1.一种近海水体悬浮颗粒物多组分浓度遥感协同反演方法,其特征在于,包括以下步骤:(1)收集实测数据集,包括高光谱遥感反射率数据、总悬浮颗粒物浓度TSM、有机悬浮颗粒物浓度OSM和无机悬浮颗粒物浓度ISM;并进行预处理;预处理具体如下:基于MODIS传感器的光谱响应函数,将实测高光谱遥感反射率数据转换为MODIS波段对应的遥感反射率数据;通过采样时间和经纬度信息,将转换后的数据与TSM、OSM、ISM浓度数据进行匹配;
(2)根据MODIS波段遥感反射率数据,计算表征ISM和OSM浓度的光谱特征量;MODIS波段包括412、443、469、488、531、547、555、645、667、678 nm的10个波段,且遥感反射率数据的转换通过公式:;
式中,Rrs(λM)为MODIS传感器λM波段处的遥感反射率;λ1和λ2为当前波段的波段范围;Rrs(λ)为实测高光谱遥感反射率;SRF(λ)为MODIS传感器的光谱响应函数;
ISM特征量:包括在412、443、469、488、531、547、555、645、667、678波段的反射率值及其波段比值;OSM特征量包括:在412、443、469、488、531、547、555、645、667、678波段对数变换后的值及其波段差值和波段组合比值;具体如下:;
(3)将ISM和OSM浓度数据分别与其对应的光谱特征量输入XGBoost算法进行训练,构建ISM和OSM浓度的遥感反演模型;总悬浮颗粒物浓度TSM通过以下公式得到: 其中,TSM、OSM和ISM分别为水体的总、有机、无机悬浮颗粒物浓度;
(4)利用独立验证样本集和星地匹配数据集对模型精度进行评估。
2.根据权利要求1所述的一种近海水体悬浮颗粒物多组分浓度遥感协同反演方法,其特征在于,步骤(3)中XGBoost模型的训练参数通过交叉验证优化,包括学习率、树深度、正则化系数。
3.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-2任一项所述方法的步骤。
4.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-2任一项所述方法的步骤。