2023.11.24 中国矿业报
中国地质调查局海口海洋地质调查中心海洋自然资源调查团队在多光谱遥感数据与多类型机器学习算法的浅海水深反演方法评价研究方面取得新进展,其研究成果近日发表在《热带地理》期刊上。
该研究成果将有助于沿海区域开展水深测量工作,为利用光学遥感数据进行浅海水深反演时,实现高精度、高分辨率、高时效性遥感水深测量提供参考。
该团队以海南岛东部万宁市沿海区域为研究区域,收集不同海面风浪状况的Landsat-8数据和Sentinel-2数据,利用随机森林、支持向量机、偏最小二乘三种机器学习算法开展近岸水深反演研究,以评估不同数据源、不同机器学习算法的水深反演精度差异,探讨Landsat-8数据Sentinel-2数据在水深反演中的优缺点,以及不同机器学习算法应用于不同环境条件下的遥感水深测量时的性能差异。
研究结果显示,基于Sentinel-2和Landsat-8等多光谱遥感数据和实测水深数据,利用RF、SVM、PLSR等机器学习算法,开展水深反演,随机森林算法显示出应用于光学遥感水深反演的稳定性,对于各个数据源,各水深反演区间,均取得了获得相对高的水深反演精度,支持向量机算法和偏最小二乘算法在部分水深区间的水深反演中显示出优势。光学遥感图像的空间分辨率与水深反演精度不是绝对正相关关系,而遥感图像上水体的水文特征对水深反演具有较大影响,水体透明度、悬浮物浓度、海水波浪等因素均会影响反演精度,在利用光学遥感数据进行浅海水深反演时,应尽量选取海水透明度高、水面平静时刻的遥感数据进行建模反演。 (王照翻 黄赞慧)
{{panelTitle}}