共查询到15条相似文献，搜索用时 343 毫秒
1.
《海洋技术学报》2023,(4)
水深是重要的海洋要素,水深遥感反演是获取浅水水深的重要手段。当前水深遥感反
演应用以国外卫星数据为主,国产卫星数据的研究和应用较少。本文针对国产高分六号卫星
（GF-6） 数据,以三亚南山港为研究区域,分别建立单波段回归模型、双波段比值模型、多波段
回归模型,进行多光谱影像的水深反演能力研究,并与国外主流哨兵2 号卫星（Sentinel-2） 数
据进行实验比较。实验结果表明：GF-6 遥感影像具有较好的浅水水深反演能力和一定的反演精度,各波段水深探测能力依次为：绿波段跃蓝波段跃红波段跃近红外波段,反演方法效果依次为：多波段模型跃双波段模型跃单波段模型。相较于Sentinel-2 数据,GF-6 数据水深反演精度与其一致,这表明GF-6 影像具备替代国外遥感数据进行水深反演的能力和大规模应用的潜力。本文针对GF-6 影像水深反演能力的研究方法和分析,结果将为国产高分系列卫星数据的水深反演研究和应用提供有益的参考。 相似文献
2.
为了解决传统全局模型应用遥感影像反演水深的不足,提出地理自适应模型应用于八所港Landsat-8 OLI多光谱卫星影像。采用归一化水体指数进行水陆分离,在产生模拟数据时,为保证数据的合理性,对光谱灰度值进行自然对数求解。地理自适应模型将整个区域细分为5个小的区域单元,模型参数是自适应变化的,一般数学形式与传统全局模型一样。通过反演15m以浅的水深,发现光谱中对水体的敏感波段出现"红移";水深反演结果证明地理自适应模型有效地缓和了全局传统模型在底质类型和水体性质空间不均匀的问题,水深反演精度得到明显提高,并控制在1m以内。 相似文献
3.
4.
随着卫星遥感技术的不断发展,高分辨率卫星影像逐渐应用到水深遥感反演领域。利用Worldview-2高分辨率卫星数据和电子海图数据,基于双波段比值法,反演获得实验区域20m以浅的水深。实验表明,Worldview-2等高分辨率多光谱卫星数据,具有一定反演浅水水深的能力,但在5m以浅的水域反演误差较大;双波段比值法,这种半经验半理论的模型,在水深遥感反演中具有更好的适用性;对比了一次线性、二次多项式、指数、对数等拟合方法,发现对数拟合的方法获取绝对水深,其精度相对其他方法更高。 相似文献
5.
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。 相似文献
6.
高光谱遥感水深反演是一种对传统水深测量方法的补充,具有方便、快捷、经济等突出优势。本文研究区位于上海横沙,属于典型滩涂浅水区,研究数据包括GF5-AHSI高光谱遥感数据和同时期的水深数据。通过数据变换和相关分析等方法提取建模参数,利用单波段比值模型、多元线性回归模型、最优标度回归模型和BP神经网络模型实现该区域水深反演,并对4种模型反演结果的准确性进行了验证和比较。研究发现：最优标度回归模型优于其他3种模型,R2达到了0.972,RMSE为0.47 m,适用于横沙浅海水深反演。 相似文献
7.
机载高光谱遥感是悬沙浓度反演的重要方法。针对高光谱悬沙浓度反演中敏感波段和反演方法的确定,以机载高光谱影像为数据源,采用相关性分析法确定单波段模型和双波段组合模型的敏感波段,并基于敏感波段构建单变量回归模型,确定最佳反演模型并获取长江口北港区域的悬沙浓度空间分布特征。结果发现,基于归一化差值指数(NDWI)构建的二次多项式模型为最佳反演模型,精度上优于其他5种常用的反演模型;且长江口北港区域的悬沙浓度与水下地形基本上呈倒数关系。相较于基于多光谱卫星影像进行遥感反演,本文的结果表明高光谱影像的精细化光谱能够更为准确地表达含沙水体的光谱信息变化,在复杂的水环境反演研究中具有重要的应用价值。 相似文献
8.
GF-1 WFV图像经验模分解的光谱保真性与水深遥感探测 总被引：3，自引：2，他引：1
水深是海洋环境的重要参数之一,水深遥感反演是水深测量的一种重要手段。经验模分解（EMD）具有剔除小尺度波浪信息,留下大尺度水下地形信息的特性。本文利用EMD对高分一号卫星宽幅影像进行尺度变换,使用光谱相关系数、光谱角、光谱偏差和光谱相对偏差等评价指标,对剩余层图像进行光谱保真性分析;利用改进的对数转换比值模型对原始影像和剩余层图像进行水深反演,并进行相关性分析与精度评价。研究结果表明:（1）评价指标显示EMD变换后影像具有相当的保真性;空间断面分析表明EMD去除了小尺度的噪声信息,保留了水下地形变化信息。（2）经均匀分布的检查点验证,两区域的原图像反演水深和实测水深的相关性较好,相关系数达0.75以上,且两种波段组合的MAE和MRE均不超过2.42 m和8.5%。（3）对EMD的全部10层进行水深反演,蓝绿波段的MAE和MRE均不高于1.62 m和5.8%;绿红波段的MAE和MRE均不高于1.93 m和6.9%。（4）对于不同的波段组合,蓝绿波段组合在各剩余层的水深反演效果明显优于绿红波段,经EMD后的水深反演效果明显提高。（5）20~30 m水深段的反演精度整体要高于30~40 m,该模型应用于较浅水深段更具优势。 相似文献
9.
10.
11.
Remote sensing bathymetry inversion can quickly obtain water depth data of large areas, but this process relies on a large number of in-situ depth data points. USV-based (Unmanned Surface Vehicle) technique can obtain the bathymetry data of shallow water where ordinary ships are inaccessible, but this technique is inefficient and generally only data along survey line can be collected. The combination of USV and high-resolution remote sensing provides a new solution for water depth surveying and mapping around an island. This paper focuses on the key techniques, using USV sounding data and GeoEye-1 multispectral remote sensing images covering the region of Wuzhizhou island in the experiment. The results show that the MAE (Mean Absolute Error) of USV sounding is 0.25 m, while the MRE (Mean Relative Error) is 1.41%, and the MRE of remote sensing bathymetry aided by USV sounding can be controlled within 20%. Errors are mainly from areas shallower than 5 m, and are also affected by the USV sounding position accuracy. It shows that it is feasible to combine the USV sounding and high-resolution remote sensing bathymetry, and this technique has broad application prospects in the field of bathymetry in large shallow areas. 相似文献
12.
针对浅海测深的数据特点和应用需求,以我国南海甘泉岛为例,研究了利用ICESat-2(Ice,Cloud,and Land Elevation Satellite-2)激光卫星数据和光学遥感影像开展主被动融合水深测量的方法。首先通过信号点提取、水面/水底识别、水下点折射改正等步骤处理ICESat-2数据,获得水深值,随后以激光点作为控制,计算光学水深反演模型参数,最后由点及面地获取大范围高精度水深。实验表明,甘泉岛区域主被动融合测深中误差优于1.30m,基于激光卫星数据的主被动融合测深方法能够为浅水水深测量提供新手段。 相似文献
13.
Andrzej Chybicki 《Marine Geodesy》2018,41(1):1-23
Current trends of development of satellite derived bathymetry (SDB) models rely on applying calibration techniques including analytical approaches, neuro-fuzzy systems, regression optimization and others. In most of the cases, the SDB models are calibrated and verified for test sites, that provide favorable conditions for the remote derivation of bathymetry such as high water clarity, homogenous bottom type, low amount of sediment in the water and other factors. In this paper, a novel 3-dimensional geographical weighted regression (3GWR) SDB technique is presented, it binds together methods already presented in other studies, the geographically weighted local regression (GWR) model, with depth dependent inverse optimization. The proposed SDB model was calibrated and verified on a relatively difficult test site of the South Baltic near-shore areas with the use of multispectral observations acquired by a recently launched Sentinel-2 satellite observation system. By conducted experiments, it was shown that the proposed SDB model is capable of obtaining satisfactory results of RMSE ranging from 0.88 to 1.23[m] depending on the observation and can derive bathymetry for depths up to 12m. It was also shown, that the proposed approach may be used operationally, for instance, in the continuous assessment of temporal bathymetry changes, for areas important in the context of ensuring local maritime safety. 相似文献
14.
大气校正是水体定量遥感的基础与前提。本文从大气校正模型、大气校正模型参数、水体组分差异以及水深反演波段组合方式4个维度探讨大气校正模型对水深反演的影响。研究采用6S、FLAASH、ACOLITE与QUAC 4种大气校正模型,选取大陆型、海洋型与城市型气溶胶模式,以瓦胡岛西北侧与谢米亚岛周边浅水作为清洁水体研究区,以辽东浅滩与槟城海峡作为浑浊水体研究区,基于Landsat-8多光谱影像开展大气校正,并采用8种波段组合方式进行水深遥感反演。研究结果表明：（1）4种大气校正模型均可在一定程度上削弱大气对水体信号的影响;因参数选取以及研究区水体组分的不同,不同模型的校正结果存在一定差异;两类水体反射率峰值分别出现在蓝波段与绿波段;（2）6S大气校正模型鲁棒性较强,该模型因研究区水体组分发生变化导致对应的水深反演结果与其余模型相比波动较小;FLAASH模型在海洋型和城市型两种气溶胶模式水深反演结果在浑浊水体存在较为明显的差异,辽东浅滩浅水区平均相对误差相差7.9%;ACOLITE模型受水体类型影响显著且对浑浊水体具有优越性与稳定性,平均相对误差较FLAASH降低5.6%;(3)多波段水深反演精度... 相似文献
15.
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。 相似文献