基于随机森林回归模型的悬浮泥沙浓度遥感估算-中国图象图形学报.PDF

基于随机森林回归模型的悬浮泥沙浓度遥感估算 1，2 1 1 1,2 1 1,2 方馨蕊 ，温兆飞 ，陈吉龙 ，吴胜军 ，黄远洋 ，马茂华  1.中国科学院重庆绿色智能技术研究院，中国科学院水库水环境重点实验室，重庆 400714 ； 2. 中国科学院大学，北京 100049 摘 要：三峡工程蓄水以来，清水下泄，坝下游河段发生了长时间、长距离的沿程冲刷，河流悬浮泥沙浓度发生改变， 给沿岸生态系统带来了不利影响。随机森林算法灵活、稳健，已被广泛应用于各类生态环境变量的回归预测分析，但其 在水体悬浮泥沙浓度估算方面的能力尚未得到充分认识。本文基于泥沙站点监测数据和 MODIS 卫星遥感反射率数据， 通过构建随机森林非参数回归预测模型，对三峡工程坝下游宜昌至城陵矶河段在建坝前后十四年间（2002-2015 ）各月 的悬浮泥沙浓度进行遥感估算。研究表明，基于随机森林的悬浮泥沙浓度估算模型表现较好，模型预测值与实测值间相 关性好、预测精度高，优于其他模型（线性回归、支持向量机、人工神经网络模型）；在参与模型构建的 MODIS 波段 变量中，红波段被认为是最重要的预测变量，但不能单独使用它进行预测，悬浮泥沙遥感预测需要多变量共同参与；将 悬浮泥沙数据按季节分类所构建的随机森林模型，其平均误差为0.46 mg/L，平均相对均方根误差为12.33%，估算效果 最优，能够满足较高精度下悬浮泥沙浓度估算的需求。综上，可以考虑以季节为划分依据，用随机森林回归模型估算悬 浮泥沙浓度，并用于后期坝下游河道悬浮泥沙浓度时空反演。 关键词：三峡工程，坝下游河段，水环境遥感，随机森林，遥感监测，MODIS ，泥沙反演 中国分类号：TV152 文献标识码：A 1 引言 天然水体中悬浮物主要成分为泥沙，悬浮泥沙不仅影响水体的透明度、浊度和水色等光学性质，还会影响 河道、河岸带冲淤变化过程(程天文 等，1985) 。另一方面，水体中的悬浮泥沙会吸附重金属、总氮、总磷等污 染物(王晓菁 等 ，影响水生生物（特别是藻类）的繁殖和生长(谢怡发 等，2007 ；龚玲 等，2006) 。 此外，泥沙若得不到有效处理，会出现大量淤积，以至加剧流域全局性水患，影响流域生态环境(李义天 等， 2004) 。 三峡工程建设规模大、周期长，建成后在防洪、发电、航运、抗旱和供水等方面发挥着巨大效益。由于“蓄 清排浊”，原有河流径流量的季节分配过程以及与径流相关的生态环境因子发生改变(姜刘志，2014) 。同时，坝 上游来沙减少，坝下游河道中不饱和水流则会寻求泥沙补给持续冲刷河床(张卫军 等，2013) ，从而发生自上而 下的、长时间长距离的沿程冲刷(刘小斌 等，2006) 。这些都会对坝下游范围内的生态环境带来深远影响，如重 要生物资源的栖息水域、生活习性改变，群落组成结构、分布特征发生变化等(姜刘志，2014) 。因此，充分了解 区域水体悬浮泥沙浓度及其时空变化规律对河道治理、生物栖息地监测和保护具有重要现实意义。 传统泥沙浓度的调查方法主要采用点位采样、室内分析。该方法调查速度慢、周期长，且只能获得在时间、 空间分布上都很离散的少量数据点(李洪灵 等，2006) 。遥感技术的发展使这一状况得到了有效改观(翟伟康， 2006) 。很多学者利用不同的遥感数据源和遥感途径对悬浮物进行了大量的研究，均取得了不错的效果。李四海 等(2001)采用斜率法寻找NOAA AVHRR 卫星遥感数据和准同步实测表层含沙量间的关系，Miller 等(2004)直接 探求 MODIS 单波段反射率数据与水体总悬浮泥沙的相关性，Bowers 等(2014)利用实测数据建立了波段后向散 射系数与悬浮泥沙浓度间的指数模型，林承达等(2014) 则采用高斯模型构建Landsat ETM+波段反射率与悬浮泥 沙浓度间的关系。目前，针对水体悬浮泥沙遥感监测多采用数理统计模型，即先将水体信息与遥感信息之间的 不确定性假设成一个特定的函数关系，通过转化为多元线性函数对模型参数进行估计(张文，2012) 。该方法通常 要求样本总体满足特定的分布特征 （如正态分布），而对于水体参数广泛存在的时空自相关性并不能满足假设条