科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
- 单位
