基于GF-2多光谱数据的水深多模型探测比较研究——以香港平洲岛为例

水深是浅海重要的地形要素,利用遥感手段探测水深具有经济、高效等优势。利用"高分二号"多光谱遥感数据,采用不同波段组合的对数线性模型、Stumpf对数转换比值模型和改进的对数转换比值模型,以香港平洲岛为研究区域进行水深反演,并开展精度评价。结果表明:对数线性模型、Stumpf对数转换比值模型和改进的对数转换比值模型中,B1,B2,B3和B4(蓝、绿、红和近红外)4波段组合的对数线性模型水深反演精度最高,其检查点平均绝对误差MAE为1.63 m,平均相对误差MRE为12.67%,决定系数R2达0.80;0~5 m,5~10 m,10~15 m,15~20 m分水深段分析发现,3种模型在10~15 m水深段的水深反演效果均较好,最小的平均绝对误差MAE和平均相对误差MRE分别为1.09 m和8.99%,10 m以浅和15 m以深的反演误差较10~15 m的较大,显示上述模型更适合于中等浅水区域的应用。     

基于Worldview-2多光谱卫星数据的浅水水深遥感反演

随着卫星遥感技术的不断发展,高分辨率卫星影像逐渐应用到水深遥感反演领域。利用Worldview-2高分辨率卫星数据和电子海图数据,基于双波段比值法,反演获得实验区域20m以浅的水深。实验表明,Worldview-2等高分辨率多光谱卫星数据,具有一定反演浅水水深的能力,但在5m以浅的水域反演误差较大;双波段比值法,这种半经验半理论的模型,在水深遥感反演中具有更好的适用性;对比了一次线性、二次多项式、指数、对数等拟合方法,发现对数拟合的方法获取绝对水深,其精度相对其他方法更高。     

基于WorldView-2遥感影像的龙湾港浅海水深反演

根据遥感水深反演原理,利用海南岛龙湾港的WorldView-2多光谱卫星数据和海图水深资料,通过对水深进行0~2,2~5,5~10,10~15和15~20 m的分区处理、潮汐改正和海图水深数据与相应图像波段反射率值的相关性分析及回归分析,建立了浅海水深线性回归反演模型,开展了浅海水深的实际计算与精度分析。结果表明:对不同水深范围分别建立线性回归模型反演的水深精度要高于未分区建立的模型;分区模型中,多波段模型在0~5 m的反演精度最高,而双波段比值模型在5~20 m的反演精度最高,但是反演水深在最浅处的精度还有待提高。本文方法提取的水深与海图水深数据变化趋势基本相似,可以满足海洋科学研究对大范围浅水水下地形探测的要求。     

高分六号遥感影像水深反演能力评价

水深是重要的海洋要素,水深遥感反演是获取浅水水深的重要手段。当前水深遥感反 演应用以国外卫星数据为主,国产卫星数据的研究和应用较少。本文针对国产高分六号卫星 （GF-6） 数据,以三亚南山港为研究区域,分别建立单波段回归模型、双波段比值模型、多波段 回归模型,进行多光谱影像的水深反演能力研究,并与国外主流哨兵2 号卫星（Sentinel-2） 数 据进行实验比较。实验结果表明：GF-6 遥感影像具有较好的浅水水深反演能力和一定的反演精度,各波段水深探测能力依次为：绿波段跃蓝波段跃红波段跃近红外波段,反演方法效果依次为：多波段模型跃双波段模型跃单波段模型。相较于Sentinel-2 数据,GF-6 数据水深反演精度与其一致,这表明GF-6 影像具备替代国外遥感数据进行水深反演的能力和大规模应用的潜力。本文针对GF-6 影像水深反演能力的研究方法和分析,结果将为国产高分系列卫星数据的水深反演研究和应用提供有益的参考。     

一种改进的地理加权回归模型水深反演方法

利用多光谱卫星遥感影像反演浅海水深是水深测量的一种重要方式。提出一种基于主成分分析的地理加权回归模型(PCA-GWR),采用WorldView-2多光谱卫星遥感影像数据,对经过数学变换后的波段反射率数据先进行主成分分析,将得到第一主成分量进行地理加权回归分析,并与双波段比值模型、多波段线性模型和地理加权回归模型(GWR)的水深反演结果进行比较。结果显示,各个反演模型反演水深值与实测水深值的相关系数r均大于0.75,其中PCA-GWR模型水深反演结果最好,r为0.96、RMSE为1.56 m、MAE为1.06 m。研究表明,PCA-GWR模型可有效去除数据变换后的冗余信息,降低数据空间非平稳性,具有较高的反演精度与可靠性,适用于浅海水深反演。     

基于耀斑改正的多光谱水深反演方法研究

利用WorldView-2四波段卫星数据和电子海图数据,基于改进的耀斑改正算法和双波段比值算法,反演获得了3处典型海域的浅水水深。通过不同海域、不同耀斑条件下水深反演实验,探讨了RED,NIR波段在典型四波段水深反演中的作用和影响,发现在双波段比值法水深反演中,引入RED+NIR波段进行耀斑改正处理,可以增加珊瑚、海藻等绿色物质覆盖海底的反射率,有效地提高该类海域的水深反演精度。基于耀斑改正的多光谱水深反演方法,适用于中轻度耀斑条件下,水质较清澈的浅海水深反演,可在国内外典型四波段卫星数据水深反演中推广应用。     

多光谱遥感影像的两种浅海水深反演模型对比与分析

利用WorldView-2高分辨率卫星影像,以南海北岛附近海域为研究区,研究了两种水深反演模型——对数变换模型(Stumpf 2003)和双波段线性回归模型(Lyzenga 1985)。分析了不同底质情况下水深与各波段的相关性,并利用L-M(Levenberg-Marquardt)算法求解模型参数,然后对两种模型反演的水深结果的精度进行了对比分析。对于珊瑚底质,Lyzenga 1985模型水深反演的决定系数和均方根误差分别为0.902和1.651,均优于Stumpf 2003模型(0.882,6.421);对于砂质底质,Lyzenga 1985模型水深反演的决定系数和均方根误差分别为0.897和0.529,均优于Stumpf 2003模型(0.779,0.723)。可见,在水体清澈的珊瑚底质和砂质底质区域,Lyzenga 1985模型的水深反演精度均优于Stumpf 2003模型,Lyzenga 1985模型普适性更强,能够呈现出较为稳定的反演效果。     

卫星高光谱数据反演南沙岛礁区海域浅海水深和光学参数

利用卫星高光谱数据反演南海岛礁区浅海地形无疑具有重要意义,它不依赖于常规水深测量数据,可获得较高反演精度,同时可获得海底反射率和海水光学参数。本文利用美国NASA EO-1卫星装载的高光谱成像仪Hyperion数据,以及Z P Lee提出的半分析模型和高光谱优化算法HOPE,反演南沙岛礁海域的浅海水深、海底反射率和固有光学参数。收集了覆盖南沙海域12个岛礁区9幅2007—2011年Hyperion L1数据,以及有关的水深现场测量资料。反演结果以中洲礁为例,0~15m水深范围,平均百分误差为14%,均方根误差为1.53,相关系数为0.96,0~25m水深范围,平均百分误差为15%,均方根误差为2.68,相关系数为0.93。中洲礁,中业岛,信义礁和双黄沙洲4个岛礁区浅海水深反演的平均百分误差为14%。研究结果证明,半分析模型和HOPE算法用于南中国海岛礁区浅海水深及光学参数测量效果良好,并可推广应用于在轨运行的中国HJ-1A卫星HSI高光谱数据及其他将投入运行的卫星高光谱数据。     

基于SPOT-6遥感影像的近海水深反演

水深反演对于浅海地形调查、海岸带保护和开发具有重要的意义。本文选取南海东锣岛海域为研究区,采用SPOT-6 6 m高分辨率数据,基于SPOT-6多光谱数据和水深实测值分别建立蓝-绿、蓝-红等6个波段比值模型。结果显示,绿-红波段的比值模型精度最高,R²值达到0.706 4,这对于反演热带海洋地区水深具有一定借鉴意义。基于该模型的反演结果对不同水深范围内的平均相对误差进行比较,结果表明:0~5 m水深范围反演误差较高,主要由于该范围水体情况较复杂,5～10 m 水深范围内平均相对误差最小为13.62%,而随着水深的增加,反演的误差增大,分析误差的主要来源是海水中的悬浮颗粒物、黄色物质、叶绿素质量浓度等方面的影响。     

基于分段自适应算法的浅海水深遥感反演融合模型研究

对于水深光学遥感反演研究，虽然已经建立了大量的模型方法，然而对于不同水深段，同一模型的反演精度各异，且采用单一模型进行水深反演得到的整体反演精度未必最佳。为了提高水深光学遥感反演的整体精度，本文提出一种分段自适应水深反演融合模型，模型在误差估计的基础上，结合了对数线性模型、对数转换比值模型、改进的对数转换比值模型与多调节因子模型的优势。利用模型在西沙群岛东岛开展了水深遥感反演实验，从整体反演精度、不同水深段反演精度及逐米水深精度等角度进行分析，结果表明，分段自适应融合模型的整体精度最高，平均绝对误差为1.09 m，平均相对误差达到16.06%；分水深段来看，分段自适应融合模型在多数不同水深段内的反演效果均最好；从逐米精度来看，分段自适应融合模型在大部分逐米水深段的反演能力均优于其他模型。     

基于半经验模型的水深反演及不同水深范围的误差分析

基于半经验遥感模型,开展广东省雷州湾SPOT-5影像不同水深范围的遥感反演及误差分析,给出不同模型对应的最佳水深范围和不同水深范围的最佳反演模型,结果如下：红光单波段模型、红光-绿光双波段模型、绿光-红光-近红外三波段模型均在2～5m水深范围内反演误差最小,分别为16.7%,13.2%和17.1%。0～2m水深范围内,红光-近红外双波段模型反演误差最小,为34.3%;2～5m水深范围内,红光-绿光双波段模型反演误差最小,为13.2%;5～10m水深范围内,红光-近红外双波段模型反演误差最小,为19.3%;10～20m水深范围内,三波段模型反演误差最小,为31.5%。     

基于光谱分层的浅海水深遥感反演方法

卫星水深反演是水深测量的一种重要手段,其中Stumpf比值算法和Lyzenga多项式算法应用广泛并诞生了大量改进算法,但这些算法没有顾及不同光谱的测深极限与适用范围,为此本文提出一种基于光谱分层的水深反演方法。首先,根据红、绿、蓝光谱对水体的穿透能力差异,提出一种基于影像本身的无参数光谱分层策略,提取红光层、绿光层、蓝光层;然后,根据不同光谱层的波段测深性能,分光谱层构建水深反演优化模型,获取浅海水深反演结果。以我国南沙海域长线礁和美属维尔京群岛巴克岛为实验区,本文方法对经典Stumpf比值算法和Lyzenga多项式算法进行改进后,水深均方根误差、平均绝对误差、平均相对误差分别降低了0.41～0.89 m、0.35～0.65 m、4%～19%,尤其在红光层,即水深较浅区域,平均相对误差降低了58%～149%,精度提升明显。因此,改进算法在提高卫星水深反演效果方面具有可行性和有效性。     

XGBoost算法在多光谱遥感浅海水深反演中的应用

在多光谱遥感浅海水深反演过程中,考虑到水体和底质影响,水深值和海水表面辐射亮度之间的线性关系不成立。本文以甘泉岛南部0～25m范围的沙质区域为研究区域,利用GeoEye-1多光谱遥感影像和多波束实测水深数据构建XGBoost非线性水深反演模型,研究了XGBoost算法用于水深反演的性能。以决定系数(R~2),均方误差(MSE)和平均绝对误差(MAE)作为评价指标,并与3种传统线性回归模型进行了对比分析。结果表明, XGBoost非线性水深反演模型的R~2、MSE和MAE分别为0.991、0.33m和0.44m,拟合程度最好,精度优于线性回归模型。为进一步探究各模型在不同水深的反演精度,将水深范围分成3段(0～8 m, 8～15 m, 15～25 m)分别进行精度验证和误差分析。结果表明, XGBoost模型在各分段的精度均优于线性回归模型, MSE依次为0.56 m, 0.14 m和0.43 m。可见,在单一底质区域下XGBoost模型的水深反演精度更高,且反演效果更稳定。     

GF-1 WFV图像经验模分解的光谱保真性与水深遥感探测

水深是海洋环境的重要参数之一，水深遥感反演是水深测量的一种重要手段。经验模分解（EMD）具有剔除小尺度波浪信息，留下大尺度水下地形信息的特性。本文利用EMD对高分一号卫星宽幅影像进行尺度变换，使用光谱相关系数、光谱角、光谱偏差和光谱相对偏差等评价指标，对剩余层图像进行光谱保真性分析；利用改进的对数转换比值模型对原始影像和剩余层图像进行水深反演，并进行相关性分析与精度评价。研究结果表明:（1）评价指标显示EMD变换后影像具有相当的保真性；空间断面分析表明EMD去除了小尺度的噪声信息，保留了水下地形变化信息。（2）经均匀分布的检查点验证，两区域的原图像反演水深和实测水深的相关性较好，相关系数达0.75以上，且两种波段组合的MAE和MRE均不超过2.42 m和8.5%。（3）对EMD的全部10层进行水深反演，蓝绿波段的MAE和MRE均不高于1.62 m和5.8%；绿红波段的MAE和MRE均不高于1.93 m和6.9%。（4）对于不同的波段组合，蓝绿波段组合在各剩余层的水深反演效果明显优于绿红波段，经EMD后的水深反演效果明显提高。（5）20~30 m水深段的反演精度整体要高于30~40 m，该模型应用于较浅水深段更具优势。     

基于TM影像的胶州湾水深遥感

以胶州湾20m以内浅水域为研究区域，并按照0～2m、2—5m、5—10m、10～20m的水深对其进行分区，利用Landsat-5 TM数据进行水深遥感。结果表明：各区分别建立线性回归模型反演水深的精度要高于不分区时建立的模型；无论分区与否，多波段组合模型的反演精度最高，且在既不是太深也不很浅的区域反演效果最好；新建立的多时相单波段模型反演水深的精度在水深较浅的区域精度有较大的提高。     

利用多波段卫星数据进行浅海水深反演方法研究

以遥感反演水深的基本原理为基础,利用我国南海永暑礁景区的TM数据和实测水深资料,通过TM多波段数据辐射校正、图像与海图地理配推、底质类型分区、潮汐改正和实测水深数据与相应的图像辐射值回归分析,建立了浅海水深反演模型,并进行了浅海岛礁水深的实际计算,总标准误差为2．14m。对我国南海30m以浅岛礁水深地形研究有很好的应用价值。     

基于GF5-AHSI遥感数据的横沙浅海水深反演

高光谱遥感水深反演是一种对传统水深测量方法的补充,具有方便、快捷、经济等突出优势。本文研究区位于上海横沙,属于典型滩涂浅水区,研究数据包括GF5-AHSI高光谱遥感数据和同时期的水深数据。通过数据变换和相关分析等方法提取建模参数,利用单波段比值模型、多元线性回归模型、最优标度回归模型和BP神经网络模型实现该区域水深反演,并对4种模型反演结果的准确性进行了验证和比较。研究发现：最优标度回归模型优于其他3种模型,R2达到了0.972,RMSE为0.47 m,适用于横沙浅海水深反演。     

基于CatBoost和XGBoost组合模型的水深反演

为获取高精度的水深信息以满足海洋研究各领域的需要,提出一种CatBoost和XGBoost模型组合的水深反演模型。选取Sentinel-2A卫星遥感数据,以瓦胡岛为研究区域,引入CatBoost和XGBoost模型,对二者进行线性组合,构建CatBoost-XGBoost组合模型。实验结果表明：组合模型的决定系数、均方根误差、平均绝对误差以及平均相对误差分别为95.32%、1.29 m、0.86 m、20.51%,与单一模型相比,组合模型的水深反演精度有一定提高。     

基于重叠正射影像的浅水水深测量方法

在立体影像双介质测量水深和多光谱影像反演水深的研究基础上,提出将两者集成的途径。在重叠正射影像的有纹理水域采用折射法获取水深值,将折射法获取的水深值作为多光谱反演模型的参考值,获取反演模型参数,将反演模型应用到无纹理水域,集成折射法和反演法的水深值,从而获取浅水区域的水下地形。以某浅海地区航空影像生成的左右正射影像为实验数据,采用折射法与反演法集成途径获取水深值,并与真值(激光水深点)进行回归分析,回归的决定系数(R~2)和均方根误差(RMSE)分别为0.9 m和0.45 m,验证了该集成途径的有效性和可行性。     

多光谱遥感在长江口水深探测中的应用

利用L andsat-7 ETM 遥感图像反射率和实测水深值之间的相关性,建立了单波段模型、双波段模型、比值模型和多波段模型等4种线性回归模型,以及动量BP人工神经网络水深反演模型,对长江口南港航道水深进行了反演,对比分析了不同方法在长江口水深反演计算中的优劣性,试验表明,神经网络反演模型标准误差最小,精度最高。