来源：期刊VIP网 时间：
作者：郑直;李连伟;薛存金;吴世玉;王宇;
单位：中国石油大学(华东)海洋与空间信息学院;中国科学院空天信息创新研究院数字地球重点实验室;
摘要：针对目前基于SDGSAT-1卫星影像的总悬浮物浓度反演方法缺乏物理解释性、无法有效捕捉非线性关系的问题，设计了QAA-RF总悬浮物反演模型，开展近海水质关键参数反演并进行反演结果精度验证，同时将模型应用于Sentinel-2影像作为模型验证。结果显示：基于SDGSAT-1影像数据与Sentinel-2影像数据的机器学习反演模型精度都高于经验模型，在所有构建的模型中，QAA-RF模型的精度最高；基于SDGSAT-1影像数据的QAA-RF反演模型精度为R~2=0.86,MAE=5.31 mg/L,RMSE=6.72 mg/L，基于Sentinel-2影像数据的QAA-RF反演模型精度为R~2=0.83,MAE=5.53 mg/L,RMSE=7.44 mg/L，设计的QAA-RF模型更适合于SDGSAT-1影像数据反演；该模型针对两种影像数据都表现出来了良好的反演性能，在中低浓度的反演结果好于在高浓度区域的反演结果，在高浓度区域SDGSAT-1影像数据更加收束，反演效果更好。
关键词：SDGSAT-1;;Sentinel-2;;QAA算法;;机器学习;;总悬浮物;;遥感反演
基金资助：国家重点研发计划(2022YFC3103102-03);; 中国科学院战略性先导科技专项(XDA19060103)
