Remote sensing estimation of suspended sediment concentration based on Random Forest Regression Model

Abstract

ä¸‰å³¡å·¥ç¨‹è“„æ°´ä»¥æ¥ï¼Œæ¸ æ°´ä¸‹æ³„ï¼Œåä¸‹æ¸¸æ²³æ®µå‘ç”Ÿäº†é•¿æ—¶é—´ã€é•¿è·ç¦»çš„æ²¿ç¨‹å†²åˆ·ï¼Œæ²³æµæ‚¬æµ®æ³¥æ²™æµ“åº¦å‘ç”Ÿæ”¹å˜ï¼Œç»™æ²¿å²¸ç”Ÿæ€ç³»ç»Ÿå¸¦æ¥äº†ä¸åˆ©å½±å“ã€‚éšæœºæ£®æž—ç®—æ³•çµæ´»ã€ç¨³å¥ï¼Œå·²è¢«å¹¿æ³›åº”ç”¨äºŽå„ç±»ç”Ÿæ€çŽ¯å¢ƒå˜é‡çš„å›žå½’é¢„æµ‹åˆ†æžï¼Œä½†å ¶åœ¨æ°´ä½“æ‚¬æµ®æ³¥æ²™æµ“åº¦ä¼°ç®—æ–¹é¢çš„èƒ½åŠ›å°šæœªå¾—åˆ°å 分认识。基于泥沙站点监测数据和MODIS卫星遥感反射率数据，通过构建随机森林非参数回归预测模型，对三峡工程坝下游宜昌至城陵矶河段在建坝前后14年间(2002年—2015å¹´)å„æœˆçš„æ‚¬æµ®æ³¥æ²™æµ“åº¦è¿›è¡Œé¥æ„Ÿä¼°ç®—ã€‚ç ”ç©¶è¡¨æ˜Žï¼š(1)åŸºäºŽéšæœºæ£®æž—çš„æ‚¬æµ®æ³¥æ²™æµ“åº¦ä¼°ç®—æ¨¡åž‹è¡¨çŽ°è¾ƒå¥½ï¼Œæ¨¡åž‹é¢„æµ‹å€¼ä¸Žå®žæµ‹å€¼é—´ç›¸å ³æ€§å¥½ã€é¢„æµ‹ç²¾åº¦é«˜ï¼Œä¼˜äºŽå ¶ä»–æ¨¡åž‹(线性回归、支持向量机、人工神经网络模型)。(2)在参与模型构建的MODISæ³¢æ®µå˜é‡ä¸­ï¼Œçº¢æ³¢æ®µè¢«è®¤ä¸ºæ˜¯æœ€é‡è¦çš„é¢„æµ‹å˜é‡ï¼Œä½†ä¸èƒ½å•ç‹¬ä½¿ç”¨å®ƒè¿›è¡Œé¢„æµ‹ï¼Œæ‚¬æµ®æ³¥æ²™é¥æ„Ÿé¢„æµ‹éœ€è¦å¤šå˜é‡å ±åŒå‚ä¸Žã€‚(3)å°†æ‚¬æµ®æ³¥æ²™æ•°æ®æŒ‰å­£èŠ‚åˆ†ç±»æ‰€æž„å»ºçš„éšæœºæ£®æž—æ¨¡åž‹ï¼Œå ¶å¹³å‡è¯¯å·®ä¸º0.46 mg/Lï¼Œå¹³å‡ç›¸å¯¹å‡æ–¹æ ¹è¯¯å·®ä¸º12.33%，估算效果最优，能够满足较高精度下悬浮泥沙浓度估算的需求。综上，可以考虑以季节为划分依据，用随机森林回归模型估算悬浮泥沙浓度，并用于后期坝下游河道悬浮泥沙浓度时空反演。