭蓉蓉 徐萌 霍焱 孙良宵 朱士华 HANG Xin;CAO Yun;HANG Rongrong;XU Meng;HUO Yan;SUN Liangxiao;ZHU Shihua

作者机构：江苏省气候中心南京210019 中国人民解放军61175部队南京210049 上海翔竑信息技术有限公司上海202172 江苏省常州市气象局常州213000 

出 版 物：《气象》 (Meteorological Monthly)

年 卷 期：2021年第47卷第12期

页      面：1525-1536页

核心收录：

学科分类：0710[理学-生物学] 1007[医学-药学(可授医学、理学学位)] 100705[医学-微生物与生化药学] 07[理学] 070601[理学-气象学] 0706[理学-大气科学] 071005[理学-微生物学] 10[医学] 

基　　金：国家重点研发计划(2018YFC1506500) 风云卫星应用先行计划(FY-APP-2021.0403) 江苏省气象局重点科研项目(KZ202003)共同资助 

主　　题：叶绿素a浓度 随机森林模型 高分1号 原位监测数据 太湖 

摘      要：基于2018年和2019年有效观测的高分1号(GF-1)卫星影像和湖面原位观测的叶绿素a浓度数据,利用随机森林算法定量评价特征变量重要性的功能,选择有效特征波段组合,建立了基于原位自动监测数据的太湖叶绿素a浓度的遥感反演模型。结果表明:绿光波段(0.52~0.59μm)和红光波段(0.63~0.69μm)是遥感估算叶绿素a浓度的关键波段,与其他波段组合可以定量估算叶绿素a浓度;分季节构建太湖叶绿素a浓度估算模型效果更好,春、夏、秋、冬各季模型的决定系数R 2分别达0.84、0.85、0.96和0.82;太湖叶绿素a浓度夏季最高,秋、春季次之,冬季最低;春、秋和夏季叶绿素a浓度空间变化较明显,而冬季变化不明显,叶绿素a浓度高值区主要集中在西部沿岸区、竺山湖、梅梁湖和部分湖心区。研究表明:随机森林模型可以客观确定遥感反演叶绿素a浓度的有效波段,实现大面积内陆水体叶绿素a浓度的高精度估算。