| 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 |
|
|
