来源：期刊VIP网 时间：
作者：赵文睿;李大成;
单位：太原理工大学地球科学与测绘工程学院;
摘要：米级高分辨率卫星影像的大气校正技术仍处于发展阶段，针对目前缺乏统一的构建高质量训练样本集方法，模型构建中对参数优选不够重视等问题，提出了一种基于机器学习的大气校正方法。该方法基于XGBoost算法，通过先进的水体提取技术，辅助数据匹配，构建了高质量水体训练样本集；通过特征选择以及超参数优化，减弱了噪声和冗余信息的影响，提升了模型性能。在不同水体的反演中取得了较低的绝对百分比误差(MAPE),其中蓝色波段为22.11%,绿色波段为19.23%,红色波段为24.46%,近红外波段为32.45%。结果证实了该方法在不同水域的适应性，并展现了其在多种对地观测卫星数据大气校正中的潜在应用价值。
关键词：GF1-PMS;;XGBoost;;内陆水体;;大气校正;;水体反射率
基金资助：国家重点研发计划(2022YFB3903000、2022YFB3903004)
