基于支持向量机模型反演浮游植物粒级结构

？文章采用支持向量机模型反演浮游植物的粒级结构。模型的输入量为浮游植物的吸收光谱、总叶绿素a浓度值。将该模型分别应用于南海数据集和nasabio-opticalmarinealgorithmdataset(nomad)全球大洋数据集。以浮游植物的吸收光谱做为输入向量时,南海数据集和nomad数据集反演微微型(pico)、微型(nano)和小型(micro)粒级浮游植物的平均绝对误差(apd)分别是46.1%、61.6%、55.0%和36.3%、44.6%、43.3%;决定系数(r2)分别为0.604、0.423、0.491和0.460、0.702、0.829。以浮游植物的吸收光谱和总叶绿素a浓度值做为输入向量时,南海数据集和nomad数据集反演pico、nano和micro粒级的平均绝对误差分别是19.2%、31.9%、31.6%和35.3%、35.4%、38.2%;决定系数分别为0.837、0.805、0.600和0.713、0.758、0.810。结果显示以吸收光谱和总叶绿素a浓度值作为输入变量的反演精度,比以吸收光谱作为输入变量的反演精度高。由此看出支持向量机模型对于两个数据集的反演结果很理想,该模型的提出为多光谱遥感反演浮游植物的粒级结构提供一个重要手段。