导读内容一:全国湖泊CDOM吸收遥感模型构建
文章首先分析了1349个实测样点的CDOM吸收系数aCDOM(355)存在显著差异(0.038~15.991 m-1),并与Landsat 8卫星对应的遥感反射率进行了星地匹配,最终匹配了1337对样点数据,结合可能的单波段及波段组合进行了初步相关性分析,筛选出最敏感的光谱变量用于后续遥感模型构建。为了开发具有良好性能和普适性的a
CDOM(355)遥感模型,对比了四种机器学习算法(即支持向量机(SVM)、梯度提升多层决策树(GBDT)、XGBoost和随机森林(RF)),在这些模型中,RF和SVM的决定系数较低(R2 = 0.49–0.62,均方根误差RMSE = 1.39–1.96 m-1)。XGBoost模型展现出良好的拟合性能,优于GBDT模型(R2 = 0.87,斜率 = 0.73)(图1)。验证模型时XGBoost模型表现良好(RMSEXGB,cal = 0.87 m-1, RMSEXGB,val = 0.94 m-1)。因此,基于Landsat 8遥感反射率的机器学习模型可提供可靠的CDOM吸收遥感模型。