测绘通报 | 奥勇：基于XGBoost算法的近紫外通道地表反射率模拟-测绘通报怎么样

本文内容来源于《测绘通报》2023年第6期，审图号：GS京（2023）1164号

奥勇1, 李红丽2,3, 张文娟3, 秦梦2,3

基金项目：中国科学院青年创新促进会资助项目(2019132)

关键词：近紫外, 地表反射率模拟, 机器学习, XGBoost

摘要 ：紫外谱段在全球极光探测、海洋溢油、大气辉光等领域具有重要应用价值,其地表反射特性是研究中的重要背景数据,但现有卫星数据资源较少,难以满足应用需求。针对这一问题,本文提出了基于机器学习XGBoost算法的近紫外(350～400 nm)通道地表反射率数据模拟方法。首先,选取Sentinel-2 MSI 2、3、4通道多光谱数据为数据源,结合其通道特点基于USGS地物光谱数据库获取植被、水体、土壤等典型地物光谱数据,并等效计算到相应通道。其次,对数据源和待模拟通道开展相关性分析,Sentinel-2 MSI 2、3、4通道与待模拟通道相关系数均大于0.88,这表明基于该数据源可开展近紫外地表反射率数据模拟。然后,基于等效计算后的典型地物光谱数据集,利用XGBoost算法构建近紫外通道地表反射率回归模型。精度分析结果表明,所有通道模型决定系数(R2)均达到0.91以上,均方根误差(RMSE)均小于0.076,平均绝对误差百分比(MAPE)整体在20%以内,且上述3个精度指标针对不同类别样本的标准差在0.021 2范围内,可见模型精度较高,同时具有良好的稳健性。最后,基于Sentinel-2 MSI 2、3、4通道图像数据,生成355、365、375、385、395 nm的地表反射率模拟图像,图像较好地体现了地物光谱特性。

资讯