基于Landsat-8数据和机器学习的湖泊叶绿素a浓度反演方法

摘要

本发明涉及一种基于Landsat‑8数据和机器学习的湖泊叶绿素a浓度反演方法，基于Landsat‑8内陆湖泊的反射率数据集和对应的实测叶绿素a浓度，结合XGBoost机器学习模型，构建叶绿素a浓度反演算法（XGB‑CHLA算法）。采用本发明的方法能够实现Landsat‑8在湖泊叶绿素a浓度的估算，且算法具有一定的普适性，能够适用于较大范围的湖泊叶绿素a浓度估算；此外，本发明能在传统水色卫星无法观测的中小型湖泊发挥作用，这就有助于评估湖泊富营养化水平，从而为湖泊水体生态环境变化监测、管理和生态恢复提供参考。