基于Worldview3数据的浅海水深反演研究

传统水深测量技术灵活性较差,水深资料更新周期长、时效性差。因此,我们需要找寻一种高效便捷方法提取水深。本文采用Worldview3多光谱高分辨率数据与实测数据相结合,针对不同的海底底质类型,建立统计回归模型(单因子模型和多因子模型),对西沙群岛北岛周边的浅海海域,进行浅海水深反演。通过对研究结果的分析,发现单因子模型和多因子模型相关系数都在0.91以上,标准误差也都在1.27以下,反演数据与实测数据偏差较小。且将海底底质分为沙质和草质海底底质类型后建模的精度要高于未对海底底质分类建模的精度。     

海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演

近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。     

基于ETOPO1数据的全球及重点海域水深统计与分析

由于不同的水深探测手段及海深反演方法适用于不同深度的海域,且全球海域水深分布不均,因此在探测及反演海深之前,需对目标海域的水深分布有一定认识。本文采用ETOPO1模型对全球及部分海域进行统计分析,结果表明,全球及大西洋、印度洋、太平洋区域的水深大多处于3 000—10 000 m,其中3 000—5 000 m水深海域占比较大,因此,在这些海域主要采用重力数据结合船测数据进行反演,同时应注意避开海岸带、岛屿较多、海脊存在的区域;对于水深小于1 000 m的海域,可以根据外部环境,采用多波束船测、水深遥感、机载激光测深等方式进行探测。通过分析及统计全球和重点海域的水深可以为海深探测及海底地形反演方法的选取提供参考。     

基于支持向量机和BP神经网络的水深反演研究

根据高空间分辨率Quickbird遥感影像反射率和实测水深之间的相关性,选取相关性较高的反演因子b1/b2、b1/b3和b2/b3建立单因子模型、双因子模型、多因子模型和BP神经网络模型,并对甘泉岛附近20m内的水深进行反演。同时,利用最佳指数因子(OIF)和支持向量机(SVM)对甘泉岛研究区域基于水深颜色分成两类,将分类结果分别提取建立BP神经网络模型并进行水深反演。通过对反演结果对比发现:遥感影像分类前,线性回归模型中多因子线性模型反演精度最高,但比BP神经网络模型稍差。遥感影像分类后,浅海水域BP神经网络模型的反演精度要比分类前的各模型反演精度低,但是,深海区域BP神经网络模型的反演精度最高。     

基于遥感反演水深数据的测图技术研究

针对江苏省辐射沙洲海域复杂的地形条件不利于大范围地形测量的特殊性,本文在遥感反演水深数据的基础上,根据反演数据特征,阐述了使用数字化成图软件转换数据,生成等深线,绘制图廓等制图技术与方法。经过对比和分析,结果表明这种通过建立遥感模型反演水深,利用多种软件辅助成图的方法适用于辐射沙洲海域的水深图制作。     

四种遥感浅海水深反演算法的比较

详细介绍了单波段线性回归模型、两波段比值线性回归模型、多波段组合线性回归模型、BP神经网络模型等4种光学遥感水深反演算法,然后利用同一地区、同一时期的Worldview-2多光谱遥感影像和实测水深数据,对4种水深反演模型的准确性进行了实验比较。研究表明:多波段组合线性回归模型、BP神经网络模型的水深反演的性能较好,利用多光谱遥感图像数据反演得到的水深值误差较小;而单波段线性回归模型、两波段比值线性回归模型的效果较差。     

CatBoost模型在水深反演中的应用

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。     

非线性模型岛礁礁盘遥感水深反演

针对已有的遥感水深反演方法波段选取难,得不到较好的模型参数的问题,该文在国内外遥感水深反演研究的基础上,对经典的非线性模型进行研究,引入了逐步回归算法对模型进行了改进。以东岛为研究区,基于Worldview-2多光谱影像进行模型验证和精度评价。结果表明:应用改进后模型的反演水深精度大幅提高,水深范围不但适用在10m以浅的水区,在15~30m的区域精度也较高。由此可见改进的模型在保持原模型移植性较好的前提下,模型参数更易解算,反演精度较高,具有一定的适用性。     

顾及海底地形非线性项的最小二乘配置反演方法

针对目前常用的反演海底地形方法主要考虑海底地形和卫星测高重力数据线性趋势项而忽略非线性项影响现状,提出了顾及海底地形非线性项的最小二乘配置反演方法.选择日本海某海域作为目标海区,利用卫星测高重力异常和重力异常垂直梯度数据作为输入源进行了方法试算并构建了相应的海深模型,然后以实际船测海深作为外部检核参考,评估了反演模型效能,同时分析了反演模型频谱特征.目标海区试验结果表明:相较于本文仅仅考虑海底地形和重力数据线性趋势项采用最小二乘方法建立的海深模型,基于最小二乘配置方法,利用相同重力异常和重力异常垂直梯度数据获得的目标海区反演海深模型检核精度最低分别提高了大约2.5倍和3.5倍,相对精度最高分别提升了9.76％ 和13.07％,极大地提升了海底地形建模质量;采用本文方法建立的海底地形模型在研究海域表现良好,反演模型与S&S V18.1、ETOPO1、GEBCO和BAT_VGG模型在研究海域相关系数均达到了0.95以上;在研究海区本文模型检核精度与S&S V18.1相当,远远优于ETOPO1等海深模型;本文模型可有效改善船测海深相关波段信息(本文反演波段范围为15～160 km),其中重力异常垂直梯度构建的海深模型相比重力异常为输入源建立的海深模型改善船测海深相关波段信息更为明显,验证了本文方法的可行性和有效性.     

改进的重力地质法及其在中国南海地区海底地形反演中的应用

为进一步提高传统重力地质法（gravity-geologic method,GGM）反演海底地形的精度,顾及海底地形非线性项对GGM进行改进。采用改进的GGM反演了中国南海地区空间分辨率为1’×1’海底地形模型,并利用船测水深检核点对反演结果进行了精度评定,验证了所提方法的有效性。研究结果表明,忽略海底地形非线性项会在起伏约2 km的山区引起约50 mGal偏差;改进的GGM能有效地从短波重力异常中恢复海底地形的非线性项;获取的海底地形结果与ETOPO1、SIOV23.1及传统GGM反演模型相比具有最高的精度,与检核点差异的均方根为130.4 m;与传统GGM法反演结果相比,改进GGM获得的结果在黄岩海山链附近精度提高10.8 m,在中沙群岛附近精度提高4.7 m。