2021年12月,工程中心申报的“集成机器学习的岷江上游生态水涵养模数遥感定量反演”获批四川省计算机科学技术二等奖,该项目第一完成单位成都信息工程大学,参与单位电子科技大学。
该研究利用机器学习和遥感原理该研究利用机器学习和遥感原理,以生态水资源丰富的岷江上游地区为试验区,围绕数据采集、数据处理、地表参数的遥感反演、生态水信息指标参数模型建立等开展研究,深入探讨并确定了生态水相关信息指标参数,在实现地物光谱特征信息及关键地表参量的提取后,基于机器学习中的集成学习方法,建立了生态水信息指标参数中的MODIS地表温度重建模型、植被含水量反演模型以及土壤含水量反演模型,并最终对研究区内生态水涵养模数和生态水涵养量进行了定量反演,成功实现了机器学习技术在定量遥感领域的应用。同时,为了实现生态水涵养模数信息提取半自动化及全自动化,本研究利用跨平台C++图形用户界面应用程序开发框架Qt搭建软件人机交互界面,在Windows系统下,开发出一款功能较为完备的生态水涵养模数信息遥感定量反演软件系统。本研究所提出的人工智能解决地球科学问题的技术与方法,为利用遥感技术对大面积区域的关键地表参量进行宏观、动态、快速的监测提供了一种有效手段。
研究的创新点:① 本课题综合利用机器学习、图像处理、遥感等高新技术,根据计算机科学、生态学、水文学、土壤学、地物波谱学以及遥感信息成因机理等的理论,研究生态水涵养的空间分布特征及变化规律,构建生态水涵养模数的遥感反演模型与方法,是本课题创新之一。② 基于随机森林模型对MODIS地表温度产品MOD11A1和MOD11A2进行了重建,解决了MODIS过境时间固定与地面观测时间不同而无法进行数据同步的问题,对MODIS地表温度产品缺失数据进行了补充,进一步提升了地表温度的准确性与空间连续性。③ 在土壤含水量的反演问题上,利用创新的机器学习方法融合可见光-近红外、热红外以及微波等多源遥感数据,解决诸如人工神经网络(ANNs)、支持向量机(SVM)等传统机器学习方法在面对高维数据时过/欠拟合的现象,提高反演的精度;对于植被含水量的遥感反演,以等价水深EWT为目标参数,构建了基于梯度提升决策树的植被含水量反演模型。