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。     

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。     

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。     

基于自扩展深度置信网络的原油油膜绝对厚度反演研究

海上溢油事故危害海洋生态安全、人类健康与经济发展。开展基于遥感技术的海面溢油量的估算研究,对于保护海洋生态环境具有重要意义,而油膜厚度反演是溢油量估算的核心环节。本文通过搭建室外实验场景,模拟真实海面溢油环境,基于现场实测高光谱遥感数据,开展海面溢油厚度反演研究。本文将深度学习与遥感技术融合,提出了基于自扩展深度置信网络的油膜厚度反演模型(oil thickness inversion generative adversarial and deep belief network,OG-DBN)。该模型由油膜光谱特征数据自扩展模块与油膜绝对厚度反演模块两部分组成。光谱特征数据自扩展模块能够基于实测高光谱遥感数据,自动筛选出光谱可分性较好的光谱特征区间,进而基于对抗生成网络(generativeadversarial network,GAN)进行样本扩展,增强模型的泛化性;油膜绝对厚度反演模块则是基于深度置信网络(deep belief network,DBN),深度挖掘不同厚度油膜光谱特征数据的光谱特性信息,精确反演油膜的绝对厚度。实验结果表明,本文提出的OG-DBN模型在可控实验条件下,原油油膜绝对厚度反演精度达到97.69%,决定系数R2为0.980,平均差控制在±0.06%;模型鲁棒性测试表明,该模型仍能保持较为稳定的反演精度,均高于93.33%,R2大于0.957以上,平均差在±0.6%以内。     

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。     

基于梯度提升决策树算法的水深反演研究

传统的水深测量方法多通过舰载声纳实地探测的方法,灵活性较差且水深资料更新周期长,并且在某些海域,船只往往难以靠近从而无法完成测量。本文使用七连屿海域附近的WorldView-2多光谱遥感影像构建了基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)算法的水深反演模型,并利用单波束与人工测量相结合的水深数据,与传统的单波段模型、双波段模型以及BP神经网络水深反演模型的水深数据进行了水深反演精度对比。结果表明,在0～20 m深海域,GBDT模型反演精度高于其他模型,且更符合实际水深,其检验点的R²为0.9664, RMSE为0.94 m, MAE为0.75 m, RME为19%。     

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。     

基于Landsat-8遥感影像和LiDAR测深数据的水深主被动遥

主被动遥感结合反演远海岛礁周边水深信息,不仅可以有效弥补传统测深方法覆盖范围小且费时费力的不足,也可为航运安全、海洋减灾、生态环境保护等领域提供基础资料。以夏威夷瓦胡岛周边水深反演为例,应用Landsat-8多光谱遥感数据和机载Li DAR测深数据,开展了不同密度Li DAR测深数据对水深多光谱遥感反演精度的影响分析、不同水深网格化处理方法对水深遥感反演结果的影响分析和基于少量Li DAR控制区块的大区域水深反演能力分析三方面的研究工作。结果表明:(1)Li DAR测深数据密度的改变对水深反演结果的影响不大,变化后的水深反演结果与原始的水深反演结果相比,平均相对误差变化在0.3%以内,平均绝对误差变化在0.03m以内;(2)采用均值格网处理方法的多光谱遥感水深反演精度要略高于采用中值格网处理方法的水深反演精度,具体体现在均值的平均绝对误差要比中值的低0.04~0.05 m,平均相对误差低1%~10%,反演结果的残差分布显示在0~2 m和20~25 m的水深段内均值统计法的残差分布更集中且其平均值接近于0 m,而在其它水深段二者的残差分布基本相同;(3)基于少量Li DAR控制区块的大区域遥感水深反演结果较为理想,两个检查区块的水深反演结果 R2、平均绝对误差和平均相对误差分别为:0.877,1.66 m,3.5%和0.941,1.62 m,28.4%。反演结果分段分析表明各水深段内反演的精度都比较理想,平均绝对误差除20~25 m水深段外,均低于2.5 m,平均相对误差除0~2 m,2~5 m外,均低于25%。     

基于Landsat-8遥感影像和LiDAR测深数据的水深主被动遥感反演研究

主被动遥感结合反演远海岛礁周边水深信息,不仅可以有效弥补传统测深方法覆盖范围小且费时费力的不足,也可为航运安全、海洋减灾、生态环境保护等领域提供基础资料。以夏威夷瓦胡岛周边水深反演为例,应用Landsat-8多光谱遥感数据和机载Li DAR测深数据,开展了不同密度Li DAR测深数据对水深多光谱遥感反演精度的影响分析、不同水深网格化处理方法对水深遥感反演结果的影响分析和基于少量Li DAR控制区块的大区域水深反演能力分析三方面的研究工作。结果表明:(1)Li DAR测深数据密度的改变对水深反演结果的影响不大,变化后的水深反演结果与原始的水深反演结果相比,平均相对误差变化在0.3%以内,平均绝对误差变化在0.03m以内;(2)采用均值格网处理方法的多光谱遥感水深反演精度要略高于采用中值格网处理方法的水深反演精度,具体体现在均值的平均绝对误差要比中值的低0.04~0.05 m,平均相对误差低1%~10%,反演结果的残差分布显示在0~2 m和20~25 m的水深段内均值统计法的残差分布更集中且其平均值接近于0 m,而在其它水深段二者的残差分布基本相同;(3)基于少量Li DAR控制区块的大区域遥感水深反演结果较为理想,两个检查区块的水深反演结果 R2、平均绝对误差和平均相对误差分别为:0.877,1.66 m,3.5%和0.941,1.62 m,28.4%。反演结果分段分析表明各水深段内反演的精度都比较理想,平均绝对误差除20~25 m水深段外,均低于2.5 m,平均相对误差除0~2 m,2~5 m外,均低于25%。     

Shallow water depth retrieval from space-borne SAR imagery

Based on shallow water bathymetry synthetic aperture radar (SAR) imaging mechanism and the microwave scattering imaging model for oceanic surface features, we developed a new method for shallow water depth retrieval from space-borne SAR images. The first guess of surface currents and winds are estimated from the normalized radar crossing section (NRCS) profile of shallow water bathymetry SAR imagery, according to the linear theory and geophysical model function. The NRCS profile is then simulated by the microwave scattering imaging model. Both the surface currents and winds are adjusted by using the dichotomy method step by step to make the M4S-simulated NRCS profiles approach those observed by SAR. Then, the surface currents and the wind speeds are retrieved when a best fit between simulated signals and the SAR image appears. Finally, water depths are derived using the Navier–Stokes equation and finite difference method with the best estimated currents and the surface winds. The method is tested on two SAR images of the Taiwan Shoal. Results show that the simulated shallow water NRCS profile is in good agreement with those measured by SAR with the correlation coefficient as high as 85%. In addition, when water depths retrieved from the SAR image are compared with in situ measurements, both the root mean square and relative error are less than 3.0 m and 6.5%, respectively, indicating that SAR images are useful for shallow water depth retrieval and suggesting that the proposed method in this paper is convergent and applicable.     

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。     

Remotely sensing in detecting the water depths and bed load of shallow waters and their changes

Bed load is a type of sand drift and accumulation on the sea-bed. Sand drift is a very important index to survey the erosion or deposition of coastal zone. The change of water depths indicates the change of bed load in shallow waters. The conventional method for measuring water depth uses the shipboard echo sounder, which is accurate for point-measurement, but is a time-consuming and labor-intensive task. For periodic survey of bathymetry as synoptic scale, the remote sensing method may be a viable alternative. Wave spectrum bathymetric (WSB) method takes advantages of remote sensing to obtain the bathymetry of shallow waters safely, economically and quickly. The WSB method is feasible to detect the change of water depths over coastal zones where water depths are less than about 12 m. This remote sensing method is worthy to be well developed and efficiently applied to change detection of water depths and bed load in shallow waters.     

基于单景高分辨率光学卫星遥感影像的浅海水下地形提取

本文基于海浪波折射现象和浅水波理论,提出了一种基于单景高分辨率光学遥感影像的浅海地形提取方法。首先,基于浅水波理论推导出适用于浅海区域的水深与海浪波长、频率的定量关系,针对近岸光学遥感图像复杂的海浪特征,讨论了两种海浪波长提取方法,即FFT方法和剖面线法。然后提出了基于长距离波长波动分析的海浪频率计算方法,解决了单景遥感影像的波浪频率计算难题。最后,利用单景QuickBird高分辨率光学遥感影像,以海南岛三亚湾为研究区域进行了应用实验,结果表明,对12m以浅的浅海区域,在不需要任何辅助参数的情况下,反演获得了浅海地形(DEM),经与1:25000比例尺海图的水深对比验证,地形趋势吻合良好,反演水深的均方根误差为1.07m,相对水深误差为16.2%,表明该方法适合于浅海水下地形的提取,且具有无需实测水深数据和环境参数的支持的优点。     

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。     

Automatic Registration of TOBI Side-Scan Sonar and Multi-Beam Bathymetry Images for Improved Data Fusion

Deep towed side-scan sonar vehicles such as TOBI acquire high quality imagery of the seafloor with very high spatial resolution but poor locational accuracy. Fusion of the side-scan sonar data with bathymetry data from an independent source is often desirable to reduce ambiguity in geological interpretations, to aid in slant-range correction and to enhance seafloor representation. The main obstacle to fusion is accurate registration of the two datasets.The application of hierarchical chamfer matching to the registration of TOBI side-scan sonar images and multi-beam swath bathymetry is described. This matches low level features such as edges in the TOBI image, with corresponding features in a synthetic TOBI image created by simulating the flight of the TOBI vehicle through the bathymetry. The method is completely automatic, relatively fast and robust, and much easier than manual registration. It allows accurate positioning of the TOBI vehicle, enhancing its usefulness as a research tool. The method is illustrated by automatic registration of TOBI and multi-beam bathymetry data from the Mid-Atlantic Ridge.     

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。