共查询到18条相似文献，搜索用时 109 毫秒
1.
基于SPOT-6遥感影像的近海水深反演 总被引：1，自引：0，他引：1
《海洋学研究》2016,(3)
水深反演对于浅海地形调查、海岸带保护和开发具有重要的意义。本文选取南海东锣岛海域为研究区,采用SPOT-6 6m高分辨率数据,基于SPOT-6多光谱数据和水深实测值分别建立蓝-绿、蓝-红等6个波段比值模型。结果显示,绿-红波段的比值模型精度最高,R2值达到0.706 4,这对于反演热带海洋地区水深具有一定借鉴意义。基于该模型的反演结果对不同水深范围内的平均相对误差进行比较,结果表明:0~5m水深范围反演误差较高,主要由于该范围水体情况较复杂,5~10m水深范围内平均相对误差最小为13.62%,而随着水深的增加,反演的误差增大,分析误差的主要来源是海水中的悬浮颗粒物、黄色物质、叶绿素质量浓度等方面的影响。 相似文献
2.
基于GeoEye-1和WorldView-2遥感数据的浅海水深反演比较研究 总被引：1，自引：1，他引：0
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
3.
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
4.
《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
5.
《海洋学研究》2017,(3)
根据遥感水深反演原理,利用海南岛龙湾港的World View-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.
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
7.
《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
8.
卫星水深反演是水深测量的一种重要手段，其中Stumpf比值算法和Lyzenga多项式算法应用广泛并诞生了大量改进算法，但这些算法没有顾及不同光谱的测深极限与适用范围，为此本文提出一种基于光谱分层的水深反演方法。首先，根据红、绿、蓝光谱对水体的穿透能力差异，提出一种基于影像本身的无参数光谱分层策略，提取红光层、绿光层、蓝光层；然后，根据不同光谱层的波段测深性能，分光谱层构建水深反演优化模型，获取浅海水深反演结果。以我国南沙海域长线礁和美属维尔京群岛巴克岛为实验区，本文方法对经典Stumpf比值算法和Lyzenga多项式算法进行改进后，水深均方根误差、平均绝对误差、平均相对误差分别降低了0.41～0.89 m、0.35～0.65 m、4%～19%，尤其在红光层，即水深较浅区域，平均相对误差降低了58%～149%，精度提升明显。因此，改进算法在提高卫星水深反演效果方面具有可行性和有效性。 相似文献
9.
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.
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
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.
针对目前反演遥感透明度的方法多是经验方法,而半分析方法运用在二类水体时,由于分析参数较难获取导致应用较少等问题,本文在缺少相关光学参数实测数据的情况下,基于GOCI卫星影像数据及实测透明度数据开展两种半分析透明度反演模型的对比与分析。首先选用555 nm和660 nm两种参考波段的QAA-v6算法分别反演水体固有光学参数,代入到Lee15和Jiang19两种半分析模型中定量反演胶州湾水域透明度。结果表明,660nm作为参考波段的Lee15模型反演精度更高,误差更小(R~2=0.771,MAPE=0.137,RMSE=0.331)。为进一步探究各模型在不同透明度范围内的反演精度,将透明度范围分成3段(0.5~1.5,1.5~2.5,2.5~3.5 m)分别进行误差分析后发现,660 nm Lee15模型在各分段均达到最佳精度。所以该模型能够为胶州湾这种二类水体的透明度反演提供一条有效途径。 相似文献
14.
利用卫星多光谱数据反演浅海水深是水深测量的一种重要手段。已有水深反演方法是在研究区建立统一的数学参数的反演模型,未考虑由于海底底质和水质变化导致的空间非平稳性问题。本文使用地理加权回归模型(Geographically Weighted Regression, GWR)对回归参数在空间上进行估计,针对GWR模型的带宽对反演精度的影响,使用了交叉验证(Cross Validation,CV)的方法来确定最佳带宽,并以南海永兴岛和甘泉岛海域为实验区,基于WordiVew-2多光谱数据对使用GWR模型的可行性和精度进行了验证。实验结果表明:永兴岛研究区GWR模型精度较线性回归模型提高了36.05%,在0~5,5~10,10~15和15~20 m区间,精度分别提高了49.46%,39.97%,12.36%和49.68%;甘泉岛研究区GWR模型精度较线性回归模型提高了8.08%,在0~5,5~10,10~15和15~20 m区间,精度分别提高了12.05%,16.23%,4.49%和12.23%,表明GWR模型具有更好的水深反演效果。 相似文献
15.
悬浮物含量及其时空分布是河口海岸环境中关心的热点问题。2016年2月16日，欧洲航天局发射了新一代海洋水色传感器(OLCI)，该传感器具有良好的时空及光谱分辨率。本研究结合2017年7月杭州湾同步采样数据，对比了6种大气校正算法和8种悬浮物浓度(TSM)估算模型，遴选和分析了适宜于杭州湾和OLCI数据的大气校正方法和TSM估算模型，验证了OLCI数据二级产品精度和适用性。结果表明:(1)基于紫外光谱的大气校正算法(UVAC)精度最高，同步4个采样点的大气校正平均相对误差(MAPE)分别为34.21%、13.11%、5.92%和20.28%。在除Oa1以外的14个波段的MAPE均值为15.23%，Oa4至Oa10波段的MAPE低于8%；(2)基于Oa16/Oa5的波段比值模型，具有良好的建模(MAPE为16.49%，RMSE为50.92 mg/L)和验证(MAPE为19.08%，RMSE为19.29 mg/L)精度及模型稳健性；(3)基于C2RCC算法的固有光学量和TSM含量产品及OLCI二级TSM含量产品在杭州湾精度较差，不适用于杭州湾TSM和固有光学量遥感监测应用；(4)空间上，TSM在杭州湾中部区域含量较低，在杭州湾南岸和湾口区域含量较高。 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.
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
18.
Shallow water depth retrieval from space-borne SAR imagery 总被引：1，自引：1，他引：0
Kaiguo Fan Weigen Huang Hui Lin Jiayi Pan Bin Fu Yanzhen Gu 《Journal of Oceanography》2011,67(4):405-413
Based on shallow water bathymetry synthetic aperture radar (SAR) imaging mechanism and the microwave scattering imaging model
for oceanic surface features, we developed a new method for shallow water depth retrieval from space-borne SAR images. The
first guess of surface currents and winds are estimated from the normalized radar crossing section (NRCS) profile of shallow
water bathymetry SAR imagery, according to the linear theory and geophysical model function. The NRCS profile is then simulated
by the microwave scattering imaging model. Both the surface currents and winds are adjusted by using the dichotomy method
step by step to make the M4S-simulated NRCS profiles approach those observed by SAR. Then, the surface currents and the wind
speeds are retrieved when a best fit between simulated signals and the SAR image appears. Finally, water depths are derived
using the Navier–Stokes equation and finite difference method with the best estimated currents and the surface winds. The
method is tested on two SAR images of the Taiwan Shoal. Results show that the simulated shallow water NRCS profile is in good
agreement with those measured by SAR with the correlation coefficient as high as 85%. In addition, when water depths retrieved
from the SAR image are compared with in situ measurements, both the root mean square and relative error are less than 3.0 m
and 6.5%, respectively, indicating that SAR images are useful for shallow water depth retrieval and suggesting that the proposed
method in this paper is convergent and applicable. 相似文献