共查询到20条相似文献，搜索用时 234 毫秒
1.
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
2.
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
3.
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
4.
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
5.
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
6.
《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
7.
本文基于海浪波折射现象和浅水波理论,提出了一种基于单景高分辨率光学遥感影像的浅海地形提取方法。首先,基于浅水波理论推导出适用于浅海区域的水深与海浪波长、频率的定量关系,针对近岸光学遥感图像复杂的海浪特征,讨论了两种海浪波长提取方法,即FFT方法和剖面线法。然后提出了基于长距离波长波动分析的海浪频率计算方法,解决了单景遥感影像的波浪频率计算难题。最后,利用单景QuickBird高分辨率光学遥感影像,以海南岛三亚湾为研究区域进行了应用实验,结果表明,对12m以浅的浅海区域,在不需要任何辅助参数的情况下,反演获得了浅海地形(DEM),经与1:25000比例尺海图的水深对比验证,地形趋势吻合良好,反演水深的均方根误差为1.07m,相对水深误差为16.2%,表明该方法适合于浅海水下地形的提取,且具有无需实测水深数据和环境参数的支持的优点。 相似文献
8.
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
9.
利用卫星高光谱数据反演南海岛礁区浅海地形无疑具有重要意义,它不依赖于常规水深测量数据,可获得较高反演精度,同时可获得海底反射率和海水光学参数。本文利用美国NASA EO-1卫星装载的高光谱成像仪Hyperion数据,以及Z P Lee提出的半分析模型和高光谱优化算法HOPE,反演南沙岛礁海域的浅海水深、海底反射率和固有光学参数。收集了覆盖南沙海域12个岛礁区9幅2007—2011年Hyperion L1数据,以及有关的水深现场测量资料。反演结果以中洲礁为例,0~15m水深范围,平均百分误差为14%,均方根误差为1.53,相关系数为0.96,0~25m水深范围,平均百分误差为15%,均方根误差为2.68,相关系数为0.93。中洲礁,中业岛,信义礁和双黄沙洲4个岛礁区浅海水深反演的平均百分误差为14%。研究结果证明,半分析模型和HOPE算法用于南中国海岛礁区浅海水深及光学参数测量效果良好,并可推广应用于在轨运行的中国HJ-1A卫星HSI高光谱数据及其他将投入运行的卫星高光谱数据。 相似文献
10.
《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
11.
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
12.
水深可见光遥感方法研究进展 总被引：2，自引：0，他引：2
水深测量对于水利、航运、近海工程等具有重要作用。在总结国内外水体遥感测深主要方法和研究进展的基础上,对水深遥感反演中各类模型存在的问题进行了讨论。结果表明:理论解译模型模拟了光在水体内的辐射传输过程,水深反演精度较高,但模型计算需要大量的水体光学参数且计算过程烦琐;半理论半经验模型对理论解译模型进行了简化,所需水体光学参数少且具有较好的精度而被广为应用;统计相关模型通过直接建立遥感图像光谱值和实测水深之间的相关关系而获得水深数据,且计算相对简单,但由于实测水深值与遥感图像光谱值的事实相关性无法保证,使采用该类模型反演的水深结果有时并不理想。提高水深遥感反演精度,必须进一步加强遥感器研究,充分考虑水体中的溶解、悬浮物质等信息干扰,科学构建水深模型和大气校正模型。 相似文献
13.
基于多光谱影像的水深反演方法是获取近岸水深信息的高效手段,然而反演精度低一直是制约其广泛应用的瓶颈。本文聚焦于实测水深与多光谱数据自身的空间自相关特性,提出在机器学习框架下将学习样本的空间自相关特征与统计互相关特征相结合,以提高水深反演精度。西沙北岛海域的实验结果表明:在实测数据量较小的情况下,相比传统机器学习,顾及自相关特征的新方法可获得18%的精度提升;而当实测数据量充足时,精度提升可达到27%。结果表明,将数据源的空间自相关特征融入机器学习算法中,可显著提升多光谱水深反演结果的精确性,进而为浅海海洋研究提供有效数据支撑。 相似文献
14.
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
15.
《海洋技术学报》2015,(2)
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
16.
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
17.
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
18.
19.
《海洋技术学报》2018,(6)
水深是浅海重要的地形要素,利用遥感手段探测水深具有经济、高效等优势。利用"高分二号"多光谱遥感数据,采用不同波段组合的对数线性模型、Stumpf对数转换比值模型和改进的对数转换比值模型,以香港平洲岛为研究区域进行水深反演,并开展精度评价。结果表明:对数线性模型、Stumpf对数转换比值模型和改进的对数转换比值模型中,B1,B2,B3和B4(蓝、绿、红和近红外)4波段组合的对数线性模型水深反演精度最高,其检查点平均绝对误差MAE为1.63 m,平均相对误差MRE为12.67%,决定系数R2达0.80;0~5 m,5~10 m,10~15 m,15~20 m分水深段分析发现,3种模型在10~15 m水深段的水深反演效果均较好,最小的平均绝对误差MAE和平均相对误差MRE分别为1.09 m和8.99%,10 m以浅和15 m以深的反演误差较10~15 m的较大,显示上述模型更适合于中等浅水区域的应用。 相似文献