共查询到20条相似文献，搜索用时 140 毫秒
1.
基于地统计学和克里金法的水下趋势面分析 总被引：1，自引：0，他引：1
介绍了地统计学和克里金法对水深数据进行分析的方法和原理,结合工程实践,分析了水深值在沿垂直河道方向具有的空间自相关性,根据半变异函数模型,建立了水下趋势面模型,预测了未采样区域的水深值,并对结果进行了检核。实例分析结果表明:地统计学和克里金法在研究水深数据的空间格局和预测未知采样数据方面具有较强的优势,并能建立满足后续专业应用需求的水下趋势面模型。 相似文献
2.
3.
考虑自然邻点影响域的多波束测深数据趋势面滤波改进算法 总被引：2，自引：2，他引：0
针对传统趋势面滤波法在多波束测深数据粗差探测方面存在曲面拟合函数不确定、滤波不彻底以及部分水深点被不合理剔除的问题,通过引入散乱水深点局部最小范围——自然邻点影响域的概念,提出一种基于自然邻点影响域的多波束测深数据趋势面滤波改进算法。首先,通过对自然邻点影响域内的局部曲面进行分析,构造了影响域内特定局部坐标系下的统一曲面拟合函数;然后,利用该统一曲面拟合函数按照所提传递式迭代趋势面滤波法进行顺次迭代,逐步滤除影响正常水深点判定的粗差数据;最后,根据突变地形边界点在其相邻邻域地形内连续性不一致的特性,建立了面向突变地形边界点的判断准则。试验结果表明：该改进算法可适应不同复杂程度的海底地形,有效剔除多波束水深数据中的粗差点,同时对实际海底地形中的正常水深点和各种特殊水深点进行保留,显著提高了海底地形表达的精度。 相似文献
4.
从时间序列和空间分布2种不同角度,确立了水深数据的子集分割思想并展开了子集分割的方法研究,同时研究了基于时间序列的单子集水深数据线性回归优化方法(LO-TS)和基于空间分布的单子集水深数据特征反距离优化方法(IDC-SD),并结合2种方法自身特点对优化结果进行分析。研究发现2种方法均不改变测区的整体水深分布趋势,而基于时间序列的单子集水深数据线性回归优化方法,优化幅度较大,主要影响因子是波浪起伏,更能表现出测量断面特征,缺点是在水深值变化幅度较大区域容易出现优化率较高的情况。基于空间分布的单子集水深数据特征反距离优化方法,优化幅度较为平稳,一般不会出现优化过度的情况,主要影响因子是邻近区域的水深空间分布特征,能够充分表现出子集的水深分布特征,缺点是没有充分考虑波浪干扰影响。 相似文献
5.
6.
众所周知，水深测量精度是由定位精度和水深精度综合决定的。要提高差分GPS导航定位时水深测量的精度，可从减小水深点点位中误差和提高水深探测精度两方面入手。 相似文献
7.
根据对广东省现有长期验潮站数量、分布以及水位数据情况的分析,确立了在已有长期验潮站的基础上,采用适当布设短期验潮站的方式,对长期验潮站进行加密补充;建立海区调和常数变化模型,并结合水深数据、卫星测高数据,构建海洋潮汐模型;最终建立深度基准模型的总体设计思路。广东省统一深度基准的建立,可实现深度基准面1985高程模型的构建,相邻测区间水深成果的无缝拼接,沿海水深成果与陆地地形成果的相互转换,GNSS技术下的水深测量(无验潮模式)以及对沿海范围内海岸线和海岛岸线的精确推算。 相似文献
8.
海岸带水深测量中,只要得到深度基准面与参考椭球面的关系即可得到图载水深,从而可基本消除潮位改正、动态吃水等常规水深改正中主要误差来源的影响,提高水深测量的精度和效率。本文研究了深度基准面的大地高DTM模型的建立方法。 相似文献
9.
针对大面积海底地形数据缺失或异常的复杂及多变性特点,结合条件变分自编码器(CVAE)与深度卷积生成对抗网络(DCGAN),构建了条件变分自编码生成对抗网络(CVAE-GAN)大面积海底伪地形的检测与剔除方法。本文方法利用条件变分自编码算法改变原有的样本分布,通过对训练样本的学习重新构建样本之间的分布规律,有效提高了高维到低维映射的稳定性;结合生成对抗网络,提高了整体算法的稳健性,最终得到较优的检测与剔除结果。采用水深格网数据进行试验,并与中值滤波法、趋势面滤波法进行比较。结果表明,本文方法在精度、稳定性及噪声稳健性方面有所提高,验证了本文方法在海底地形数据处理上具有可行性。 相似文献
10.
水深注记作为表示海底地形地貌特征的主要制图要素,它的正确选取对于保证航海安全、反映海底地貌起伏具有重要意义。针对传统的水深注记方法,该文提出一种顾及多重约束条件的水深注记选取方法。在总结水深注记综合约束条件基础上,以Vononoi图为支撑几何构造,对水深注记综合涉及的地形特征、空间分布特征、邻近特征3个方面的综合约束进行了形式化定义;借鉴人工选取的思想,在水深综合约束条件重要性排序的基础上,通过反映地形、空间分布、邻近关系等主体特征的重要水深的依次选取,以及背景水深的抽稀实现水深注记选取;最后以实测数据进行实验,验证该方法的有效性。 相似文献
11.
基于被动微波遥感的青藏高原雪深反演及其结果评价 总被引：21，自引：0，他引：21
采用修正的张氏雪深反演算法，用ＳＳＭ／Ｉ３７ＧＨz和19GHz水平极化亮温值计算了青藏高原及其毗邻地区的积雪深度，对其精度进行了评价，并对误差来源进行了分析，结果显示，此算法能够较好地反映研究区的雪深分布，但局部地区误差较大，总体上雪深被高估，其误差主要来源于冻土，深霜层，植被以及雪层中液态水含量，雪粒的形状和粒径的变化带来的影响，SSM／I数据较低的分辨率和研究区复杂的地形使反演的雪深与观测的雪深缺少可比性，给精度的评价带来影响。 相似文献
12.
13.
14.
P. V. Nagamani Prakash Chauhan Nivedita Sanwlani M. M. Ali 《Journal of the Indian Society of Remote Sensing》2012,40(1):137-143
Ocean-colour remote sensing in optically shallow waters is influenced by contribution from the water column depth as well
as by the substrate type. Therefore, it is required to include the contribution from the water column and substrate bottom
type for bathymetry estimation. In this report we demonstrate the use of Artificial Neural Network (ANN) based approach to
spectrally distinguish various benthic bottom types and estimate depth of substrate bottom simultaneously in optically shallow
waters. We have used in-water radiative transfer simulation modeling to generate simulated top-of-the-water column reflectance
the four major benthic bottom types viz. sea grass, coral sand, green algae and red algae using Hydrolight simulation model.
The simulated remote sensing reflectance, for the four benthic bottom types having benthic bottom depth up to 30 m were generated
for moderately clear waters. A multi-layer perceptron (MLP) type neural network was trained using the simulated data. ANN
based approach was used for classification of the benthic bottom type and simultaneous inversion of bathymetry. Simulated
data was inverted to yield benthic bottom type classification with an accuracy of ~98% for the four benthic substrate types
and the substrate depth were estimated with an error of 0% for sea grass, 1% for coral sand and 1–3% for green and red algae
up to 25 m, whereas for substrate bottom deeper than 25 m depth the classification errors increased by 2–5% for three substrate
bottom types except sea grass bottom type. The initial results are promising which needs validation using the in-situ measured
remote sensing reflectance spectra for implementing further on satellite data. 相似文献
15.
目前,基于重力数据反演海底地形方法的主要原理是利用测深数据拟合出海底地形与重力（或重力梯度）数据之间的线性关系,这会导致对不同的海底地形会有不同的线性关系。为了克服这种不确定性的制约,本文基于长方体海山产生的垂直重力梯度的表达式,通过将研究海域进行格网化,建立了垂直重力梯度（vertical gravity gradient,VGG）与海深之间的函数关系,即关于海深的观测方程组,在此基础上,通过模拟计算,验证了观测方程组的解不仅唯一可解,而且具有较好的抗误差干扰性质。由于观测方程组受到研究海域外海山的影响（分为边界效应、远区影响）,因此,需要相应的数学方法来处理这些影响。本文将研究海域进行扩充得到扩展区域,然后在扩展海域上研究观测方程组,此时为了避免观测方程组出现奇异性,引入了正则化方法对扩展后的观测方程组进行求解,并从中截取研究海域上的海深。模拟试验表明,使用正则化方法后,边界效应对反演海深的均方根误差为0.48 m。最后,对南中国海真实海底地形进行了反演计算,将反演的海深与研究海域内的289个船测数据点进行对比,反演结果的均方根误差达到109 m。 相似文献
16.
海域海况复杂多变 ,潮汐不但受外海能量输入的控制 ,而且在复杂的海岸线、浅海海底和内陆河流运输的作用下变得异常复杂。卫星测高由于受复杂的海洋动力环境和陆地反射的影响 ,数据质量普遍较深海差。将多种卫星测高数据联合处理 ,可以大大提高近海海域平均海面高的精度与分辨率 ,增强测高卫星监测近海复杂动力现象与反演近海复杂动力机制的能力。本文讨论近海多种卫星联合数据处理的技术与方法 ,分别从提取海平面稳态和时变信息的角度较系统地研究了多种卫星测高联合数据处理方法 ,通过提取不同测高卫星海平面观测数据中与时间无关的系统偏差 ,建立多种卫星测高数据的海平面时变基准 ,从而将多种测高卫星海面监测数据融合到一个动力系统中。大大提高测高卫星海平面监测的时空分辨率 ,为联合多种卫星测高数据在大地测量与近海海洋动力学研究中的应用创造基本条件。 相似文献
17.
18.
19.
影像大气校正精度的关键参数为气溶胶光学厚度,而城区大气条件复杂,对城区TM影像采用统一的大气参数进行大气校正,势必难以获得令人满意的校正精度。因此,本文提出了一种基于MODIS数据和查找表的大气校正算法,首先应用6S模型离线计算建立不同气溶胶光学厚度的大气校正系数查找表,然后基于MODIS数据反演气溶胶光学厚度,最后基于查找表和气溶胶光学厚度数据对长沙城区TM影像进行了逐像元大气校正。结果表明:基于查找表的校正算法与6S模型在线计算算法的校正精度接近,能够较好地进行大气校正;在水体区校正精度最高,而在城区校正精度相对较低。 相似文献
20.
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。 相似文献