摘要
本发明公开了一种基于机器学习的山区积雪面积重建方法,包括:获取光学遥感数据和地形数据并进行预处理;所述光学遥感数据包括MOD09GA数据和Landsat8OLI数据;所述预处理包括地形校正和积雪识别;将Landsat8OLI数据使用积雪识别算法生成的积雪面积作为真值标签,基于预处理后的MOD09GA数据以及地形数据,构建样本数据集;将所述样本数据集以4:1的比例划分为训练集和验证集,以对XGBoost模型进行训练和验证;所述XGBoost模型通过组合多个决策树来改进预测性能;使用已训练的XGBoost模型对新的输入数据进行积雪面积预测。该方法可以生产逐日30米(m)积雪面积数据,对山区积雪监测、水文过程模拟以及生态系统演化有重要的研究意义和价值。
技术关键词
光学遥感数据
地表反射率
XGBoost模型
识别算法
太阳方位角
影像
归一化植被指数
校正
山区
分辨率
样本
标签
生态系统
插值法
全覆盖
系统为您推荐了相关专利信息
关节点
Softmax函数
检测人手
手势识别模型
开源框架
风电功率预测模型
XGBoost模型
电功率预测方法
历史气象数据
深度学习模型
储能电池
XGBoost模型
多参数
火灾
XGBoost算法
合成孔径雷达数据
反演方法
皮尔逊相关系数
参数
分辨率
反射率数据
正演方法
地表反射率
可见光波段
前馈神经网络