La monitorización de la profundidad del agua de alta resolución y sin contacto es crucial para la gestión y la protección del paisaje de lagos con floraciones algales. La teledetección satelital no puede capturar las características finas de los sedimentos submarinos en lagos con floraciones algales. En los últimos años, la tecnología de teledetección con drones ligeros y pequeños se ha aplicado gradualmente para la detección de la profundidad del agua con ultra alta resolución en áreas poco profundas. Sin embargo, el modelo logarítmico clásico para la inversión de la profundidad del agua difícilmente se adapta al fenómeno de dispersión de Rayleigh ampliamente presente en lagos con floraciones algales. Por lo tanto, este estudio utiliza modelos de aprendizaje automático para llevar a cabo una investigación sobre la inversión de la profundidad del agua en lagos con floraciones algales basada en imágenes de drones. El área experimental es el Lago de Huohua en Jiuzhaigou, provincia de Sichuan, China. Se entrenaron y validaron modelos de inversión de la profundidad del agua basados en Bosque Aleatorio (RF), Máquina de Vector de Soporte (SVM) y Perceptrón Multicapa (MLP), con errores cuadráticos medios de raíz de 0,816 m, 0,945 m y 0,832 m respectivamente. Los resultados experimentales muestran que los modelos de aprendizaje automático tienen mayor precisión en la inversión de la profundidad en comparación con el modelo logarítmico tradicional. Entre ellos, los modelos de Bosque Aleatorio y Perceptrón Multicapa son más adecuados para la inversión de la profundidad del lago con floraciones algales basada en imágenes de drones que el modelo de Máquina de Vector de Soporte.

lagos con floraciones algales; drones; imágenes aéreas; inversión de profundidad; aprendizaje automático; bosque aleatorio; máquina de vector de soporte; perceptrón multicapa