科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对Sentinel-2影像低空间分辨率（20 m、60 m）波段混合像元会降低内陆河湖水质反演精度的问题，提出了一种通过深度学习超分辨率重建进行水质反演的方法。首先，引入残差神经网络超分辨率重建算法，结合迁移学习方法与卷积注意模块对该算法进行改进，通过对比评估其他算法的重建精度，发现改进算法主客观评价均为最佳。接着，以上海市内陆河湖为研究区域，使用改进算法对低分辨率波段重建至10 m,结合实测水质参数及影像重建前后的光谱特征波段，利用多种回归算法构建水质反演模型进行对比。结果表明：深度学习超分辨率重建模型可有效提升水质参数的遥感反演精度；深度神经网络模型精度较高（R2>0.67）,可实现更精细化制图。
-
单位华东师范大学; 河口海岸学国家重点实验室; 上海勘测设计研究院
