共查询到17条相似文献,搜索用时 159 毫秒
1.
2.
利用多波段卫星数据进行浅海水深反演方法研究 总被引:18,自引:1,他引:18
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。 相似文献
3.
基于GeoEye-1和WorldView-2遥感数据的浅海水深反演比较研究 总被引:1,自引:1,他引:0
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。 相似文献
4.
《海洋技术学报》2018,(6)
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。 相似文献
5.
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。 相似文献
6.
《热带海洋学报》2017,(2)
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。 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
澙湖是中国北方重要的滨海生态系统之一,水深较浅、透明度较低、底质类型复杂、人类干扰频繁等特点导致澙湖水深资料长期缺乏或存在较大误差,极大地制约了澙湖生态系统的研究和保护。本研究在现场实测水深的基础上,使用IKONOS高分辨率卫星影像,将山东荣成月湖水域划分为浅水区、植被区和深水区三类分别进行水深反演。研究表明红光波段(Band3)对水深的敏感性最高,分区建立线性回归模型反演水深的精度高于不分区的精度,多波段组合模型的反演精度最高,植被对水深反演的精度影响较大。反演结果表明,月湖水深最深处达271.23cm,水深反演的平均相对误差为13.16%。 相似文献
10.
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。 相似文献
11.
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。 相似文献
12.
13.
14.
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。 相似文献
15.
GF-1 WFV图像经验模分解的光谱保真性与水深遥感探测 总被引:3,自引:2,他引:1
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。 相似文献
16.
利用合成孔径雷达(Synthetic Aperture Radar, SAR)反演浅海水深在海洋遥感中极具挑战性。本文采用梯度提升决策树(Gradient Boosting Decision Tree, GBDT)为核心的机器学习算法, 使用Sentinel-1、全球水深数据、风场和流场数据来反演杭州湾和长江口南缘相连的浅海区域的水深。首先分析反演的最佳风速和迭代次数, 再对0~10 m、10~20 m、20~30 m、30~40 m、40~50 m的分段水深和0~10 m、0~20 m、0~30 m、0~40 m、0~50 m的总体水深用相关系数、均方根误差和平均绝对误差进行精度评价, 最后分析反演水深的空间分布特征。结果表明: 反演的最佳风速约为3.78 m/s, 并且GBDT模型达到最佳精度时的迭代次数远小于其他模型, 最佳迭代次数为4。分段水深中, 40 m以内的相关系数都高于0.8, 其中以10~20 m的相关系数最高, 为0.9; 40~50 m则最低, 为0.73。40~50 m的平均绝对误差和均方根误差均为最大, 分别为1.89 m和2.24 m, 20~30 m的平均绝对误差和均方根误差均为最小, 分别为0.75 m和0.96 m。在总体水深中, 虽然随水深区间的扩大, 相关系数会逐渐增加, 但是平均绝对误差和均方根误差的精度都随水深区间的扩大而下降, 且在0~50 m区间内的平均绝对误差和均方根误差最大, 分别为1.06 m和1.59 m, 因此反演的最佳区间为0~40 m。该区域的水深从杭州湾海岸线开始由浅及深阶梯增加, 反演结果能够较好的表现研究区内的实际水深分布情况, 比较符合当前区域的水下地形特征。 相似文献
17.
针对浅海测深的数据特点和应用需求,以我国南海甘泉岛为例,研究了利用ICESat-2(Ice,Cloud,and Land Elevation Satellite-2)激光卫星数据和光学遥感影像开展主被动融合水深测量的方法。首先通过信号点提取、水面/水底识别、水下点折射改正等步骤处理ICESat-2数据,获得水深值,随后以激光点作为控制,计算光学水深反演模型参数,最后由点及面地获取大范围高精度水深。实验表明,甘泉岛区域主被动融合测深中误差优于1.30m,基于激光卫星数据的主被动融合测深方法能够为浅水水深测量提供新手段。 相似文献