中国环境科学

作者：余成, 唐毅, 潘杨, 易虹辰, 谷一平, 褚峰, 施骄阳

单位：1. 苏州科技大学地理科学与测绘工程学院, 江苏 苏州 215009;2. 苏州科技大学环境科学与工程学院, 江苏 苏州 215009

关键词：河流悬浮物浓度,无人机遥感,多光谱,集成学习,机器学习

基金：国家自然科学基金资助项目（41801148）

针对单一模型容易过拟合的缺陷，通过4种不同的集成学习策略实现多种机器学习方法之间的优势互补，从而提升模型的精度和泛化性，并以苏州市为研究区，无人机采集的多光谱遥感影像和实地测量的悬浮物浓度数据为基础建立集成学习反演模型.同时，4种常用的回归分析方法和3种经典的机器学习方法被作为对比方法以探究集成学习策略的有效性.结果表明，集成学习策略能够克服单一模型各自的缺陷，显著提升遥感反演的精度和泛化性，其中表现最优的集成学习反演模型的验证集决定系数达到0.821，相比回归分析方法提升38.21%，相比单一机器学习方法提升16.79%.此外，集成学习方法反演的绝对误差集中于较小值，其绝对误差均值和中值均优于传统方法，以期提高城市悬浮物浓度反演精度，为无人机遥感河流悬浮物浓度反演提供指导.

来源：2023年第10期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2023年第10期