.png){kind=icon}
返回
Water Chlorophyll a Estimation Using UAV-Based Multispectral Data and Machine Learning
.png){kind=icon}
OA
AI
DOI：10.3390/drones7010002.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
叶绿素a (chl-a) 浓度是评价水体富营养化程度的重要参数。因此，通过遥感对其进行准确的监测对于水体富营养化的预警具有重要意义，而基于无人机影像的水质反演也越来越受到人们的关注。在这项研究中，提出了一种估计chl-a的回归方法; 它使用小型多光谱无人机收集数据，并将植被指数作为中间变量。为此，在中国er海中选择了十个监测点，并在蓝藻水华期间进行了两个月的监测和数据收集。最终得到155组有效数据。使用多光谱无人机获得成像数据，从湖泊中收集水样，并在实验室中获得chl-a浓度。然后，对图像进行预处理，以提取不同波段的信息。采用各植被指数的单变量回归和使用波段信息的回归进行对比分析。使用四种机器学习算法来构建模型: 支持向量机 (SVM)，随机森林 (RF)，极限学习机 (ELM) 和卷积神经网络 (CNN)。结果表明，使用植被指数通过多元回归估算chl-a浓度的效果通常优于使用单一植被指数和原始波段信息进行回归的效果。CNN模型获得了最好的结果 (R-2 = 0.7917，RMSE = 8.7660，MRE = 0.2461)。这项研究表明，使用基于植被指数的多元回归来估算地表水的chl-a是可靠的。
Keyword:
chl-a
multiple regression
UAV
vegetation index
machine learning
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
引用论文
A Method of Cyanobacterial Concentrations Prediction Using Multispectral Images.png)
SUSTAINABILITYOAAI
SUSTAINABILITYIF3.3
OAAI分享收藏A Study of CNG Fuel System Uses Mixer for Engine of the Suzuki Viva Motorcycle关于使用混合器进行铃木Viva摩托车发动机CNG燃料系统的研究OAAI
OAAI分享收藏分享收藏Estimation of forest leaf area index using vegetation indices derived from Hyperion hyperspectral data基于Hyperion高光谱数据的植被指数估算森林叶面积指数
PREAI
分享收藏
查看更多内容