4種機器學習模型反演太湖葉綠素a濃度的比較

摘要：基于太湖實測葉綠素a濃度數據以及同步HJ-1B衛星CCD多光譜影像,綜合比較4種機器學習模型(隨機森林,RF;支持向量回歸,SVR;反向傳播人工神經網絡,BPANN;深度學習,DL)反演太湖葉綠素a濃度的精度、穩定性及魯棒性。利用11種波段組合分別建立基于RF、SVR、BPANN和DL的反演模型,篩選出最佳波段組合模型用于驗證和評價。結果表明,模型精度方面,DL(決定系數R2=0.91,均方根誤差RMSE=3.458μg/L,相對預測偏差RPD=3.13)和SVR(R2=0.88,RMSE=3.727μg/L,RPD=2.90)具有較優的驗證精度;模型穩定性方面,DL模型不易受模型校正樣本數影響,穩定性較好,而RF模型穩定性較差;模型魯棒性方面,DL模型不易受噪聲影響,魯棒性較好,其次是SVR、BPANN和RF模型。綜合4種模型的驗證精度、穩定性和魯棒性,DL模型在太湖葉綠素a濃度的反演具有較大應用潛力,能為研究湖泊水色參數提供借鑒。