利用大气校正的 Sentinel-2 数据应用机器学习算法监测沿海地区水体污染物
原文中文,约500字,阅读约需2分钟。发表于: 。监测水质的关键参数浊度对公共健康和环境福祉至关重要,而本研究以 CatBoost 机器学习方法结合 Sentinel-2 Level-2A 的高分辨率数据,开创了一种新方法用于监测浊度污染物,为全球水质管理提供了可扩展和精确的测量模式。
洪水事件中准确检测淹没范围对紧急响应决策和恢复工作至关重要。卫星遥感数据提供了全球框架,可以检测洪水范围。机器学习技术已被利用来精确捕捉洪水区域的洪水范围,但需要大量标记数据。我们创建了一个包含美国本土和孟加拉国境内约36,000平方公里地区的标记数据集。通过开源数据集举办了一个开放竞赛,以便利用社区生成的模型快速原型化洪水范围检测。