基于梯度提升决策树算法的水深反演研究

传统的水深测量方法多通过舰载声纳实地探测的方法，灵活性较差且水深资料更新周期长，并且在某些海域，船只往往难以靠近从而无法完成测量。本文使用七连屿海域附近的WorldView-2多光谱遥感影像构建了基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)算法的水深反演模型，并利用单波束与人工测量相结合的水深数据，与传统的单波段模型、双波段模型以及BP神经网络水深反演模型的水深数据进行了水深反演精度对比。结果表明，在0～20 m深海域，GBDT模型反演精度高于其他模型，且更符合实际水深，其检验点的R²为0.9664, RMSE为0.94 m, MAE为0.75 m, RME为19%。