一种基于XGBoost-2DCNN模型的水体溶解氧浓度遥感反演方法

本发明涉及一种基于XGBoost‑2DCNN模型的水体溶解氧浓度遥感反演方法，方法包括：采集或收集研究区长时间序列实测水质参数浓度；基于Google Earth Engine平台获取研究区多光谱遥感影像，提取时空匹配的水面遥感反射率；将反射率光谱和水质参数浓度周期特征进行正弦和余弦函数编码，利用XGBoost模型通过遥感反射率估算叶绿素a和水温；进一步开发二维卷积神经网络(2DCNN)模型，将叶绿素a、水温及编码的周期性特征作为输入，构建并训练溶解氧浓度反演模型。本发明以多年实测水质参数和光学遥感影像为基础，结合叶绿素a和水温的时间周期模式，发展了精准的溶解氧估算方法，实现了短期和长期时空动态分析。该方法为水体富营养化的防控提供了科学依据，具有广泛的推广与应用价值。