多光谱遥感数据与多类型机器学习算法的浅海水深反演方法评价

Wang Zhaofan, Ma Zicheng,Xiong Zhongzhao, Sun Tiancheng, Huang Zanhui,Fu Dinghui, Chen Liang, Xie Fei, Xie Cuirong, Chen Si

Tropical Geography（2023）

Cited 0|Views2

No score

Abstract

以万宁海域为例,选取不同水环境条件的3景Landsat-8(20190716、20210628)与Sentinel-2数据,利用随机森林(Random Forest,RF)回归、支持向量机(Support Vector Machine,SVM)、偏最小二乘(Partial Least Squares Regression,PLSR)3种机器学习方法分别开展水深反演试验,并评价其精度.结果显示,水体透明度最好、海浪效应最弱的一景Landsat-8(20190716)数据获得最高的水深反演精度,在0～40 m水深区间,R2为0.814,MAE、RMSE和MAPE分别为3.39 m、4.31 m和0.366,在0～20 m水深区间,R2为0.874,MAE、RMSE和MAPE分别为2.24 m、3.24 m和0.449.RF算法在整个水深区间获得相对高的水深反演精度,SVM和PLSR算法在部分水深区间的水深反演中显示出优势.

Key words

Landsat-8,Sentinel-2,Random Forest(RF),Support Vector Machine(SVM),Partial Least Squares Regression(PLSR),bathymetry inversion,Hainan Island

AI Read Science

Must-Reading Tree

Example

Generate MRT to find the research sequence of this paper

Chat Paper

Summary is being generated by the instructions you defined