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。     

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。     

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CBERS-04卫星影像的珊瑚礁底质分类能力分析

珊瑚礁对于海洋生态环境研究具有重要意义,通过分析珊瑚礁的分布以及生长状况可以对海洋生态环境进行评估。本文以南海珊瑚岛近岸海域为研究区域,选取中巴地球资源四号(CBERS-04)卫星影像数据,利用支持向量机(SVM)分类方法对近岸珊瑚礁底质进行分类,分类结果进行矢量化输出,对珊瑚礁数量和面积进行统计,与Worldview-2卫星多光谱影像数据分类矢量结果进行对比分析。实验结果表明,利用中巴地球资源卫星数据对于珊瑚礁分类是可行的,其中利用20m空间分辨率多光谱数据与5m空间分辨率全色波段数据融合后的影像数据,对于珊瑚礁信息提取效果最好。但由于空间分辨率及波段光谱设置的限制,其对于浅水区小面积珊瑚礁和深水区珊瑚礁提取能力较弱。     

高光谱碘分子和双边缘多普勒测风激光雷达技术比较

对采用原子滤波器的激光雷达技术和双边缘技术的灵敏度和误差进行了详细的讨论。对于纯 Rayleigh散射 ,双边缘系统的灵敏度高于基于碘分子的激光雷达系统 ,而对于 Rayeigh- Mie混合信号 ,双边缘系统通过采用特殊工作点的办法 ,有效解决 2种信号响应不同的问题 ;但同时该工作点的选取使得系统灵敏度降低 ,误差增加。对于后向散射比不是很大 (<10 )的情况下 ,误差可以控制在1m/s以内 ,完全可以满足测量要求 ,因此对于对流层顶部和平流层测风很适合。基于碘分子的激光雷达系统利用碘分子的高吸收性对 Rayleigh- Mie信号有效的进行分离 ,并且灵敏度随着后向散射比的增加而增加 ,从而对底层大气的探测特别有利。