共查询到17条相似文献,搜索用时 109 毫秒
1.
基于BP人工神经网络的水体遥感测深方法研究 总被引:1,自引:0,他引:1
利用Landsat7 ETM 遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5m的水深值反演精度较高,而对大于10m的水深值反演精度较低。 相似文献
2.
3.
4.
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
5.
6.
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%。 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.
南黄海的辐射沙脊群海域地形地貌复杂多变,应用遥感技术来测量其水下地形不仅有可能,而且势在必行。在对沿海及长江口门内外遥感反演水下地形研究的基础上,选择沙脊群海域中有代表性的一块水域为研究区,同步测量其水下地形和水流、悬沙含量,用实测地形和MODIS影像数据建立水深反演模型,同时分析该区域的悬沙光谱特征,选择悬沙遥感参数,以MODIS数据的水深反演模型和沙脊群水域的悬沙遥感参数为依据,建立削弱悬沙影响的水深遥感模型,从而反演出1.5×104km2的辐射沙脊群水下地形。从反演结果看,所建模型的相关系数二次方的值为0.664,F-值为18662,平均绝对误差为1.52m,平均相对误差为24%,5~15m水深段的平均相对误差只有18%,反演效果较好。 相似文献
9.
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
10.
11.
12.
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
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
13.
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
14.
通过海洋调查所得到的海水温度、盐度和深度值进行海水比容偏差及海水比容值计算时,由于要求这样计算出来的值有±1×10-5的精确度,以适应动力计算的需要,因而便要求温度、氯度和深度的调查值各有一定的精确度。对于深海来说,这个问题比较明确,可是对于浅海在100米的范围来说,对这些调查值的精确度将如何要求呢?下面就在作者1955年论文的基础上,进一步研究这个问题。 相似文献
15.
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
16.
《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
17.
Semisubmersible will work well when oil exploitation goes to ultra-deep water because of its variable load capacities, and good motion performance in extreme waves. It is considered to be a main type of platform while the water depth is more than 3000 meters. This paper establishes a multi-objective optimization model of semisubmersible for ultra-deep water, and it is solved by a multi-objective genetic algorithm--NSGA-Ⅱ. The model is applied to a practical design, and Pareto results are obtained. The effectiveness of the method is verified by hydrodynamic analysis. 相似文献