数据集(库)目录

出版期刊|区域分类

2021年第12期
2019年第02期
数据详情

基于随机森林算法的卫星监测太湖蓝藻数据集(2019)


杨子1,2潘鑫*3袁洁1,2宋昊1,2许坤1,2吴宇航1,2杨英宝*3
1 河海大学地球科学与工程学院,南京2111002 河海大学江苏省水资源环境遥感监测评估工程研究中心,南京2111003 河海大学地理与遥感学院,南京211100

DOI:10.3974/geodb.2023.12.01.V1

出版时间:2023年12月

网页浏览次数:4694       数据下载次数:59      
数据下载量:34.64 MB      数据DOI引用次数:

关键词:

高分六号卫星,太湖,蓝藻,随机森林,2019年

摘要:

太湖蓝藻数据是太湖水资源治理必不可少的重要数据。作者选取2019年太湖的高分六号卫星的红外、近红外、绿波段数据,采用基于多遥感因子(归一化植被指数和归一化水体指数)的随机森林算法对蓝藻信息进行提取,得到太湖西部蓝藻数据。采用总体分类精度、Kappa系数、生产者精度、用户精度、错分误差和漏分误差对数据集进行验证,验证结果表明,此数据集总体分类精度和Kappa系数的均值达到0.97和0.95。数据集内容包括:2019年5-12月6个时期的蓝藻分布数据。数据集的空间分辨率为20 m。数据集存储为.tif格式,由6个数据文件组成,数据量为0.98 MB(压缩为1个文件,601 KB)。基于该数据集的研究论文发表在《湖泊科学》2022年34卷6期。数据论文

基金项目:

国家自然科学基金(41701487,42071346,42371397)

数据引用方式:

杨子, 潘鑫*, 袁洁, 宋昊, 许坤, 吴宇航, 杨英宝*. 基于随机森林算法的卫星监测太湖蓝藻数据集(2019)[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2023. https://doi.org/10.3974/geodb.2023.12.01.V1.

杨子, 潘鑫, 袁洁等. 基于随机森林算法的卫星监测太湖蓝藻数据集(2019) [J]. 全球变化数据学报(中英文), 2023, 7(3): 321-326.

参考文献:

[1] 秦伯强, 高光, 朱广伟等. 湖泊富营养化及其生态系统响应[J]. 科学通报, 2013, 58(10): 855-864.
     [2] 祝令亚. 湖泊水质遥感监测与评价方法研究[D]. 北京: 中国科学院遥感应用研究所, 2006.
     [3] 杨运, 航王琳, 谢洪波等. 基于Landsat8的含蓝藻湖泊水体信息提取方法研究[J]. 国土资源遥感, 2020, 32(4): 130-136.
     [4] 王萌, 郑伟, 刘诚. 利用Himawari-8高频次监测太湖蓝藻水华动态[J]. 湖泊科学, 2017, 29(5): 1043-1053.
     [5] 侍昊, 李旭文, 牛志春等. 基于随机森林模型的太湖水生植被遥感信息提取[J]. 湖泊科学, 2016, 28(3): 635-644.
     [6] 夏晓瑞, 韦玉春, 徐宁等. 基于决策树的Landsat TM/ETM+图像中太湖蓝藻水华信息提取[J]. 湖泊科学, 2014, 26(6): 907-915.
     [7] 黄家柱, 赵锐. 卫星遥感监测太湖水域蓝藻暴发[J]. 遥感信息, 1999(4): 43-43.
     [8] 李旭文, 侍昊, 张悦等. 基于欧洲航天局"哨兵-2A"卫星的太湖蓝藻遥感监测[J]. 中国环境监测, 2018, 34(4): 169-176.
     [9] 苗松,王睿,李建超等. 基于哨兵3A-OLCI影像的内陆湖泊藻蓝蛋白浓度反演算法研究[J]. 红外与毫米波学报, 2018, 37(5): 621-630.
     [10] 李晓俊, 吕恒, 李云梅等. 基于MODIS与GOCI数据蓝藻水华提取空间尺度差异分析: 江苏省海洋湖沼学会[C], 2013.
     [11] 李亚春, 孙佳丽, 谢志清等. 基于MODIS植被指数的太湖蓝藻信息提取方法研究[J]. 气象科学, 2011, 31(6): 737-741.
     [12] Yang, Z., Pan, X., You, C., et al. Spatio-temporal variation of fractional vegetation coverage in the Aydingkol Lake Basin [J]. Journal of Applied Remote Sensing, 2022, 16(1): 1-23. DOI: http://dx.doi.org/10.1117/1.JRS.16.014506.
     [13] Breiman, L. Random Forests [J]. Machine Learning, 2001, 45(1): 5-32. DOI: https://doi.org/10.1023/A:1010933404324.
     [14] 尹靖, 朱煜峰. OLI影像的不同区域水体提取方法对比研究[J]. 江西科学, 2020, 38(5): 743-747.
     

数据下载:

序号 数据名 数据大小 操作
0Datapaper_Taihu_Cyanobacteria.pdf3246.00kb下载
1 Taihu_Cyanobacteria.rar 601.14KB
主管单位