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。     

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。     

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。     

基于高分一号卫星多光谱数据的岛礁周边浅海水深遥感反演

高分一号卫星作为我国首颗对地观测高分辨率卫星,充分挖掘其在海洋领域的应用潜力具有重要意义。以西沙群岛晋卿岛周边浅海水域为研究区域,应用国产高分一号卫星多光谱数据,在开展图像几何校正、大气校正和耀斑校正预处理的基础上,应用常用的双波段线性和对数比值模型开展晋卿岛周边浅海水深反演,并利用实测水深数据开展精度评价,对比分析不同模型反演结果,探讨影响岛礁浅海水深反演精度的可能因素。研究表明,双波段线性模型的反演精度要明显优于对数比值模型,更适合应用于晋卿岛周边浅海水深反演,其20m以浅水深反演均方根误差为1.8m,在5m以浅区域的均方根误差为1.14m,达到了目前浅海水深卫星遥感反演的精度水平。     

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。     

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。     

基于地理加权回归模型的水深反演算法研究

利用卫星多光谱数据反演浅海水深是水深测量的一种重要手段。已有水深反演方法是在研究区建立统一的数学参数的反演模型,未考虑由于海底底质和水质变化导致的空间非平稳性问题。本文使用地理加权回归模型(Geographically Weighted Regression, GWR)对回归参数在空间上进行估计,针对GWR模型的带宽对反演精度的影响,使用了交叉验证(Cross Validation,CV)的方法来确定最佳带宽,并以南海永兴岛和甘泉岛海域为实验区,基于WordiVew-2多光谱数据对使用GWR模型的可行性和精度进行了验证。实验结果表明:永兴岛研究区GWR模型精度较线性回归模型提高了36.05%,在0~5,5~10,10~15和15~20 m区间,精度分别提高了49.46%,39.97%,12.36%和49.68%;甘泉岛研究区GWR模型精度较线性回归模型提高了8.08%,在0~5,5~10,10~15和15~20 m区间,精度分别提高了12.05%,16.23%,4.49%和12.23%,表明GWR模型具有更好的水深反演效果。     

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。     

空间分辨率对水深遥感反演的影响分析

遥感水深反演中空间分辨率的影响是一个重要的科学问题。本文使用东岛的QuickBird和WorldView-2多光谱影像及实测水深点进行实验研究,实验使用了原始空间分辨率（2.4/2m）以及4种降空间分辨率（4m,8m,16m和32m）的影像,使用相同的水深控制点开展水深遥感反演,并对水深反演结果使用相同的检查点进行精度验证。实验结果表明,随着空间分辨率由2.4/2m降低至4m,8m和16m,水深遥感反演的精度呈现出逐渐提高的趋势,进一步降低空间分辨率则会导致水深反演精度下降。当影像空间分辨率为16m时,水深反演结果误差最小且与实测水深值相关性最高,此时两景影像的水深反演平均相对误差分别21.2%和13.1%,相对于最大值分别降低了14.7%和2.9%;平均绝对误差分别为2.0m和1.4m,相对于最大值分别降低了1.0m和0.5m。本文研究结果为水深遥感反演研究与应用中遥感数据的选择提供了参考。     

控制点与检查点数量和比例对水深遥感反演精度的影响分析

在水深遥感反演半经验模型中,水深控制点和检查点选取是一项非常重要的工作,前者用于建立实测水深值与遥感影像灰度值之间的数量关系,后者用于评价水深反演精度。但前人在相关研究中并未就控制点和检查点的选取数量和比例给出有实验依据的建议,亦未开展其对水深反演精度的影响分析。针对这个问题,作者使用6020个实测水深点和World View-2、GF-1 WFV、Landsat8 OLI 3种多光谱影像,基于三波段水深反演模型开展了81组实验,分析比较了不同数量和比例的控制点与检查点对反演结果的影响,评价过程利用平均绝对误差(Mean Absolute Error,MAE)、平均相对误差(Mean Relative Error,MRE)和反映实测水深与反演水深相关性的决定系数R2等3种参数。结果表明:(1)当控制点数量达到31个时,水深反演精度即趋于稳定;(2)检查点数量在30个时,其评价指标已可以代表模型反演精度;(3)控制点和检查点的数量比例对反演精度并无影响,但控制点选取过多则会产生反演精度降低的现象,采用人工选取检查点时剔除浅水区的异常点即可有效避免这一问题。     

HY-2B卫星散射计神经网络多区间风速反演

以欧洲中期天气预报中心ECMWF(European Centre for Medium Range Weather Forecasts)的ERA5风场数据为真实风速参考值,利用HY-2B卫星散射计L2A数据,使用反向传播神经网络方法对风速进行了反演,分别建立了中高风速、中低风速和全风速反演模型。与基于NSCAT-4地球物理模式函数得到的L2B风速相比,在训练集中,3种网络模型反演风速的均方误差(Mean Square Error,MSE)分别达到了0.18,0.14和0.32 m/s,平均绝对值误差(Mean Absolute Error,MAE)分别达到了0.27,0.24和0.34 m/s;在测试集中,3种网络模型反演风速的均方误差(MSE)分别达到了0.54,0.27和0.46 m/s,平均绝对值误差(MAE)分别达到了0.48,0.35和0.42 m/s。研究结果表明,中高和中低风速模型优于全风速模型,其中中低风速模型反演风速的MSE和MAE最低,中高风速模型反演风速的MSE和MAE下降幅度最大;3种模型都具有良好的泛化能力。     

Derivation of Bathymetry from High-resolution Optical Satellite Imagery and USV Sounding Data

Remote sensing bathymetry inversion can quickly obtain water depth data of large areas, but this process relies on a large number of in-situ depth data points. USV-based (Unmanned Surface Vehicle) technique can obtain the bathymetry data of shallow water where ordinary ships are inaccessible, but this technique is inefficient and generally only data along survey line can be collected. The combination of USV and high-resolution remote sensing provides a new solution for water depth surveying and mapping around an island. This paper focuses on the key techniques, using USV sounding data and GeoEye-1 multispectral remote sensing images covering the region of Wuzhizhou island in the experiment. The results show that the MAE (Mean Absolute Error) of USV sounding is 0.25 m, while the MRE (Mean Relative Error) is 1.41%, and the MRE of remote sensing bathymetry aided by USV sounding can be controlled within 20%. Errors are mainly from areas shallower than 5 m, and are also affected by the USV sounding position accuracy. It shows that it is feasible to combine the USV sounding and high-resolution remote sensing bathymetry, and this technique has broad application prospects in the field of bathymetry in large shallow areas.     

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。     

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%。     

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。     

Using inverse theory and seabeam bathymetry to improve seismic refraction data corrections

An array consisting of ocean bottom seismometer and on-bottom hydrophones, was used to conduct a seismic experiment on 0.4 Ma crust east of the Juan de Fuca Ridge. Seismic sources were large (>50 kg) explosive charges detonated by SUS devices set to explode at 1829 or 2438 m nominal depth. The objectives of the experiment were to determine the compressional wave velocity and attenuation structures of the uppermost 500 m depth. The relative positions of shots and receivers were originally determined by treating each shot-receiver pair independently, via raytracing of various water waves. Due to the reflection of some of these water waves by the rough bottom, significant scatter resulted, preventing a determination of a physically realizable velocity-depth function. A new method is described that co-locates shot and receiver positions, including receiver depths consistent withseabeam bathymetry, using only the water waves that do not interact with the bottom. Several potential pitfalls are outlined using this method. A stable solution could only be achieved by discarding shots located well outside the array. The water path corrections were applied to the refracted arrivals, again using theseabeam bathymetry. The joint inversion location procedure, along with the use of precise gridded bathymetry, reduced the travel time scatter to a level whereby a velocity-depth function could be determined. The results, using only the hydrophone data, indicate an initial velocity at the seafloor of 2.7 km s^-1 with gradients from 4.6 s^-1 slowly decreasing to 4.1 s^-1 at 679 m depth. This velocity is similar to others conducted over very young oceanic crust, and can be interpreted as being due to a high porosity at the surface, due to cracks, fissures, and open pores, which rapidly diminish with depth.