基于特征波段选择的XGBoost悬浮物浓度航空遥感反演方法技术

本发明专利技术公开了一种基于特征波段选择的XGBoost悬浮物浓度航空遥感反演方法，涉及环境监测技术领域，本发明专利技术本方法所采用的XGBoost模型具有更强的非线性拟合能力和泛化能力，不易过拟合；而相较于其他复杂的机器学习模型，本方法通过前期的特征波段选择和特征指数构建，为模型提供了高度凝练且低冗余的输入，这不仅显著提升了模型的训练效率和反演精度，还使得模型对噪声的鲁棒性更强，最终能够实现对复杂水体环境的快速、精准、大范围的悬浮物浓度制图，有效克服了传统监测方法的时空局限性，并解决了现有遥感反演技术中普遍存在的模型泛化能力弱和计算成本高的问题。

【技术实现步骤摘要】

本专利技术属于环境监测，特别涉及一种基于特征波段选择的xgboost悬浮物浓度航空遥感反演方法。

技术介绍

1、悬浮物是水体生态环境的核心参数之一，其浓度直接影响水体透明度、浮游植物初级生产力及生态系统健康。传统监测依赖船载采样与实验室分析，存在时空覆盖有限、成本高昂及时效性差等缺陷，难以满足大范围动态监测需求。遥感技术凭借大范围同步观测、周期性覆盖的优势，成为悬浮物监测的核心手段。尤其是航空遥感，兼具高空间分辨率与灵活机动性，为近海、河流、湖泊等水体的精细化监测提供了重要支持。

2、目前的水面提取方法大多基于经验模型、半分析模型和机器学习模型。基于统计回归建立波段反射率与悬浮物浓度的线性或非线性关系。其优势是计算简单，但依赖大量实测数据，且泛化能力弱，易受区域水文条件影响。结合如吸收-散射系数一类的辐射传输方程与水光学特性，通过gordon模式等物理机制简化建模。此类模型虽具物理基础，但参数标定复杂，且对水体光学特性假设敏感，在复杂水域适用性不足。神经网络、支持向量机等，通过非线性映射反演浓度，然而，这些模型面临高维数据冗余问题：高光谱数据通本文档来自技高网...

【技术保护点】

1.一种基于特征波段选择的XGBoost悬浮物浓度航空遥感反演方法，其特征在于，包括以下步骤：进行多光谱遥感数据预处理，生成无人机遥感反射率产品；利用所述无人机遥感反射率产品和实测悬浮物浓度数据，计算相关系数，以确定最佳特征波段；利用所述最佳特征波段数据构建悬浮物指数；构建以所述特征波段的光谱值和所述悬浮物指数作为输入，以悬浮物浓度作为输出的XGBoost模型；使用训练数据对所述XGBoost模型进行训练；将训练完成的XGBoost模型应用于所述无人机遥感反射率产品，反演得到悬浮物浓度。

2.根据权利要求1所述的基于特征波段选择的XGBoost悬浮物浓度航空遥感反演方法，其特...

【技术特征摘要】

1.一种基于特征波段选择的xgboost悬浮物浓度航空遥感反演方法，其特征在于，包括以下步骤：进行多光谱遥感数据预处理，生成无人机遥感反射率产品；利用所述无人机遥感反射率产品和实测悬浮物浓度数据，计算相关系数，以确定最佳特征波段；利用所述最佳特征波段数据构建悬浮物指数；构建以所述特征波段的光谱值和所述悬浮物指数作为输入，以悬浮物浓度作为输出的xgboost模型；使用训练数据对所述xgboost模型进行训练；将训练完成的xgboost模型应用于所述无人机遥感反射率产品，反演得到悬浮物浓度。

2.根据权利要求1所述的基于特征波段选择的xgboost悬浮物浓度航空遥感反演方法，其特征在于，所述进行多光谱遥感数据预处理具体为：对无人机采集的光谱数据进行波段配准、正射影像拼接和辐射定标。

3.根据权利要求1所述的基于特征波段选择的xgboost悬浮物浓度航空遥感反演方法，其特征在于，利用所述无人机遥感反射率产品和实测悬浮物浓度数据，计算相关系数时，通过选取采样点位周边的多个像素反射率的均值作为采样点对应的反射率数据。

4.根据权利要求1所述的基于特征波段选择的xgboost悬浮物浓度航空遥感反演方法，其特征在于，所述最佳特征波段的确定方法具体为：分别计算每个采样点反射率数据与实测悬浮物浓度在不同波段下的相关系数；选取相关度系数绝对值排名前两名的波段作为特征波段。

5.根据权利要求1所述的基于特征波段选择的xgboost悬浮物浓度航空遥感反演方法，其特征在于，所述悬浮物指数的构建方法具体为：当两个特征波段的遥感反射率与实测悬浮物浓度均为正相关或均为负...

【专利技术属性】
技术研发人员：李斌，何涛，
申请(专利权)人：四川巴斯德环境保护科技有限责任公司，
类型：发明
国别省市：