首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 140 毫秒
1.
空间分辨率对水深遥感反演的影响分析   总被引:2,自引:0,他引:2  
遥感水深反演中空间分辨率的影响是一个重要的科学问题。本文使用东岛的QuickBird和WorldView-2多光谱影像及实测水深点进行实验研究,实验使用了原始空间分辨率(2.4/2m)以及4种降空间分辨率(4m,8m,16m和32m)的影像,使用相同的水深控制点开展水深遥感反演,并对水深反演结果使用相同的检查点进行精度验证。实验结果表明,随着空间分辨率由2.4/2m降低至4m,8m和16m,水深遥感反演的精度呈现出逐渐提高的趋势,进一步降低空间分辨率则会导致水深反演精度下降。当影像空间分辨率为16m时,水深反演结果误差最小且与实测水深值相关性最高,此时两景影像的水深反演平均相对误差分别21.2%和13.1%,相对于最大值分别降低了14.7%和2.9%;平均绝对误差分别为2.0m和1.4m,相对于最大值分别降低了1.0m和0.5m。本文研究结果为水深遥感反演研究与应用中遥感数据的选择提供了参考。  相似文献   

2.
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   

3.
针对传统海表盐度的物理机制反演模型拟合过程复杂且反演精度不高等问题,借助大范围、全天时、L波段探测的SMAP卫星微波海洋遥感产品,以北太平洋(135°~165°E,15°~45°N)范围为研究海域,利用深层神经网络(Deep Neural Network,DNN)和支持向量机(Support Vector Machine,SVM)建立海表盐度(Sea Surface Salinity,SSS)遥感反演模型。验证结果表明:DNN与SVM模型测试集反演SSS与Argo(Array for Real-time Geostrophic Oceanography)实测SSS的均方根误差(Root Mean Square Error,RMSE)分别为0.1790和0.2570,平均绝对误差(Mean Absolute Error,MAE)为0.1293和0.1821,最小绝对误差为0.6426和2.0380,最大绝对误差为1.3241和2.3732,反演模型数据与实测Argo数据拟合后的的相关系数分别为0.89和0.84。总体来看,DNN模型比SVM模型的反演精度更高,但两者均显著提高了SMOS盐度产品精度,能够为相关研究提供数据支撑。  相似文献   

4.
浅海区水深的精确反演对于海洋空间管理和生态环境保护至关重要。选取南海西沙群岛的羚羊礁海域为研究区,基于GeoEye-1和WorldView-2高分辨率多光谱遥感数据和实测水深数据,分别建立了单波段模型、多波段模型和波段比值模型。结果显示,由绿波段参与建立的水深反演模型相关性普遍较高,同时利用4个波段组合建立的多波段模型精度最高,相关系数分别达到了0.870和0.853。基于该模型的反演结果对GeoEye-1和WorldView-2遥感数据在不同水深范围内的反演精度进行比较,结果表明,两种数据在不同水深范围内的反演误差变化趋势一致,平均相对误差最大值均出现在0~5 m,而最小值均出现在20~25 m。总体而言,WorldView-2影像反演水深的精度高于GeoEye-1影像的反演精度。研究对于热带浅海区的水深反演工作具有一定的参考意义。  相似文献   

5.
为了深入探究小波滤噪尺度与多光谱遥感水深反演精度间的关系,本文以西沙东岛周边20m以浅海域为实验区,选用WorldView-2多光谱影像和实测水深为反演数据源,开展了基于三波段对数线性模型的实验区原始影像及一级至五级小波滤噪后影像的遥感水深反演实验,并从总体、分段和不同滤噪方法的反演精度对比三个方面进行了分析。结果表明:1)小波滤噪后影像较原始影像反演精度要高,反演精度最高的是三级小波滤噪影像,其平均相对误差为27.5%,平均绝对误差为1.1m。2)随着深度增加,小波滤噪前后影像水深反演的平均相对误差均减小,平均绝对误差先减小后增大;较小尺度小波滤噪适用于浅水区,而较大尺度小波滤噪适用于深水区。3)当窗口较小时,小波滤噪或均值滤波影像的水深反演精度均优于中值滤波;当滤噪强度增加到一定程度时,3种滤波方法在反演精度上均表现出提升减缓甚至开始降低的趋势。  相似文献   

6.
利用Landsat7 ETM+遥感影像反射率和实测水深值之间的相关性,选取了相关性较好的ETM1、ETM2、ETM3、ETM4、ETM3/ETM2等5个水深反演因子,建立了BP神经网络水深反演模型。为充分体现BP神经网络模型的优越性,利用SPSS软件建立了单波段、波段比值、多波段三种不同的线性回归模型。通过对比发现,具有很好的自适应能力和非线性映射能力的BP神经网络模型在处理遥感水深反演问题上比传统的线性模型效果更好。  相似文献   

7.
珠江口水深遥感反演研究   总被引:1,自引:0,他引:1  
建立了珠江口2个试验区遥感测深的多种统计相关模型,并选取相关性最好的模型进行水深反演和结果分析,探讨了不同悬沙浓度情况下遥感测深的可能性和实用性。结果表明,对于悬浮泥沙浓度大的试验区1,实测水深值和遥感各波段DN值的相关性<0.5,实际反演水深的能力较差,加入了泥沙因子的统计相关模型相关性有较大提高,但水深反演精度仍不高,达不到实际应用的精度;而悬浮泥沙浓度较小的试验区2,实测水深值和遥感各波段DN值的相关性基本大于0.7,但加入泥沙因子后水深值和遥感波段的相关系数并没有提高,以B2为反演因子的指数模型反演精度最高,5~10m水深段的反演效果最好,平均相对误差为22.5%、平均绝对误差为1.56m,模型总体平均相对误差为31.9%、总体平均绝对误差为1.92m,反演结果较好地反映了试验区2的水深情况。从所建模型来看,非线性模型的反演效果均好于相应的线性模型,多因子模型好于单因子模型。  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:1,自引:2,他引:1  
陈琛  马毅  张靖宇 《海洋学报》2018,40(4):51-60
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.
随着我国浅海测绘需求的日益增长,文中利用四波段的WorldView-2高分辨率遥感影像,选取我国南海西沙群岛中的甘泉岛和台湾南湾地区作为典型试验区,开展水深反演研究。引入随机森林算法构建了随机森林水深反演模型,并同常用的3种水深反演模型进行精度对比。结果表明,在甘泉岛和南湾地区随机森林模型反演的水深值和真实水深值的RMSE分别为0.85 m和1.59 m,MRE分别为8%和12%,均优于其他3种模型。  相似文献   

10.
基于多项式回归模型的岛礁遥感浅海水深反演   总被引:4,自引:4,他引:0  
Lyzenga's模型由于简单有效得到广泛应用,但是模型易欠拟合导致精度不高。本文提出了一种基于Lyzenga's模型的改进模型,通过增加多项式次数的方法,扩大模型特征维度,使得反演模型正确拟合,从而提高反演精度。基于WorldView-2遥感影像和0~30 m实测水深数据反演岛礁周围浅水水深,使用10折交叉验证和模型残差分析两种方法验证了改进模型的有效性和鲁棒性。结果表明,改进模型精度更高,在多项式次数为3时,模型最优。最后,根据改进模型反演得到的水深建立岛礁水下地形模型,能够直观、丰富地表达岛礁礁盘的微地形信息。  相似文献   

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.
对于水深光学遥感反演研究,虽然已经建立了大量的模型方法,然而对于不同水深段,同一模型的反演精度各异,且采用单一模型进行水深反演得到的整体反演精度未必最佳。为了提高水深光学遥感反演的整体精度,本文提出一种分段自适应水深反演融合模型,模型在误差估计的基础上,结合了对数线性模型、对数转换比值模型、改进的对数转换比值模型与多调节因子模型的优势。利用模型在西沙群岛东岛开展了水深遥感反演实验,从整体反演精度、不同水深段反演精度及逐米水深精度等角度进行分析,结果表明,分段自适应融合模型的整体精度最高,平均绝对误差为1.09 m,平均相对误差达到16.06%;分水深段来看,分段自适应融合模型在多数不同水深段内的反演效果均最好;从逐米精度来看,分段自适应融合模型在大部分逐米水深段的反演能力均优于其他模型。  相似文献   

13.
利用多光谱卫星遥感影像反演浅海水深是水深测量的一种重要方式。提出一种基于主成分分析的地理加权回归模型(PCA-GWR),采用WorldView-2多光谱卫星遥感影像数据,对经过数学变换后的波段反射率数据先进行主成分分析,将得到第一主成分量进行地理加权回归分析,并与双波段比值模型、多波段线性模型和地理加权回归模型(GWR)的水深反演结果进行比较。结果显示,各个反演模型反演水深值与实测水深值的相关系数r均大于0.75,其中PCA-GWR模型水深反演结果最好,r为0.96、RMSE为1.56 m、MAE为1.06 m。研究表明,PCA-GWR模型可有效去除数据变换后的冗余信息,降低数据空间非平稳性,具有较高的反演精度与可靠性,适用于浅海水深反演。  相似文献   

14.
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   

15.
张焕炜  马毅  张靖宇 《海洋学报》2022,44(7):145-160
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普遍优于单波段,但反演精度与波段数目之间无显著的相关性;水深反演波段组合方式对不同研究区敏感性不同,清洁水体三波段模型的反演精度较好,浑浊水体中四波段模型的反演精度最优,平均相对误差较三波段模型降低达5.6%。  相似文献   

16.
张勇勇 《海洋学研究》2022,40(2):93-101
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   

17.
基于Landsat-8遥感影像和LiDAR测深数据的水深主被动遥   总被引:1,自引:0,他引:1  
主被动遥感结合反演远海岛礁周边水深信息,不仅可以有效弥补传统测深方法覆盖范围小且费时费力的不足,也可为航运安全、海洋减灾、生态环境保护等领域提供基础资料。以夏威夷瓦胡岛周边水深反演为例,应用Landsat-8多光谱遥感数据和机载Li DAR测深数据,开展了不同密度Li DAR测深数据对水深多光谱遥感反演精度的影响分析、不同水深网格化处理方法对水深遥感反演结果的影响分析和基于少量Li DAR控制区块的大区域水深反演能力分析三方面的研究工作。结果表明:(1)Li DAR测深数据密度的改变对水深反演结果的影响不大,变化后的水深反演结果与原始的水深反演结果相比,平均相对误差变化在0.3%以内,平均绝对误差变化在0.03m以内;(2)采用均值格网处理方法的多光谱遥感水深反演精度要略高于采用中值格网处理方法的水深反演精度,具体体现在均值的平均绝对误差要比中值的低0.04~0.05 m,平均相对误差低1%~10%,反演结果的残差分布显示在0~2 m和20~25 m的水深段内均值统计法的残差分布更集中且其平均值接近于0 m,而在其它水深段二者的残差分布基本相同;(3)基于少量Li DAR控制区块的大区域遥感水深反演结果较为理想,两个检查区块的水深反演结果 R2、平均绝对误差和平均相对误差分别为:0.877,1.66 m,3.5%和0.941,1.62 m,28.4%。反演结果分段分析表明各水深段内反演的精度都比较理想,平均绝对误差除20~25 m水深段外,均低于2.5 m,平均相对误差除0~2 m,2~5 m外,均低于25%。  相似文献   

18.
基于遥感影像的测深技术具有易获取、成本低和覆盖率大等优势,是目前的研究热点问题之一。为在波浪折射的基础上,进一步综合考虑绕射及非线性的影响,本文提出了一种基于海浪波数和波高信息的近岸水深反演模型。将模型与Berkhoff 椭圆形浅滩理想试验对比,平均误差为0.13%,显著小于现有基于频散关系反演水深的方法。进一步应用模型反演三亚湾近岸地形,通过与海图对比,平均误差为11.58%,且大部分区域的误差小于10%。部分区域误差较大,主要是由于遥感影像获取的波数空间分辨率和精度较低。以上结果表明该模型可以利用遥感海浪信息较准确推算近岸水深。本文对于近岸浅海区的水深反演工作具有一定的参考价值。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号