基于GA-PLS算法的河网水体化学需氧量高光谱反演

YIC-IR > 中国科学院海岸带环境过程与生态修复重点实验室 > 海岸带信息集成与战略规划研究中心

	基于GA-PLS算法的河网水体化学需氧量高光谱反演
	蔡建楠 1; 刘海龙 2; 姜波 2; 何甜辉 1; 陈文杰 3; 冯志伟 3; 黎倬琳 3; 邢前国2
发表期刊	灌溉排水学报
ISSN	1672-3317
	2020
卷号	39 期号:9 页码:126-131
关键词	hyperspectral imagery genetic algorithms partial least squares chemical oxygen demand river network waters 高光谱遗传算法偏最小二乘法化学需氧量河网水体
英文摘要	【目的】建立河网水体化学需氧量(COD)高光谱反演模型,验证遗传-偏最小二乘(GA-PLS)算法对建模效果的改善作用。【方法】采集广东省中山市146个点位的水体高光谱数据和COD质量浓度实测数据,通过GA-PLS算法对高光谱反射率数据进行特征波段筛选后建立COD质量浓度反演模型,并比较输入变量为不同特征波段组合时模型反演效果差异。【结果】基于GA-PLS算法的COD质量浓度高光谱模型反演效果优于全谱段PLS模型,验证集RMSEP最小为4.887 mg/L,较全谱段PLS模型降低11.4%;以筛选得到的74个波段(占全波段数的2.9%)作为输入变量时,模型仍可保持良好的稳定性和反演精度;GA-PLS算法筛选得出的部分特征波段与水体中藻类、悬浮颗粒物的吸收特征波段一致,筛选结果具有合理性和指示意义。【结论】通过GA-PLS算法可对高光谱数据进行特征波段筛选,实现数据降维优化,进一步简化模型;在样本COD质量浓度主要分布范围内,GA-PLS算法模型有良好的反演精度和水质类别分类准确性。该方法在河流COD快速监测中具有良好的应用前景。
收录类别	CSCD
语种	中文
CSCD记录号	CSCD:6813156
引用统计
文献类型	期刊论文
条目标识符	http://ir.yic.ac.cn/handle/133337/28204
专题	中国科学院海岸带环境过程与生态修复重点实验室_海岸带信息集成与战略规划研究中心中国科学院海岸带环境过程与生态修复重点实验室
作者单位	1.广东省中山市环境监测站 2.中国科学院烟台海岸带研究所 3.中山市生态环境局
推荐引用方式 GB/T 7714	蔡建楠,刘海龙,姜波,等. 基于GA-PLS算法的河网水体化学需氧量高光谱反演[J]. 灌溉排水学报,2020,39(9):126-131.
APA	蔡建楠.,刘海龙.,姜波.,何甜辉.,陈文杰.,...&邢前国.(2020).基于GA-PLS算法的河网水体化学需氧量高光谱反演.灌溉排水学报,39(9),126-131.
MLA	蔡建楠,et al."基于GA-PLS算法的河网水体化学需氧量高光谱反演".灌溉排水学报 39.9(2020):126-131.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于GA-PLS算法的河网水体化学需氧量（1819KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载