数据集概述
该数据集为《Calibration and band ratio selection strategy for remote sensing models for chlorophyll-a estimation in water bodies using integrated decision tree approaches》论文的原始数据，包含研究区域采样点叶绿素a浓度数据、遥感反射率特征及模型性能验证等相关文件，支持水体叶绿素a浓度遥感估算模型的研究与应用。
文件详解
- 数据文件:
- RawData_Chla(261Points).xlsx: Excel格式，包含261个采样点的叶绿素a浓度原始数据。
- 图片文件（共11个.jpg格式文件）:
- Figure 1 The location of study area and sampling points.jpg: 研究区域及采样点位置图
- Figure 2 Technical route for estimating Chla concentration using random forest.pdf: 基于随机森林的叶绿素a浓度估算技术路线图（PDF格式）
- Figure 3 Normal distribution characteristics of Chla concentration at sampling points.jpg: 采样点叶绿素a浓度正态分布特征图
- Figure 4 Characteristics of remote sensing reflectance Rrs in Guangdong province.jpg: 广东省遥感反射率Rrs特征图
- Figure 5 Correlation analysis between original spectral vs Chla concentration.jpg: 原始光谱与叶绿素a浓度相关性分析图
- Figure 7b Band ratio model performance for Chla concentration estimation Validation.jpg: 波段比模型叶绿素a浓度估算验证性能图
- Figure 8a The performance of TBM for remotely estimating Chla concentration Calibration.jpg: TBM模型叶绿素a浓度遥感估算校准性能图
- Figure 8b The performance of TBM for remotely estimating Chla concentration Validation.jpg: TBM模型叶绿素a浓度遥感估算验证性能图
- 文档文件:
- Figure 2 Technical route for estimating Chla concentration using random forest.pdf: PDF格式，基于随机森林的叶绿素a浓度估算技术路线说明文档
适用场景
- 水环境遥感研究: 分析水体叶绿素a浓度的遥感估算模型性能
- 机器学习应用: 探索随机森林等机器学习方法在水质参数反演中的应用
- 光谱数据分析: 研究遥感反射率与叶绿素a浓度的相关性及波段比选择策略
- 模型验证与校准: 评估叶绿素a浓度遥感模型的校准与验证效果
