GF-1辅助的伪标签增强技术与无泄漏堆叠算法在狭窄城市河流中用于Sentinel-2卫星叶绿素a含量反演

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：GF-1-Assisted Pseudo-Label Augmentation and Leakage-Free Stacking for Sentinel-2 Chlorophyll-a Retrieval in Narrow Urban Rivers

　　

摘要：

狭窄的城市河流对于基于Sentinel-2的叶绿素-a（Chl-a）反演来说仍然具有挑战性，因为混合像素、邻域效应和河岸阴影会污染光谱信号，而实地观测往往受到限制。本研究开发了一种集成工作流程，该流程结合了高置信度的城市河流水体掩膜和显式的阴影抑制技术来约束特征提取和样本选择；通过将GF-1的Chl-a数据场映射到Sentinel-2的10米网格上并进行分层处理，生成用于增强的伪标记样本；同时使用带有XGBoost元学习器的泄漏控制折叠外堆叠回归器来提高数据稀缺条件下的稳定性。在实地测试集（n = 6）上，GF-1反演方法的R2值为0.86，RMSE为3.32 μg/L。利用映射的伪标签对Sentinel-2模型进行训练后，在保留的伪标签集（n = 40）上，模型的R2值为0.84，RMSE为3.88 μg/L；而仅使用实地数据的基线方法在独立的实地测试集上的R2值为0.70，RMSE为4.47 μg/L。这些结果表明，在有限的实地监督下，跨分辨率伪标签增强和泄漏控制集成方法可以有效提高反演效果；伪标签评估反映了模型内部的一致性，而非独立的真实值。