Monitoring water contaminants in coastal areas through ML algorithms leveraging atmospherically corrected Sentinel-2 data

要約

水の汚染物質を監視することは、公衆衛生と環境の健全性を確保する上で最も重要です。
重要なパラメータである濁度は、水質に影響を与える重大な問題を引き起こします。
その正確な評価は生態系と人間の消費を守るために非常に重要であり、細心の注意と行動が求められます。
このため、私たちの研究は、CatBoost 機械学習 (ML) と Sentinel-2 レベル 2A からの高解像度データを統合して、濁度汚染物質を監視する新しいアプローチを開拓しました。
従来の方法は労働集約的ですが、CatBoost は予測精度に優れた効率的なソリューションを提供します。
Google Earth Engine (GEE) を通じて大気補正された Sentinel-2 データを活用することで、私たちの研究はスケーラブルで正確な濁度モニタリングに貢献します。
香港の汚染物質監視所から得られた特定の表形式のデータセットは、私たちの研究を充実させ、地域固有の洞察を提供します。
結果は、この統合アプローチの実行可能性を示し、世界的な水質管理に高度な技術を導入するための基礎を築きました。

要約(オリジナル)

Monitoring water contaminants is of paramount importance, ensuring public health and environmental well-being. Turbidity, a key parameter, poses a significant problem, affecting water quality. Its accurate assessment is crucial for safeguarding ecosystems and human consumption, demanding meticulous attention and action. For this, our study pioneers a novel approach to monitor the Turbidity contaminant, integrating CatBoost Machine Learning (ML) with high-resolution data from Sentinel-2 Level-2A. Traditional methods are labor-intensive while CatBoost offers an efficient solution, excelling in predictive accuracy. Leveraging atmospherically corrected Sentinel-2 data through the Google Earth Engine (GEE), our study contributes to scalable and precise Turbidity monitoring. A specific tabular dataset derived from Hong Kong contaminants monitoring stations enriches our study, providing region-specific insights. Results showcase the viability of this integrated approach, laying the foundation for adopting advanced techniques in global water quality management.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google