基于现场多波段激发荧光的浮游植物多种色素含量XGBoost反演

针对浮游植物的总叶绿素a和7种诊断色素(叶绿素b、岩藻黄素、多甲藻素、19-己酰基氧化盐藻黄素、19-丁酰基氧化盐藻黄素、别藻黄素和玉米黄素),基于现场多波段激发荧光光谱数据,通过构建激发荧光光谱特征表征量,利用极限梯度提升(XGBoost)机器学习算法,建立了浮游植物色素浓度的反演模型。验证结果表明,反演模型具有良好的估算精度,其中总叶绿素a的反演模型精度最高(决定系数为0.87,平均绝对相对百分比误差为28.1%,均方根误差为1.168 mg·m^(-3))。将建立的色素反演模型应用于东海典型断面处,成功获取了色素浓度的垂向分布特征。