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。     

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。     

基于WorldView-2遥感影像反演浅海水深过程中太阳耀斑的去除方法

基于Hedley等的方法对WorldView-2遥感影像反演岛礁水深时的太阳耀斑进行去除,在技术实现过程中根据WorldView-2波段设置的特殊性做一定的改进,将8波段分为两组,其中蓝、绿、红波段依据近红外1波段来去耀斑,海岸、黄、红边波段依据近红外2波段来去耀斑,在具体应用中完整实现该理论方法。结果表明,去耀斑后无论是对水深反演结果的精度上还是从影像直观视觉上都有提高,该方法有利于WorldView-2影像处理中耀斑去除的常规化应用。     

利用多波段卫星数据进行浅海水深反演方法研究

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。     

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。     

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     

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。     

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。     

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。     

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。     

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。     

胶州湾海域海水浊度和悬浮物粒径分布及遥感反演模型

为拓展无人机搭载多光谱相机在海上应用的广度和精度,利用2021年1月、3—7月共6个航次的胶州湾海域现场观测数据,采用多种数理统计方法,开展了海水浊度和悬浮物粒径时空分布特征及基于多光谱数据的遥感反演研究。浊度和悬浮物粒径的分析结果表明,胶州湾湾内海域表层浊度冬季偏低,春夏季高,特别是5月浊度最高,是春季水华暴发浮游植物大量繁殖的结果。胶州湾悬浮颗粒以极细砂为主;悬浮物粒径冬季较粗、春季较细、夏季最小,与水动力条件的季节变化密切相关。将多光谱数据计算得到的不同波段离水辐照度反射率与浊度和悬浮物粒径分别进行相关性分析,结果显示红光波段(660～680nm)的辐照度反射率对浊度和粒径参数最敏感。基于红光波段的波段组合构建了多种函数类型的浊度反演模型,基于450和660 nm处的离水辐照度反射率构建的多项式模型反演效果最好,预测浊度与实测浊度的相关系数为0.82,预测浊度的均方根误差为1.448 FTU。通过基于红光波段的波段组合以及后向散射系数分别构建平均粒径的反演模型,基于555和660 nm处的离水辐照度反射率构建的多项式模型对平均粒径有较好的预测效果,预测结果的均方根误差为0.051...