University of Stirling@milan米兰体育 一种使用支持向量机从 OLCI 数据中检测和监控布隆形成伪菱形藻的新算法

引用

González Vilas L、Spyrakos E、Pazos Y 和 Torres Palenzuela JM (2024) 一种使用支持向量机从 OLCI 数据中检测和监控水华形成伪菱形藻的新算法。遥感，16 (2)，艺术。编号：298。https://doi.org/10.3390/rs16020298

摘要
拟菱形藻属水华是全球许多沿海地区反复出现的问题，对人类健康、生态系统和经济造成重大威胁。在可行的情况下，已经制定了监测计划，以减轻拟菱形藻造成的影响。和其他有害藻类大量繁殖。从卫星数据中检测此类水华确实可以提供有关新兴风险的及时信息，但根据可用多光谱数据开发特定类群算法仍然面临与其他类群和水成分的耦合光学特性、地面数据的可用性和算法的泛化能力的挑战。在这里，我们开发了一套新的算法​​（PNOI）用于检测和监测拟菱形藻属。使用支持向量机 (SVM) 根据 Sentinel-3 OLCI 反射率在加利西亚海岸（伊比利亚半岛西北）上空绽放。我们的算法使用来自 260 个 OLCI 图像和 4607 个伪菱形藻的反射率数据进行了训练和测试。匹配数据点，其中2171个是高质量的。无绽放/绽放模型在独立测试集中的表现非常稳健，曲线下面积 (AUC)、灵敏度和特异性的值分别为 0.80、0.72 和 0.79。我们的以下检测限/存在模型获得了类似的结果。我们还基于真实技能统计（TSS）和 F1 分数的优化提出了不同的模型阈值。 PNOI 优于线性模型，但其与原位叶绿素-a 浓度的关系较弱，表明与浮游植物丰度的相关性较差。我们展示了 PNOI 算法和 OLCI 传感器对于监测每周地面采样之间和地面数据缺失期间（例如由于 COVID-19）期间水华演变的重要性。

关键字
OLCI；有害藻华；拟菱形藻属；支持向量机；多光谱传感器；反射率；加利西亚里亚斯

期刊
遥感：第 16 卷，第 2 期

• 已发布版本