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。     

南黄海辐射沙脊群海域的水深遥感

南黄海的辐射沙脊群海域地形地貌复杂多变,应用遥感技术来测量其水下地形不仅有可能,而且势在必行。在对沿海及长江口门内外遥感反演水下地形研究的基础上,选择沙脊群海域中有代表性的一块水域为研究区,同步测量其水下地形和水流、悬沙含量,用实测地形和MODIS影像数据建立水深反演模型,同时分析该区域的悬沙光谱特征,选择悬沙遥感参数,以MODIS数据的水深反演模型和沙脊群水域的悬沙遥感参数为依据,建立削弱悬沙影响的水深遥感模型,从而反演出1.5×104km2的辐射沙脊群水下地形。从反演结果看,所建模型的相关系数二次方的值为0.664,F-值为18662,平均绝对误差为1.52m,平均相对误差为24%,5~15m水深段的平均相对误差只有18%,反演效果较好。     

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。     

水深可见光遥感方法研究进展

水深测量对于水利、航运、近海工程等具有重要作用。在总结国内外水体遥感测深主要方法和研究进展的基础上,对水深遥感反演中各类模型存在的问题进行了讨论。结果表明:理论解译模型模拟了光在水体内的辐射传输过程,水深反演精度较高,但模型计算需要大量的水体光学参数且计算过程烦琐;半理论半经验模型对理论解译模型进行了简化,所需水体光学参数少且具有较好的精度而被广为应用;统计相关模型通过直接建立遥感图像光谱值和实测水深之间的相关关系而获得水深数据,且计算相对简单,但由于实测水深值与遥感图像光谱值的事实相关性无法保证,使采用该类模型反演的水深结果有时并不理想。提高水深遥感反演精度,必须进一步加强遥感器研究,充分考虑水体中的溶解、悬浮物质等信息干扰,科学构建水深模型和大气校正模型。     

基于机载高光谱的长江口北港悬沙浓度反演

机载高光谱遥感是悬沙浓度反演的重要方法。针对高光谱悬沙浓度反演中敏感波段和反演方法的确定,以机载高光谱影像为数据源,采用相关性分析法确定单波段模型和双波段组合模型的敏感波段,并基于敏感波段构建单变量回归模型,确定最佳反演模型并获取长江口北港区域的悬沙浓度空间分布特征。结果发现,基于归一化差值指数(NDWI)构建的二次多项式模型为最佳反演模型,精度上优于其他5种常用的反演模型;且长江口北港区域的悬沙浓度与水下地形基本上呈倒数关系。相较于基于多光谱卫星影像进行遥感反演,本文的结果表明高光谱影像的精细化光谱能够更为准确地表达含沙水体的光谱信息变化,在复杂的水环境反演研究中具有重要的应用价值。     

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。     

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。     

多光谱遥感水深反演的数据匹配方法研究

在多光谱遥感水深反演中,数据匹配是建立统计相关模型的基础。采用两种多光谱遥感影像数据,研究了像元找水深点的顺序匹配法和水深点找像元的顺序匹配、二分匹配和像元坐标法等数据匹配方法,并开展相应的实验验证。结果表明,4种匹配方法一定程度上能满足当前多光谱遥感水深反演的数据匹配需要,其中,水深点找像元的像元坐标法耗时最短,匹配效率最高。     

基于极限学习机的浅海水深遥感反演研究

以Sentinel-2A遥感影像为数据源,在数据预处理基础上,使用极限学习机建立水深反演非线性回归模型,并与双波段回归模型、神经网络BP模型进行了比较。结果表明,总体上,支持极限学习机反演精度比较高,在水深5～20m处,极限学习机模型具有较高的反演精度和良好的效果,适用于研究区的水深反演。     

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。     

大气校正模型对多光谱水深反演影响的多维度分析

大气校正是水体定量遥感的基础与前提。本文从大气校正模型、大气校正模型参数、水体组分差异以及水深反演波段组合方式4个维度探讨大气校正模型对水深反演的影响。研究采用6S、FLAASH、ACOLITE与QUAC 4种大气校正模型,选取大陆型、海洋型与城市型气溶胶模式,以瓦胡岛西北侧与谢米亚岛周边浅水作为清洁水体研究区,以辽东浅滩与槟城海峡作为浑浊水体研究区,基于Landsat-8多光谱影像开展大气校正,并采用8种波段组合方式进行水深遥感反演。研究结果表明:（1）4种大气校正模型均可在一定程度上削弱大气对水体信号的影响;因参数选取以及研究区水体组分的不同,不同模型的校正结果存在一定差异;两类水体反射率峰值分别出现在蓝波段与绿波段;（2）6S大气校正模型鲁棒性较强,该模型因研究区水体组分发生变化导致对应的水深反演结果与其余模型相比波动较小;FLAASH模型在海洋型和城市型两种气溶胶模式水深反演结果在浑浊水体存在较为明显的差异,辽东浅滩浅水区平均相对误差相差7.9%;ACOLITE模型受水体类型影响显著且对浑浊水体具有优越性与稳定性,平均相对误差较FLAASH降低5.6%;（3）多波段水深反演精度普遍优于单波段,但反演精度与波段数目之间无显著的相关性;水深反演波段组合方式对不同研究区敏感性不同,清洁水体三波段模型的反演精度较好,浑浊水体中四波段模型的反演精度最优,平均相对误差较三波段模型降低达5.6%。     

基于遥感海浪信息的近岸水深反演模型

基于遥感影像的测深技术具有易获取、成本低和覆盖率大等优势,是目前的研究热点问题之一。为在波浪折射的基础上,进一步综合考虑绕射及非线性的影响,本文提出了一种基于海浪波数和波高信息的近岸水深反演模型。将模型与Berkhoff 椭圆形浅滩理想试验对比,平均误差为0.13%,显著小于现有基于频散关系反演水深的方法。进一步应用模型反演三亚湾近岸地形,通过与海图对比,平均误差为11.58%,且大部分区域的误差小于10%。部分区域误差较大,主要是由于遥感影像获取的波数空间分辨率和精度较低。以上结果表明该模型可以利用遥感海浪信息较准确推算近岸水深。本文对于近岸浅海区的水深反演工作具有一定的参考价值。     

含沙水体水深遥感方法的研究

遥感测深技术是海岸、河口及其他水体水深测量的一种新方法,应用前景广阔。在海洋的近岸、河口处水体相对浑浊,利用可见光技术测深的精度依赖于建立合适的水深反演模型和考虑水体悬浮物质的影响。选择合适的水深反演因子和比较多种线性、非线性水深反演模型,通过对水体悬浮泥沙光谱特性的研究,建立了适于河口、近岸浅水浑浊水体并考虑悬沙浓度影响的水深反演模型。通过检验,由该模型反演的平均相对误差小于15%,在7~14 m的水深段反演效果更好,其平均相对误差小于8.5%。     

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OLI多光谱遥感影像的八所港浅海水深反演

为了解决传统全局模型应用遥感影像反演水深的不足,提出地理自适应模型应用于八所港Landsat-8 OLI多光谱卫星影像。采用归一化水体指数进行水陆分离,在产生模拟数据时,为保证数据的合理性,对光谱灰度值进行自然对数求解。地理自适应模型将整个区域细分为5个小的区域单元,模型参数是自适应变化的,一般数学形式与传统全局模型一样。通过反演15m以浅的水深,发现光谱中对水体的敏感波段出现"红移";水深反演结果证明地理自适应模型有效地缓和了全局传统模型在底质类型和水体性质空间不均匀的问题,水深反演精度得到明显提高,并控制在1m以内。     

基于GeoEye-1和WorldView-2遥感数据的浅海水深反演比较研究

浅海区水深的精确反演对于海洋空间管理和生态环境保护至关重要.选取南海西沙群岛的羚羊礁海域为研究区,基于GeoEye-1和WorldView-2高分辨率多光谱遥感数据和实测水深数据,分别建立了单波段模型、多波段模型和波段比值模型.结果显示,由绿波段参与建立的水深反演模型相关性普遍较高,同时利用4个波段组合建立的多波段模型...