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。     

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。     

基于二分搜索的水深数据与遥感影像匹配算法

研究了遥感水深反演的数据匹配方法,分析了插值加密法与最短距离法的优缺点。针对高分辨率卫星影像海量数据,传统匹配方法无法有效进行数据匹配问题,提出基于二分搜索的阈值距离法。实验表明,新算法的匹配效率与匹配精度得到了显著提高,有助于获得更好的水深反演效果。     

基于卫星遥感数据的全球表层流场反演重构

利用2000—2008年的卫星高度计资料和QuikSCAT风场资料,反演了全球的海表的地转流和Ekman流,将两者合成后生成了0.5°×0.5°的逐周全球表层流产品。在计算Ekman流的时候,引入了权重函数,改进了Lagerloef方法中Ekman流在25°S和25°N上的不连续问题。分析表明:卫星资料反演的流产品能够反映出海表流场的特征,将其分别与TAO观测和SCUD流产品进行定量化的比较显示,所得流产品具有较高的反演精度和可信度,说明改进的方法是有效的。     

基于卫星遥感数据的全球表层流场反演重构

利用2000~2008年的卫星高度计资料和QuikSCAT风场资料,反演了全球的海表的地转流和Ekman流,将两者合成后生成了0．5°×0．5°的逐周全球表层流产品。在计算Ekman流的时候,引入了权重函数,改进了Lagerloef方法中Ekman流在25°S和25°N上的不连续问题。分析表明：卫星资料反演的流产品能够反映出海表流场的特征,将其分别于TAO观测和SGUD流产品进行定量化的比较显示,所得流产品具有较高的反演精度和可信度,说明改进的方法是有效的。     

海水石油类物质吸收系数遥感化提取算法研究

Establishing the remote sensing algorithm of retrieving the absorption coefficient of seawater petroleum substances is an efficient way to improve the accuracy of retrieving a seawater petroleum concentration using a remote sensing technology. A remote sensing reflectance is a basic physical parameter in water color remote sensing. Apply it to directly retrieve the absorption coefficient of seawater petroleum substances is of potential advantage. The absorption coefficient of waters containing petroleum [ACWCP, a_o(λ)], consists of the absorption coefficient of pure water [ACPW, a_w(λ)], plankton [ACP, a_(ph)(λ)], colored scraps [ACCS, a_(d,g)(λ)], and petroleum substance [ACPS, a_(oil)(λ)]. Among those, ACCS consists of the absorption coefficient of nonalgal particle [ACNP, a_d(λ)] and colored dissolved organic matter [ACCDOM, a_g(λ)]. For waters containing petroleum, the retrieved ACCS using the existing method is a combination absorption coefficient of ACNP,ACCDOM and ACPA [CAC, a_(d,g,oil)(λ)]. Therefore, the principle question is how to extract ACPS from CAC.Through the analysis of the three proportion tests conducted between the year of 2013 and 2015 and the corresponding remote sensing data, an algorithm of retrieving the absorption coefficient of petroleum substances is proposed based on remote sensing reflectance. First of all, ACPS and CAC are retrieved from the reflectance using the quasi-analytical algorithm(QAA), with some parameter modified. Secondly, given the fact that the backscatter coefficient [BC, b_(bp)(555)] of total particles at 555 nm can be obtained completely from the reflectance, the relation between BC and ACNP in petroleum contaminated water can be established. As a result, ACNP can be calculated. Then, combining the remote sensing retrieving algorithm of a_g(440), the method of achieving the spectral slope of the absorption coefficient can be established, from which ACCDOM,can be calculated. Finally, ACPS can be computed as the residual. The accuracy of ACPS based on this algorithm is 86% compared with the in situ measurements.     

基于SMAP卫星雷达资料的海冰密集度反演技术研究

SMAP是美国于2015年初发射的一颗卫星,搭载了L波段的雷达。它采用圆锥扫描方式,具有固定的入射角、较大的幅宽和千米级的分辨率,在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心（NSIDC）海冰密集度产品建立3.125 km和25 km匹配数据集,分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性,建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度,本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析,SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14;与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18,这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。     

基于MODIS数据的渤海海冰厚度反演算法优化

海冰厚度是监测与研究渤海海冰的重要参数。为了获取更加可靠的渤海海冰厚度数据,本研究基于MODIS数据对海冰厚度反演中的冰水分离环节和冰厚计算方法都进行了改进。对于冰水分离环节,本文在Canny边缘检测算子提取海冰基础上,加入了二值化处理、阈值判别等步骤,实现了较高精度的渤海海冰范围自动化提取。通过试验确定了海冰厚度与反照率指数关系模型中的参数,包括海冰衰减系数和海水反照率参数,使其更加符合渤海海区的物理特征。将改进后算法的海冰厚度反演结果与渤海海上石油平台实测数据进行比较,并分析了误差来源。结果表明,经过对算法的改进,海冰厚度与反照率指数关系模型的反演结果与实测数据之间的平均绝对误差由7.05 cm缩小到2.74 cm,相关系数由0.434提高到0.485。