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。     

基于水深分段选择因子的多光谱影像反演水深

岛礁周边海底地形精密测量是海洋测绘的难点问题之一,利用多光谱卫星能精确测定岛礁周边水深地形,是传统岛礁水深测量有效的补充方式之一。本文以蜈支洲岛周围水域为研究区域,提出了基于BP神经网络水深分段选取反演因子的方法,利用WorldView-2数据和多波束实测数据建立多模型,整合预测的各段水深获得海底地形。实验表明,本文方法能充分利用水体的光谱特性,与单一BP神经网络模型结果相比,MRE降低了6.4%,RMSE降低了1.2 m,是一种可行的多光谱水深反演的方法     

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%。     

基于神经网络技术的遥感水深反演模型研究

利用Landsat7 ETM+遥感影像反射率和实测水深值之间的相关性,选取了相关性较好的ETM1、ETM2、ETM3、ETM4、ETM3/ETM2等5个水深反演因子,建立了BP神经网络水深反演模型。为充分体现BP神经网络模型的优越性,利用SPSS软件建立了单波段、波段比值、多波段三种不同的线性回归模型。通过对比发现,具有很好的自适应能力和非线性映射能力的BP神经网络模型在处理遥感水深反演问题上比传统的线性模型效果更好。     

基于粒子群优化神经网络的水深反演模型

针对直接采用BP神经网络反演水深收敛速度慢,且易陷入局部最优的问题,提出了一种基于粒子群(PSO)优化BP神经网络的水深遥感新模型。该模型首先利用粒子群算法对BP神经网络的权重和阈值进行优化,然后将该优化值作为BP神经网络的初始值,最后再将PSO优化后的模型用于测试海区的反演精度评估。实验结果表明,该模型的网络收敛速度明显加快,水深反演的精度也得到提高。     

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。     

基于多项式回归模型的岛礁遥感浅海水深反演

Lyzenga's模型由于简单有效得到广泛应用,但是模型易欠拟合导致精度不高。本文提出了一种基于Lyzenga's模型的改进模型,通过增加多项式次数的方法,扩大模型特征维度,使得反演模型正确拟合,从而提高反演精度。基于WorldView-2遥感影像和0~30 m实测水深数据反演岛礁周围浅水水深,使用10折交叉验证和模型残差分析两种方法验证了改进模型的有效性和鲁棒性。结果表明,改进模型精度更高,在多项式次数为3时,模型最优。最后,根据改进模型反演得到的水深建立岛礁水下地形模型,能够直观、丰富地表达岛礁礁盘的微地形信息。     

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精度最高,相关系数分别达到了0.870和0.853。基于该模型的反演结果对GeoEye-1和WorldView-2遥感数据在不同水深范围内的反演精度进行比较,结果表明,两种数据在不同水深范围内的反演误差变化趋势一致,平均相对误差最大值均出现在0～5 m,而最小值均出现在20～25 m。总体而言,WorldView-2影像反演水深的精度高于GeoEye-1影像的反演精度。研究对于热带浅海区的水深反演工作具有一定的参考意义。     

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。     

岛礁周边水深光学遥感反演模型比较与分析

岛礁周边水深精确测量是海洋测绘工作的难点之一,光学遥感技术在浅水区域尤其是无人到达的深远海岛礁区域有其独特的优势,可作为传统测深的有效补充手段.利用蜈支洲岛WorldView-2多光谱遥感影像和实测水深数据,对比了多波段回归模型、对数波段比值模型、支持向量机回归模型(support vector regression,...     

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。     

珠江口水深遥感反演研究

建立了珠江口2个试验区遥感测深的多种统计相关模型,并选取相关性最好的模型进行水深反演和结果分析,探讨了不同悬沙浓度情况下遥感测深的可能性和实用性。结果表明,对于悬浮泥沙浓度大的试验区1,实测水深值和遥感各波段DN值的相关性＜0.5,实际反演水深的能力较差,加入了泥沙因子的统计相关模型相关性有较大提高,但水深反演精度仍不高,达不到实际应用的精度;而悬浮泥沙浓度较小的试验区2,实测水深值和遥感各波段DN值的相关性基本大于0.7,但加入泥沙因子后水深值和遥感波段的相关系数并没有提高,以B2为反演因子的指数模型反演精度最高,5~10 m水深段的反演效果最好,平均相对误差为22.5%、平均绝对误差为1.56 m,模型总体平均相对误差为31.9%、总体平均绝对误差为1.92 m,反演结果较好地反映了试验区2的水深情况。从所建模型来看,非线性模型的反演效果均好于相应的线性模型,多因子模型好于单因子模型。     

遥感水深反演海图修测应用研究

卫星遥感技术可以应用于浅海水下目标探测,是特殊区域碍航物探测的有效手段。结合海岛礁的特殊地理环境和测绘需求,采用高分辨率卫星影像进行浅水深反演试验,提出的高分辨率预处理方法实用、有效;并与海图数据结合,进行水深标定和海图修测应用分析。研究结果表明,针对南海岛礁,应用高分辨率卫星影像可以获取岛礁分布和轮廓、概略等深线信息、潜在航道以及水下障碍物信息等,能达到修测海图的目的。     

4种遥感水深反演机器学习模型的比较

为探究不同遥感水深反演机器学习模型的差异,以WorldView-2高分辨率多光谱影像与实测水深数据为数据源,应用BP神经网络模型、随机森林模型、梯度提升决策树模型及支持向量机模型开展水深反演实验,对4种水深反演模型的精度进行比较与评价。实验结果表明：机器学习模型反演水深,具有一定精度,平均相对误差(MRE)可优于20%。4种模型中,同为集成学习模型的随机森林模型与梯度提升决策树模型在两个实验区域,反演水深的RMSE值、MRE值与R2值明显优于BP神经网络模型和支持向量机模型,具有更好的浅水水深反演效果和适用性。