Login for students

Login for employees

Publication detail

Variable Transformation in Chlorophyll-a Satellite Algorithm Calibration
Year: 2025
Type of publication: článek ve sborníku
Name of source: 2025 IEEE Zooming Innovation in Consumer Technologies Conference, ZINC 2025
Publisher name: IEEE (Institute of Electrical and Electronics Engineers)
Place: New York
Page from-to: 125-130
Titles:
Language Name Abstract Keywords
cze Variabilní transformace při kalibraci satelitního algoritmu chlorofylu-a V tomto článku demonstrujeme, jak použití variabilních transformací přizpůsobených klíčovým předpokladům metody nejmenších čtverců (OLS) může výrazně zlepšit výsledky satelitního algoritmu pro odhad koncentrace chlorofylu a (chl-a). Pomocí optimalizované sady transformací (logaritmické, odmocninové a kubické) aplikovaných na prediktor 3BDA a chl-a jsme dosáhli významného snížení křížově ověřené střední kvadratické chyby (RMSE) z 28,5 na 22 mg/m3 ve srovnání s běžmou logaritmickou transformací proměnné chl-a. Zjištění potvrzují, že zajištění splnění předpokladů OLS je zásadní pro podstatné zvýšení přesnosti semiempirických modelů. chlorofyl-a; satelit; algoritmus; proměnná transformace; metoda nejmenších čtverců; dálkový průzkum Země; satelitní snímky
eng Variable Transformation in Chlorophyll-a Satellite Algorithm Calibration In this paper, we demonstrate how applying variable transformations tailored to meet key ordinary least-squares (OLS) assumptions can significantly improve the performance of a satellite-based algorithm for chlorophyll-a (chl-a) concentration estimation. Focusing on the 3BDA predictor, we tested an optimal set of transformations-log, square-root, and cube-root-on both the dependent and independent variables. The best combination reduced the cross-validated root mean square error (RMSE) from 28.5 to 22 mg/m(3) relative to the commonly used single log transformation of chl-a, thereby increasing algorithm precision. These findings underscore the broader relevance of ensuring OLS assumptions are satisfied for improved accuracy in semi-empirical modelling approaches. chlorophyll-a; satellite; algorithm; variable transformation; least-squares; remote sensing; satellite imagery

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives