基于Landsat影像的清河水库总悬浮物浓度反演模型研究.docx

基于Landsat影像的清河水库总悬浮物浓度反演模型研究
随着环境污染问题愈发严重，水质监测和评估变得越来越重要。研究总悬浮物浓度反演模型，能够对水库的水质状况进行及时、准确的监测和评估，为水资源管理和保护提供科学支持。本文以清河水库为研究对象，基于Landsat影像进行总悬浮物浓度反演模型的研究。
一、清河水库总悬浮物浓度反演模型的建立
1.数据搜集
本文从USGS官网获取2019年7月清河水库Landsat8OLI遥感影像数据，通过ENVI软件对影像进行去云、大气校正和几何校正等处理。
2.因素筛选
在总悬浮物浓度反演模型中，不同地物因素对反演结果影响较大，需要进行因素筛选。本文选取了反射率、植被指数（NDVI和EVI）、水深为研究因素。
3.模型建立
利用遥感反射率和地面监测数据建立清河水库总悬浮物浓度反演模型。本文采用了支持向量回归（SVR）、多元线性回归（MLR）和随机森林回归（RF）三种回归方法，比较不同方法的反演效果。
二、研究结果及分析
1.因素筛选结果
经过相关性分析和多元回归，反演结果表明，植被指数对总悬浮物浓度的反演影响最小，反射率和水深的影响最大。同时，EVI的反演结果较稳定，NDVI受人为因素干扰较大。
2.模型评价结果
三种回归方法的结果表明，RF方法对清河水库总悬浮物浓度的反演效果最好，R2值达到0.87，RMSE为24.68mg/L，表明该模型具有较高的准确度和稳定性。而SVR和MLR方法的预测效果较差。
三、研究结论
本文通过比较不同回归方法对清河水库总悬浮物浓度的反演效果，筛选出了反射率和水深两个因素对反演结果影响较大的情况下，RF方法反演结果最佳。该研究有助于对清河水库水质状况进行及时、准确的监测和评估，为水资源管理和保护提供科学支持。同时，本文方法也可在其他水库或湖泊的总悬浮物浓度反演研究中应用。