基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法技术

本发明专利技术涉及一种基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法，利用时间序列遥感影像数据，结合时序浮标观测数据，以“时间连续弥补空间稀疏”为建模策略，采用改进后的随机森林——双权重随机森林方法，建立智能遥感反演模型对近岸水域叶绿素a浓度进行遥感反演，获得很好的反演结果，能直观、准确地展示近岸大范围叶绿素a浓度空间分布。该发明专利技术可为近岸水体叶绿素a浓度监测提供了一种宏观、连续、有效的方法，可弥补传统叶绿素a浓度监测的不足，具有较高的实用价值。

【技术实现步骤摘要】
基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法
本专利技术涉及遥感信息处理与应用领域，具体涉及一种基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法。
技术介绍
叶绿素a浓度是可以直接遥感反演的重要水质参数之一，常用来评价近岸水体的富营养化程度。传统水质监测的主要手段为实地采样和实验室分析，这种方法在精度上具有一定的准确性，具有局部和典型的代表意义，但只能获取监测断面上的表面水质状况，不能反映整个水体生态环境的总体时空变化，并且费时、费力、成本高，不能实现实时监测。与传统水质监测相比，遥感水质监测具有快速、宏观、动态等显著优势，可以用来进行大范围的水质监测活动，也可以动态跟踪水体污染事件的发生和发展过程，具有不可代替的优点。如何利用有限的浮标观测数据和时序遥感影像，构建可靠的叶绿素a浓度时序遥感反演模型，准确了解近岸二类水体叶绿素a浓度分布及其时空变化规律，对近岸水环境监测有重要意义。近岸二类水体叶绿素a浓度遥感反演方法大体可分为经验统计方法、半经验分析方法和辐射传输模型。经验统计方法简便快捷，但区域通用性较差。半经验模型在经验统计方法的基础上加入了固有光学参数，使模型更具适用性本文档来自技高网...

【技术保护点】
1.一种基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法，其特征在于，包括以下步骤：步骤S1：获取地物光谱反射率和实测浮标数据；步骤S2：根据实测浮标数据，使实测叶绿素a浓度与地物光谱反射率一一对应，并建立特征矩阵和标签矩阵；步骤S3：根据得到的特征矩阵和标签矩阵，采用RReliefF算法进行特征选择；步骤S4：使用bootstrap sampling法进行采样，获取多个样本数据集，分别建立回归决策树；步骤S5：采用weighted voting方法赋予决策树权重，结合基学习器，建立双权重随机森林模型；步骤S6：将特征矩阵作为双权重随机森林模型输入数据，反演提取近岸水体叶绿素a浓度。

【技术特征摘要】
1.一种基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法，其特征在于，包括以下步骤：步骤S1：获取地物光谱反射率和实测浮标数据；步骤S2：根据实测浮标数据，使实测叶绿素a浓度与地物光谱反射率一一对应，并建立特征矩阵和标签矩阵；步骤S3：根据得到的特征矩阵和标签矩阵，采用RReliefF算法进行特征选择；步骤S4：使用bootstrapsampling法进行采样，获取多个样本数据集，分别建立回归决策树；步骤S5：采用weightedvoting方法赋予决策树权重，结合基学习器，建立双权重随机森林模型；步骤S6：将特征矩阵作为双权重随机森林模型输入数据，反演提取近岸水体叶绿素a浓度。2.根据权利要求1所述的一种基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法，其特征在于：所述步骤S1具体包括以下步骤：步骤S11：获取时间序列遥感影像，并对原始遥感影像进行几何校正，并根据研究区域进行裁剪；步骤S12：对经过几何校正及裁剪后的影像进行辐射定标；步骤S13：对经过辐射定标后的影像进行大气校正，获取地物光谱反射率；步骤S14：根据官方公布数据，获取实测浮标数据，并剔除实测浮标数据异常值。3.根据权利要求1所述的一种基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法，其特征在于：步骤S2中具体为：根据浮标点位经纬度坐标，将浮标点位与遥感影像像素相对应，提取对应点位的遥感影像像素值，建立特征矩阵，并令实测浮标数据为标签矩阵。4.根据权利要求1所述的一种基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法，其特征在于：所述步骤S3中，使用的RReliefF算法具体为：步骤S31：从大小为m的样本集中选出样本Ri，从剩余m-1个样本中选出离该样本距离最近的k个样本；步骤S32：计算样本Ri在取值P0条件下的权重集ndC，采用下式：其中，P0表示样本Ri的预测值P的取值，Pi(1...

【专利技术属性】
技术研发人员：苏华，张明慧，季博文，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35