基于无人机遥感和集成学习的苏州市河流悬浮物浓度反演

针对单一模型容易过拟合的缺陷,通过4种不同的集成学习策略实现多种机器学习方法之间的优势互补,从而提升模型的精度和泛化性,并以苏州市为研究区,无人机采集的多光谱遥感影像和实地测量的悬浮物浓度数据为基础建立集成学习反演模型.同时,4种常用的回归分析方法和3种经典的机器学习方法被作为对比方法以探究集成学习策略的有效性.结果表明,集成学习策略能够克服单一模型各自的缺陷,显著提升遥感反演的精度和泛化性,其中表现最优的集成学习反演模型的验证集决定系数达到0.821井相比回归分析方法提升38.21%,井相比单一机器学习方法提升16.79%.此外,集成学习方法反演的绝对误差集中于较小值,其绝对误差均值和中值均优于传统方法,以期提高城市悬浮物浓度反演精度,为无人机遥感河流悬浮物浓度反演提供指导.

城市水体表观污染颜色识别技术的优化研究

城市水体表观污染指数是评价和表征城市水体感官污染程度的重要指标。在基于吸收光谱和颜色识别技术的原有检测方法基础上,以苏州城区景观水体为例,通过实地采样与检测,对人工判别与颜色识别程序的判别结果进行了对比验证。根据验证结果分别从颜色判别模型、颜色识别程序参数的调整两个方面对颜色识别技术进行优化,最终验证吻合率均上升到90%以上,让识别更精准。同时验证使用手机照片进行颜色判别的吻合率,灰色水体吻合率达到100%,黄色水体吻合率达到96.7%,绿色水体吻合率达到100%,使识别更加便捷,为城市水体表观污染现场检测设备和线上检测系统的研发、使用与推广提供技术支持。

一把尺的奇遇

我是一把尺，穿一件15厘米长的白色衣裳。上面还印着3只可爱的兔子和1只憨厚的小熊，我的身上清楚地标示着刻度。小主人非常喜欢我，每天上学，都不忘把我放进笔袋，带到学校去，帮助她学习。可今天我却有了一段不寻常的经历。