来源：期刊VIP网 时间：
作者：孙盛;郑成钊;周巨锁;余旭;
单位：广东工业大学计算机学院;国家海洋局南海调查技术中心;广东工业大学土木与交通工程学院;
摘要：在水质反演任务中，传统方法主要依赖物理模型来推导水质参数与遥感数据之间的关系，在气象条件、水文地理条件发生变化时，模型的预测性能不佳。为了提升反演方法的性能，提出将小样本学习方法应用于水质参数的预测，设计了一个局部描述符权重注意力模块，将其集成到经典的小样本学习网络DN4中。该模块能够更有效地提取水质特征的局部描述符，从而提升模型在训练集数据量有限条件下的泛化能力和反演精度。收集了新丰江水库、良德水库等8个水库的水质数据，与哨兵二号卫星(Sentinel-2A、Sentinel-2B)遥感图像数据源进行匹配，共成功匹配210景图像，并构建了水质数据训练集和测试集。开展了定量实验，结果表明，新的反演方法在多个水质反演应用中均表现出较好的性能，验证了所提出模块在水质反演领域的有效性。
关键词：小样本学习;;注意力模块;;水质反演;;深度最近邻网络;;局部描述符
基金资助：国家自然科学基金(62072119);; 2023年广东省科技创新战略专项资金(“攀登计划”专项资金pdjh2023a0158);; 自然资源部大湾区地理环境监测重点实验室开放基金(2019002)
