利用大气校正的 Sentinel-2 数据并基于 ML 算法监测沿海地区水体污染物
计算机视觉与模式识别
2024-01-09 v1 机器学习
摘要
监测水体污染物对于保障公共健康和环境福祉至关重要。浊度作为一个关键参数，构成了影响水质的重大问题。其准确评估对于保护生态系统和人类饮用水安全至关重要，需要细致的关注与行动。为此，本研究开创了一种监测浊度污染物的新方法，将 CatBoost 机器学习 (ML) 与 Sentinel-2 Level-2A 的高分辨率数据相结合。传统方法耗时费力，而 CatBoost 提供了一种高效的解决方案，在预测准确性方面表现卓越。通过 Google Earth Engine (GEE) 利用大气校正的 Sentinel-2 数据，我们的研究为可扩展且精确的浊度监测做出了贡献。源自香港污染物监测站的特定表格数据集丰富了我们的研究，提供了特定区域的见解。结果展示了这种综合方法的可行性，为在全球水质管理中采用先进技术奠定了基础。
引用
@article{arxiv.2401.03792,
title = {Monitoring water contaminants in coastal areas through ML algorithms leveraging atmospherically corrected Sentinel-2 data},
author = {Francesca Razzano and Francesco Mauro and Pietro Di Stasio and Gabriele Meoni and Marco Esposito and Gilda Schirinzi and Silvia Liberata Ullo},
journal= {arXiv preprint arXiv:2401.03792},
year = {2024}
}
备注
4 pages, 3 figures, IGARSS2024