摘要：叶绿素a(Chl-a)浓度是可以直接遥感反演的重要水质参数之一,常用来评价近岸水体的富营养化程度.为有效监测福建近岸水域中的叶绿素a浓度变化,本文利用MODIS时间序列影像数据,采用适用于小样本数据的机器学习方法随机森林(RandomForest,RF)和传统的特征波段比值(BandRatio,BR)方法,结合时序浮标观测数据,在浮标观测站点有限的情况下,采用“以时间连续补空间稀疏”的建模策略,分别对福建近岸不同时相叶绿素a浓度进行遥感反演,并对反演结果进行验证与分析.结果显示RF、BR两种方法反演的均方根误差(RMSE)分别为0.49、0.52μg·L^-1,平均绝对百分比误差(MAPE)分别为37.50%、50.20%,平均决定系数(R^2)分别为0.87、0.21.可见,基于MODIS时序影像的RF模型可较准确估测福建近岸叶绿素a浓度,且精度优于BR模型.在近岸水环境普遍恶化且浮标观测站点有限的情况下.本研究可提供一种有效监测叶绿素a浓度的方法,有利于福建近岸水环境(如赤潮)的遥感监测.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社