论文部分内容阅读
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 nm – 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，等效计算到相应通道；其次，对数据源和待模拟通道开展了相关性分析，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算法构建了近紫外通道地表反射率回归模型。精度分析结果表明，在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，并且上述三个精度指标针对不同类别样本的标准差在0.0212范围内，可见模型精度较高，同时具有良好的稳健性。最终，基于Sentinel-2 MSI 2、3、4通道图像数据，生成了355 nm、365 nm、375 nm、385 nm、395 nm的地表反射率模拟图像，图像较好的体现了地物光谱特性。