共查询到17条相似文献，搜索用时 125 毫秒
1.
《海洋技术学报》2023,(2)
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
2.
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
3.
通过分析1978年至今水深光学遥感的国内外主要研究成果,从被动光学遥感、主动光学遥感、遥感融合探测三个方面,对光学遥感浅海水深反演方法进行了系统性总结,对比分析了水深反演方法的优势和不足,探讨了存在的技术问题,并展望了浅海水深光学遥感技术的发展趋势。总结得到:主动光学遥感的水深探测精度最高,在0~15m浅海水深段,激光雷达遥感探测误差在厘米级,但仅限于机载平台;遥感融合探测方法精度次之,水深反演精度一般可比单源单时相提高10多个百分点;被动光学遥感中的高光谱水深反演精度一般要高于多光谱,平均相对误差可低至15%。被动光学遥感水深反演精度相对较低,但是数据源丰富、覆盖范围广、时效性强、水深反演模型较丰富,是目前浅海水深遥感反演的主要方法。主动光学遥感由于机动性强、测深精度较高,逐步成为应用和研究的热点,但是受空管以及飞机平台的航程限制,个别敏感区域飞机也不能到达。水深遥感融合探测可以充分地利用已有遥感影像资源,有效地挖掘多源、多时相信息,有助于提高水深遥感反演精度,但是多源遥感影像融合时会存在空间尺度问题,多时相反演融合中也会有底质及水下地形变化等因素对水深反演精度的影响。 相似文献
4.
卫星遥感反演水深（Satellite Derived Bathymetry, SDB）是获取浅海水深信息的有效手段。然而，其有效范围只限于光学浅水区域，在深水区域呈现“伪浅海”的失真现象。因此，如何准确识别SDB数据的有效范围对其广泛应用至关重要。本文基于高空间分辨率多光谱卫星影像，在深入分析深/浅水辐射亮度统计分布特征差异的基础上，提出一种数据驱动的水深反演有效性评价方法。该方法以卫星影像辐亮度信息的局域标准差作为特征，基于K-S检验方法对光学深水区域统计特征进行模型优选，并使用假设检验方法对深水无效区域对应的SDB进行识别。甘泉岛水域实验结果表明，该方法通过统计分布划分光学浅水与深水区域边界，可以有效识别光学深水区域产生的无效水深反演数据。在剔除无效区域数据后，光学浅水有效区域内水深反演平均绝对误差（MAE）为1.01，均方根误差（RMSE）为1.52。实验结果表明，本文提出的方法可准确识别SDB结果的有效区域，进而为浅海地形解译提供方法支撑。 相似文献
5.
《热带海洋学报》2017,(2)
高分一号卫星作为我国首颗对地观测高分辨率卫星,充分挖掘其在海洋领域的应用潜力具有重要意义。以西沙群岛晋卿岛周边浅海水域为研究区域,应用国产高分一号卫星多光谱数据,在开展图像几何校正、大气校正和耀斑校正预处理的基础上,应用常用的双波段线性和对数比值模型开展晋卿岛周边浅海水深反演,并利用实测水深数据开展精度评价,对比分析不同模型反演结果,探讨影响岛礁浅海水深反演精度的可能因素。研究表明,双波段线性模型的反演精度要明显优于对数比值模型,更适合应用于晋卿岛周边浅海水深反演,其20m以浅水深反演均方根误差为1.8m,在5m以浅区域的均方根误差为1.14m,达到了目前浅海水深卫星遥感反演的精度水平。 相似文献
6.
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
7.
利用多波段卫星数据进行浅海水深反演方法研究 总被引：18，自引：1，他引：18
以遥感反演水深的基本原理为基础,利用我国南海永暑礁景区的TM数据和实测水深资料,通过TM多波段数据辐射校正、图像与海图地理配推、底质类型分区、潮汐改正和实测水深数据与相应的图像辐射值回归分析,建立了浅海水深反演模型,并进行了浅海岛礁水深的实际计算,总标准误差为2．14m。对我国南海30m以浅岛礁水深地形研究有很好的应用价值。 相似文献
8.
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
9.
10.
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
11.
12.
13.
Abstract Studies of coastal bathymetry are important where littoral drift has implications on the planning of fishing and dredging operations. Also, there is a possibility of finding hitherto unknown bottom features in relatively less explored regions of the shallow seas around the globe. High resolution satellite imagery over oceans provides us with quantitative methods for estimating depth in shallow parts of the seas. One of the methods is the analysis of the refraction of coastal gravity waves observed on satellite imagery. A panchromatic image acquired by SPOT with 10 m resolution on March 22, 1986, over Bay of Bengal near Madras Coast, was used for this analysis. The image was enhanced to clearly bring out the wave structure seen on the sea surface. The image was then superimposed with a 1 km × 1 km grid. For each grid cell, 64 × 64 pixels at the center were considered for getting a Fast Fourier Transform to determine the wave spectrum and the dominant wavelength present there. The classical theory of gravity waves was used to relate the shallow water wavelengths obtained as above with the corresponding wavelengths in the deep water. The deep‐water wavelength was estimated to be 110 m using the known chart depths at a set of control points. The resulting depth estimates, when compared with standard bathymetric charts, were found, in general, to be well in agreement up to a depth of 30 m in the sea, with an r.m.s. error of 2.6 meters. The method seems to be very useful for remotely sensed bathymetric work. However, further research is required to reduce the error margin and operationalize the method. 相似文献
14.
浅海水下地形的SAR遥感仿真研究 总被引：2，自引：0，他引：2
结合连续性方程和布拉格后向散射模型,在准一维简化浅海水下地形情况下,建立了浅海水下地形SAR海面相对后向散射强度仿真模型,将浅海水下地形区域的SAR海面后向散射强度的相对变化与大尺度背景流场、海面风场和雷达系统参数等联系起来.海上实验和研究结果表明,浅海水下地形的SAR成像主要由通过受水下地形影响的海表层流场对海表面风引起的微尺度波的水动力调制而获取浅海水下地形信息,其中潮流与水下地形的相互作用过程改变海表层流场,变化的海表层流与海表面微尺度波之间的相互作用改变海表面波的空间分布,雷达波与海表面波之间的相互作用决定雷达海面后向散射强度.因此SAR图像中浅海水下地形或水深信息量的多少不仅与海表层流场和海面风速有关,而且与雷达工作波段、雷达波束入射角和极化方式也密切相关.认为由水下地形变化引起的缓慢变化的表层流场中海表面定常微尺度波谱能量密度的变化满足波作用量谱平衡方程;而在波数空间中,海表面微尺度波谱的成长过程也可以用波数谱平衡方程描述,在此基础上,得出了海表面波高频谱(毛细-重力波)形式的解析表达式.众所周知,浅海水下地形信息是由于水下地形影响下SAR海面后向散射强度与背景海面后向散射强度的相对差异而在SAR图像上的呈现,从而在建立浅海水下地形SAR海面相对后向散射强度仿真模型的基础上,仿真计算了浅海水下地形SAR海面相对后向散射强度相对于海表层流场、海面风场等海况参数和SAR工作波段、SAR波束入射角、极化方式等雷达系统参数的数值仿真结果,分析得到了有关浅海水下地形SAR海面相对后向散射强度的特征和SAR浅海水下地形遥感的最佳海况参数与最佳雷达系统参数,为研究和开展SAR浅海水下地形遥感研究提供了有价值的参考. 相似文献
15.
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
16.
Remotely sensing in detecting the water depths and bed load of shallow waters and their changes 总被引：1，自引：0，他引：1
Bed load is a type of sand drift and accumulation on the sea-bed. Sand drift is a very important index to survey the erosion or deposition of coastal zone. The change of water depths indicates the change of bed load in shallow waters. The conventional method for measuring water depth uses the shipboard echo sounder, which is accurate for point-measurement, but is a time-consuming and labor-intensive task. For periodic survey of bathymetry as synoptic scale, the remote sensing method may be a viable alternative. Wave spectrum bathymetric (WSB) method takes advantages of remote sensing to obtain the bathymetry of shallow waters safely, economically and quickly. The WSB method is feasible to detect the change of water depths over coastal zones where water depths are less than about 12 m. This remote sensing method is worthy to be well developed and efficiently applied to change detection of water depths and bed load in shallow waters. 相似文献
17.
Regular surveys of coastal zone seabed deliver important information about geomorphologic processes such as silting of waterways. The recent introduction of the Sentinel series of sensors has allowed for the use of satellite sensing for shallow bathymetry morphology monitoring. In this context, this article presents a dedicated Geographic Information System for Baltic Sea shallow water depth monitoring on the basis of Sentinel-2 imagery. The system employs Geovisual Analytics for differential analysis of bathymetry changes as well as monitoring the visibility of known wrecks in the coastal waters of Southern Baltic Sea. Results are verified with regard to known changes in shallow water bathymetry between 28 June 2015 and 3 March 2017. 相似文献