机器学习视角下的多光谱卫星浅海水深反演研究 |
| |
引用本文: | 刘瑾璐,孙德勇,孔得雨,潘锡山,焦红波,李正浩,王胜强,何宜军.机器学习视角下的多光谱卫星浅海水深反演研究[J].激光与光电子学进展,2023(10):405-413. |
| |
作者姓名: | 刘瑾璐 孙德勇 孔得雨 潘锡山 焦红波 李正浩 王胜强 何宜军 |
| |
作者单位: | 1. 南京信息工程大学海洋科学学院;2. 自然资源部空间海洋遥感与应用重点实验室;3. 江苏省海涂研究中心;4. 国家海洋信息中心 |
| |
基金项目: | 国家自然科学基金(42176179,41876203,42176181);;江苏省基础研究计划(自然科学基金)项目(BK20211289,BK20210667); |
| |
摘 要: | 利用覆盖典型海岛的Landsat-8 OLI多光谱卫星遥感影像和收集到的水深数据,分别采用传统多元线性回归模型、机器学习中的back propagation(BP)神经网络模型和随机森林模型对目标海域水深进行整体反演,并对三种方法的反演精度进行评价。结果表明:相比于多元线性回归模型,机器学习方法的水深反演精度更高;随机森林模型的水深反演精度最高,平均绝对误差为1.94 m,平均绝对百分比误差为18.29%,模型的鲁棒性更加出色,整体精度较多元线性回归模型有明显提高。本研究比较三种方法构建的浅海水深模型的性能,为后续更加高效地获取高精度浅海水深信息提供参考价值。
|
关 键 词: | Landsat-8 OLI 机器学习 水深反演 多光谱影像 |
|
|