• 关键词：福建近岸  叶绿素a浓度  MODIS  随机森林  特征波段比值

• 基金项目：国家自然科学基金（No.41601444，41630963）；福建省自然科学基金（No.2017J01657）；海西政务大数据应用协同创新中心资助（No.2015750401）；中央引导地方科技发展专项（No.2017L3012）

• 张明慧
• 福州大学, 卫星空间信息技术综合应用国家地方联合工程研究中心, 空间数据挖掘与信息共享教育部重点实验室, 福州 350116

• 苏华
• 福州大学, 卫星空间信息技术综合应用国家地方联合工程研究中心, 空间数据挖掘与信息共享教育部重点实验室, 福州 350116

• 季博文
• 福州大学, 卫星空间信息技术综合应用国家地方联合工程研究中心, 空间数据挖掘与信息共享教育部重点实验室, 福州 350116

• 摘要：叶绿素a（Chl-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.为有效监测福建近岸水域中的叶绿素a浓度变化，本文利用MODIS时间序列影像数据，采用适用于小样本数据的机器学习方法随机森林（Random Forest，RF）和传统的特征波段比值（Band Ratio，BR）方法，结合时序浮标观测数据，在浮标观测站点有限的情况下，采用"以时间连续补空间稀疏"的建模策略，分别对福建近岸不同时相叶绿素a浓度进行遥感反演，并对反演结果进行验证与分析.结果显示RF、BR两种方法反演的均方根误差（RMSE）分别为0.49、0.52 μg·L^-1，平均绝对百分比误差（MAPE）分别为37.50%、50.20%，平均决定系数（R²）分别为0.87、0.21.可见，基于MODIS时序影像的RF模型可较准确估测福建近岸叶绿素a浓度，且精度优于BR模型.在近岸水环境普遍恶化且浮标观测站点有限的情况下，本研究可提供一种有效监测叶绿素a浓度的方法，有利于福建近岸水环境（如赤潮）的遥感监测.

• Abstract：Chlorophyll-a (Chl-a) concentration is one of the most important water quality parameters, and can be directly retrieved via remote sensing. It can be used to assess the water eutrophication in coastal waters. In this study, we proposed a random forest (RF) machine learning approach based on MODIS time-series images combining in-situ float data to retrieve Chl-a concentration in coastal waters of the Fujian Province, and compared with a traditional band ratio (BR) model. The RF model can well estimate the nearshore Chl-a concentration, and outperformed the BR model. The results were validated by using float measurement data. The R² for RF model is as high as 0.87, while only 0.21 for BR model. The RMSE is reduced from 0.52 μg·L^-1 for BR to 0.49 μg·L^-1 for RF, and the MAPEs are 37.50% and 50.20% for RF and BR respectively, suggesting significant accuracy improvement by RF model. This study can provide a useful method for studying nearshore Chl-a concentration variability and monitoring water quality in the Fujian Province.

• Key words：coastal waters  Chl-a concentration  random forest  band ratio  Fujian Province

• 
  摘要点击次数： 1260 全文下载次数： 1230