亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        多光譜遙感數(shù)據(jù)與多類型機(jī)器學(xué)習(xí)算法的淺海水深反演方法評價

        2023-09-21 08:11:22王照翻馬梓程熊忠招孫天成黃贊慧符釘輝謝翠容
        熱帶地理 2023年9期
        關(guān)鍵詞:數(shù)據(jù)源水深反演

        王照翻,馬梓程,熊忠招,孫天成,黃贊慧,3,符釘輝,陳 靚,謝 菲,謝翠容,陳 思,4

        [1.中國地質(zhì)調(diào)查局??诤Q蟮刭|(zhì)調(diào)查中心,???571127;2.湖北省國土測繪院,武漢 430014;3.中國地質(zhì)大學(xué)(武漢),武漢 430074;4.資源與生態(tài)環(huán)境地質(zhì)湖北省重點實驗室(湖北省地質(zhì)局),武漢 430034 ]

        在人類活動干擾頻繁、海運航道集中、自然生態(tài)系統(tǒng)敏感脆弱的沿海區(qū)域開展水深測量工作對制定海岸帶生態(tài)保護(hù)策略、實現(xiàn)海岸帶可持續(xù)發(fā)展具有重要意義(Klemas, 2009; Benveniste et al., 2019;Melet et al., 2020)。高時空分辨率和高精度的水深與水下地形數(shù)據(jù)對海岸帶系統(tǒng)演化研究(Benveniste et al., 2019)和海岸帶環(huán)境調(diào)查與監(jiān)測等應(yīng)用至關(guān)重要,如水下地形重建(劉小菊 等,2020)、濱海地貌制圖(薛振山 等,2012)、海岸形態(tài)(陳黎 等,2019)變化監(jiān)測、航海和漁業(yè)(Porskamp et al., 2018)。

        傳統(tǒng)的水深測量方法包括船載的單波束回聲(Single Beam Echo Sound, SBES) 和多波束回聲(Multi-Beam Echo Sound, MBES),以及安裝在空中平臺、遙控船和水下航行器上的激光雷達(dá)設(shè)備。盡管這些方法可以獲得高精度的水深測量數(shù)據(jù),但也存在測量時間長,經(jīng)濟(jì)成本高的局限性(Wei et al., 2021)。此外,由于測量條帶角度和測量船與海岸之間的距離,SBES 和MBES 測量系統(tǒng)會在測量條帶覆蓋范圍之外的海岸地形上形成測量盲區(qū),導(dǎo)致無法適用于水下地形復(fù)雜的淺水區(qū)(Yan et al.,2018)。相比之下,衛(wèi)星遙感技術(shù)以其高時效性、客觀性和低成本,為大范圍淺海地區(qū)水深測量提供一種有效數(shù)據(jù)源。同時隨著衛(wèi)星周期性回訪,能為海岸帶監(jiān)測提供連續(xù)的影像數(shù)據(jù)集(Jawak et al.,2015)。隨著衛(wèi)星遙感器的發(fā)展,已形成新的空間式水深測量方法,即衛(wèi)星水深測量(Satellite-Derived Bathymetry, SDB)(Wu et al., 2021; Evagorou et al., 2022)。SDB方法可以分為基于主動式雷達(dá)遙感圖像的方法和基于被動式多光譜圖像的方法。其中,雷達(dá)遙感水深測量方法是利用雷達(dá)后向散射捕獲海面速度的變化,并通過潮汐流和海底地形的相互作用估計水深(Calkoen et al., 2001)。1984 年,Alpers等(1984)首次提出基于合成孔徑雷達(dá)圖像反演淺水地形的簡易模型。隨后研究人員針對雷達(dá)遙感的水深反演物理模型展開大量探討。基于ALpers 等提出的淺海水下的成像原理,李澤軍等(2012)改進(jìn)了水深反演過程,并利用實測數(shù)據(jù)對臺灣淺海水域進(jìn)行水深反演,取得良好效果。趙現(xiàn)斌等(2014)等在分析后向散射系數(shù)、輻射分辨率等與海洋監(jiān)測之間的物理聯(lián)系,提出一種全極化的合成孔徑雷達(dá)關(guān)鍵技術(shù)的參數(shù)設(shè)計方法,很好地滿足海洋環(huán)境的應(yīng)用。然而,基于雷達(dá)遙感圖像的水深反演方法測量精度易受到海面風(fēng)速和雷達(dá)圖像斑點噪聲的影響(Calkoen et al., 2015)。

        與雷達(dá)遙感不同的是,多光譜圖像的水深測量方法的理論依據(jù)是基于太陽光經(jīng)過大氣、大氣-水體界面和水體等介質(zhì)的傳播,到達(dá)水底或水下目標(biāo)物,被反射后又經(jīng)逆向傳播被衛(wèi)星傳感器接收的傳播模型,根據(jù)光波對不同水體所表現(xiàn)出的透射性差異建立物理模型,再利用多光譜數(shù)據(jù)(包括紫外、可見光、近紅外和中紅外波段等)獲取水深,或通過模型運算并結(jié)合實測水深數(shù)據(jù)獲得大范圍的水深信息(閆峰 等,2008)。早在20世紀(jì)30年代末,已有研究顯示藍(lán)波段的水體穿透深度可達(dá)25 m,綠波段可達(dá)15 m,紅波段可達(dá)5 m (Evagorou et al.,2022)。多光譜圖像的水深測量方法能獲取比雷達(dá)遙感方法在空間上更精細(xì)的水深信息,而雷達(dá)遙感方法的水深探測深度更深(Lyzenga et al., 2006)。

        基于多光譜圖像的水深測量精度受到數(shù)據(jù)類型、反演算法和海水環(huán)境要素等多因素影響?;诠鈱W(xué)遙感的水深測量精度主要受到數(shù)據(jù)的空間分辨率、光譜分辨率和輻射分辨率的影響(Lyzenga et al., 2006)。TM、OLI等中等空間分辨率遙感數(shù)據(jù)和SPOT、RapidEye 等高空間分辨率遙感數(shù)據(jù)均應(yīng)用于水深反演研究,并取得不同的反演精度(Stumpf et al., 2003; Traganos et al., 2018; Cahalane et al.,2019)。研究發(fā)現(xiàn)并不是數(shù)據(jù)空間分辨率越高,反演結(jié)果精度越高,數(shù)據(jù)空間分辨率、輻射分辨率和水體透明度對于水深反演精度同等重要(Bramante et al., 2013)。另外,潮汐、波浪、海底底質(zhì)和海水透明度等海水環(huán)境要素均會對水深反演的精度造成較大影響。因此,探索不同數(shù)據(jù)類型在不同水環(huán)境條件下對水深反演的影響十分必要。SDB在反演方法上可以分為理論解釋模型、統(tǒng)計模型和機(jī)器學(xué)習(xí)模型。如Polcyn等(1969)最早提出海底反射水深遙感模型,將傳感器獲得的離水輻亮度分為水體部分產(chǎn)生和由底質(zhì)反射獲取2部分,通過計算底質(zhì)反射的光譜離水輻亮度(與海底反射率、水體衰減系數(shù)和水深有關(guān))提取水深。Lyzenga 等(1981)建立多波段線性模型實現(xiàn)清潔水環(huán)境測深和底質(zhì)物質(zhì)類型識別。Zhang 等(2015)基于多角度圖像幾何模型和太陽耀光輻射傳輸模型,利用ASTER 的多角度太陽耀光圖像,開發(fā)水下沙波測深的新方法。

        近年來,隨著遙感數(shù)據(jù)源的豐富和機(jī)器學(xué)習(xí)算法的發(fā)展,隨機(jī)森林(Liaw et al., 2002)、支持向量機(jī)(Mateo-Pérez et al., 2020)、偏最小二乘(Mateo-Pérez et al., 2021)、人工神經(jīng)網(wǎng)絡(luò)(Ceyhun et al.,2010)等機(jī)器學(xué)習(xí)算法被成功應(yīng)用于衛(wèi)星遙感水深反演領(lǐng)域。其中,人工神經(jīng)網(wǎng)絡(luò)算法作為一種常用算法廣泛應(yīng)用于遙感圖像分類和反演研究中(Pahlevan et al., 2020),一些學(xué)者使用支持向量機(jī)算法替代神經(jīng)網(wǎng)絡(luò)算法,以提升水深反演的精度,該算法對于解決非線性分類和回歸問題有較好的效果(Wang et al., 2008)。隨機(jī)森林算法作為一種非線性回歸算法,也適用于構(gòu)建基于多光譜遙感圖像的水深數(shù)據(jù)的回歸模型(Sagawa et al., 2019)。這些數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)模型,在基于多光譜遙感圖像的水深反演研究中表現(xiàn)更靈活、更準(zhǔn)確(溫開祥 等,2020)。

        Landsat-8 數(shù)據(jù)和Sentinel-2 數(shù)據(jù)以其在數(shù)據(jù)穩(wěn)定性、空間覆蓋范圍和重訪周期等方面的優(yōu)勢,已單獨被應(yīng)用于水深反演研究(Giardino et al., 2019)。然而,這些研究大多利用單一數(shù)據(jù)源和單一機(jī)器學(xué)習(xí)算法進(jìn)行水深反演,而2 種數(shù)據(jù)的空間分辨率、光譜分辨率差異,不同機(jī)器學(xué)習(xí)算法的選擇以及圖像水體的水環(huán)境特征對水深反演精度的影響還未明確評價。鑒于此,本研究以海南島東部萬寧市沿海區(qū)域為例,收集不同海面風(fēng)浪狀況的Landsat-8數(shù)據(jù)和Sentinel-2 數(shù)據(jù),利用隨機(jī)森林、支持向量機(jī)、偏最小二乘3種機(jī)器學(xué)習(xí)算法開展近岸水深反演研究,以評估不同數(shù)據(jù)源、不同機(jī)器學(xué)習(xí)算法的水深反演精度差異,深入探討Landsat-8數(shù)據(jù)和Sentinel-2 數(shù)據(jù)在水深反演中的優(yōu)缺點,以及不同機(jī)器學(xué)習(xí)算法應(yīng)用于不同環(huán)境條件下的遙感水深測量時的性能差異。以期為結(jié)合使用2種數(shù)據(jù)集以實現(xiàn)高精度、高分辨率、高時效性遙感水深測量提供參考。

        1 研究區(qū)與數(shù)據(jù)源

        1.1 研究區(qū)

        研究區(qū)位于萬寧市東澳鎮(zhèn)新群村至萬城鎮(zhèn)春園村海岸線以外近海水域,地理位置為18°41′15″—18°47′30″ N、110°24′55″—110°31′40″ E。研究區(qū)屬于熱帶海洋性季風(fēng)氣候,該區(qū)域年平均氣溫為25.0℃;月平均氣溫變化為19.5(1 月)~28.8℃(6、7月),年降雨量2 100~2 200 mm。近岸海域平均潮差約1 m,大潮差<2.5 m。研究區(qū)岸線以砂質(zhì)岸線和基巖岸線為主,岸灘類型主要為泥沙質(zhì)。研究區(qū)地理位置如圖1所示。

        圖1 水深反演研究區(qū)水深點訓(xùn)練樣本與驗證樣本分布Fig.1 Distribution of bathymetric training samples and validation samples in the bathymetric inversion study area

        1.2 水深數(shù)據(jù)

        水深數(shù)據(jù)是由中國人民共和國海事局發(fā)布的1∶25 000坡頭港及大洲島附近(C1516171)區(qū)域海圖數(shù)據(jù)獲取,共獲取研究區(qū)內(nèi)588 處實測水深數(shù)據(jù),用于水深反演模型的構(gòu)建和反演精度的評價。研究區(qū)實測水深點分布如圖1。

        1.3 遙感數(shù)據(jù)

        為對比Sentinel-2 和Landsat-8 數(shù)據(jù)在水深反演中性能差異,本研究選取2種數(shù)據(jù)開展水深反演試驗,Sentinel-2和Landsat-8數(shù)據(jù)指標(biāo)參數(shù)對比如表1所示??梢奡entinel-2 數(shù)據(jù)在可見光到近紅外區(qū)間(400~1 000 nm)波段設(shè)置多于Landsat-8 數(shù)據(jù),光譜分辨率更高;空間分辨率上,Landsat-8數(shù)據(jù)深藍(lán)波段(B1)空間分辨率(30 m)優(yōu)于Sentinel-2 數(shù)據(jù)(60 m),但可見光到近紅外區(qū)間其他波段空間分辨率(30 m)低于Sentinel-2數(shù)據(jù)(10或20 m)。同時,為了分析海水透明度、波浪條件等水體環(huán)境特征光學(xué)遙感水深反演的精度的影響,收集覆蓋研究區(qū)不同海水透明度、不同波浪條件的Sentinel-2 和Landsat-8等多類型遙感數(shù)據(jù),進(jìn)行水深反演研究。選擇3景數(shù)據(jù)進(jìn)行水深反演試驗,3景數(shù)據(jù)圖像特征如圖2所示,其中,Sentinel-2數(shù)據(jù)采集于2022-02-11,近岸水體有一定懸浮物,水體透明度較差,同時水體圖像表現(xiàn)出風(fēng)浪引起的規(guī)則的條帶狀反射率異常特征。選取的Landsat-8數(shù)據(jù)包括2景,分別采集于2021-06-28和2019-07-16,2景Landsat-8數(shù)據(jù)近岸水體透明度均優(yōu)于Sentinel-2 數(shù)據(jù),從圖像判斷,近岸水體中懸浮物相對少,2 景數(shù)據(jù)相比,2021-06-28 采集的Landsat-8 數(shù)據(jù)圖像水體風(fēng)浪特征比2019-07-16 采集的數(shù)據(jù)更強(qiáng)。

        表1 各衛(wèi)星指標(biāo)參數(shù)對比Table 1 Comparison of satellite parameters

        圖2 研究區(qū)Sentinel-2和Landsat-8數(shù)據(jù)影像特征Fig.2 Different Sentinel-2 and Landsat-8 images of the study area

        利用ENVI 5.3平臺對采集的各景遙感數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正獲取地表反射率數(shù)據(jù),再按照工作區(qū)范圍進(jìn)行裁剪。Sentinel-2數(shù)據(jù)各波段空間分辨率統(tǒng)一為10 m,Landsat-8數(shù)據(jù)各波段空間分辨率為30 m。其中,大氣校正是水體定量遙感的基礎(chǔ)與前提,對于不同數(shù)據(jù)源,大氣校正模型、大氣校正模型參數(shù)的選擇對水深反演精度有一定影響。FAASH 模型是基于機(jī)器學(xué)習(xí)和多光譜、高光譜遙感數(shù)據(jù)水深反演研究中常用的大氣校正方法(張勇勇,2022),為了便于比較不同數(shù)據(jù)源和不同機(jī)器學(xué)習(xí)算法的水深反演精度,統(tǒng)一采用ENVI 5.3平臺FAASH模型的海洋氣溶膠模式對3景數(shù)據(jù)進(jìn)行大氣校正。

        2 方法

        光學(xué)遙感水深測量的主要原理是利用水柱反射的總輻射能量來擬合、測定水深(Eugenio et al.,2015)。光學(xué)遙感圖像的藍(lán)、綠波段具有較強(qiáng)的穿透清水的能力,隨著水體中懸浮泥沙濃度的升高,水體的反射峰向長波方向移動(Lyons et al., 2011)在可見光范圍內(nèi),波長在0.4~0.58 μm 之間的光信號對清澈水體的穿透深度最大,大氣條件較好時,能探測水深在30 m 以內(nèi)的水體(Evagorou et al.,2022)。

        在收集不同類型和水環(huán)境條件的多光譜數(shù)據(jù)以及實測水深數(shù)據(jù)等資料基礎(chǔ)上,本研究基于實測水深數(shù)據(jù)進(jìn)行訓(xùn)練樣本和驗證樣本選擇與制作,分析單波段反射率與實測水深的相關(guān)性,利用隨機(jī)森林(Random Forest Regression, RFR)、支持向量機(jī)(Support Vector Machine,SVM)、 偏 最 小 二 乘(Partial Least Squares Regression, PLSR)等算法對不同遙感數(shù)據(jù)構(gòu)建水深反演模型進(jìn)行水深反演實驗,并評價水深預(yù)測精度,技術(shù)路線如圖3所示。

        圖3 遙感水深反演技術(shù)路線Fig.3 Technical flow of remote sensing bathymetry inversion

        2.1 訓(xùn)練樣本選取

        將由1∶25 000 坡頭港及大洲島附近(C1516171)區(qū)域海圖數(shù)據(jù)中獲取的588處實測水深數(shù)據(jù),隨機(jī)選取其中295處作為遙感水深反演的訓(xùn)練樣本,訓(xùn)練樣本點水深取值區(qū)間為0.2~79 m,水深均值為20.35 m。其余293處水深數(shù)據(jù)作為精度檢驗樣本,檢驗樣本點水深取值區(qū)間為0.3~80 m,水深均值為20.50 m。

        2.2 水深反演算法

        主要使用隨機(jī)森林回歸(Random Forest Regression, RFR)、支持向量機(jī)(Support Vector Machine, SVM)、偏最小二乘(Partial Least Squares Regression, PLSR)3種機(jī)器學(xué)習(xí)算法對不同遙感數(shù)據(jù)進(jìn)行水深反演實驗,及測試不同機(jī)器學(xué)習(xí)算法對水深反演的適用性。

        2.2.1 隨機(jī)森林回歸 隨機(jī)森林回歸算法是由Breiman(2001)基于集成思想提出,通過隨機(jī)參數(shù)在分類回歸樹(Classification And Regression Tree,CART)上構(gòu)建。CART 樹是根據(jù)對待測結(jié)果數(shù)據(jù)類型的預(yù)測,而實現(xiàn)數(shù)據(jù)的分類或回歸的一種二叉決策樹。隨機(jī)森林算法中的每棵樹在運算中都保持互相獨立,其結(jié)果最后由所有決策樹結(jié)果組合而得。本研究通過繪制決策樹數(shù)目與模型預(yù)測誤差之間的曲線圖確定最優(yōu)決策樹數(shù)目。經(jīng)過不斷調(diào)參,最終確定決策樹數(shù)量為100,分割節(jié)點數(shù)量為1。

        2.2.2 支持向量機(jī) 支持向量機(jī)是Corinna Cortes和Vapnik 等于1995 年首先提出的,它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢,并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問題中。支持向量機(jī)方法是建立在統(tǒng)計學(xué)習(xí)理論的VC 維(Vapnik-Chervonenkis Dimension)理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上的,根據(jù)有限的樣本信息在模型的復(fù)雜性(即對特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無錯誤地識別任意樣本的能力)之間尋求最佳折衷,以獲得最好的推廣能力。SVM從功能上分為分類和回歸2類,區(qū)別在于,SVM回歸的樣本點只有1 類,所尋求的最優(yōu)超平面不是使2 類樣本點分得“最開”,而是使所有樣本點離超平面的“總偏差”最小,本文水深預(yù)測模型以其回歸功能為基礎(chǔ),選擇徑向基函數(shù)作為核函數(shù)建立支持向量回歸模型,將遙感數(shù)據(jù)以及水深之間的非線性問題轉(zhuǎn)化為高維特征空間的線性問題。

        2.2.3 偏最小二乘回歸 PLSR 是一種多對多線性回歸模型,可同時實現(xiàn)回歸建模(多元線性回歸分析)、數(shù)據(jù)結(jié)構(gòu)簡化(主成分分析)和2組變量之間相關(guān)性分析(典型相關(guān)性分析)(Wold et al., 2001)。PLSR 基于高維投影思想,通過提取主成分的方法對系統(tǒng)中的數(shù)據(jù)信息進(jìn)行分解和篩選,實現(xiàn)對系統(tǒng)解釋性最強(qiáng)的綜合變量的有效抽?。怀S糜跇颖玖啃?、變量間存在多重相關(guān)性的數(shù)據(jù)處理,適用于光譜遙感數(shù)據(jù)反演模型的建立。其建模的基本步驟為:1)標(biāo)準(zhǔn)化處理水體光譜反射率數(shù)據(jù)矩陣與水深數(shù)據(jù)矩陣,得到的標(biāo)準(zhǔn)化矩陣分別記為E0和F0;2)分別提取E0和F0第一對成分T1和U1,T1和U1分別為E0和F0的線性組合并使之相關(guān)性最大;3)分別求E0和F0在T1上的回歸,并得到回歸殘差矩陣E1和F1;4)用殘差矩陣E1和F1代替E0和F0重復(fù)上述步驟;5)檢查收斂性以確定提取的主成分?jǐn)?shù)(黃華 等,2021)。

        2.3 精度評價方法

        模型評價指標(biāo)采用決定系數(shù)R2、均方根誤差(RMSE)、平均絕對誤差(MAE)和平均絕對百分比誤差(MAPE)。其中R2越接近1,模型擬合能力越強(qiáng);RMSE、RE 和MAE 越小,模型預(yù)測值和實測值離散程度越低,模型預(yù)測能力越高。

        3 結(jié)果分析

        3.1 反射率與實測水深相關(guān)性

        本研究中,結(jié)合處理的3 景遙感數(shù)據(jù)與295 處水深訓(xùn)練樣本,分析了3 景Sentinel-2 和Landsat-8數(shù)據(jù)B1 波段(海岸波段)反射率與訓(xùn)練樣本水深實測值的相關(guān)性。

        結(jié)果顯示,研究區(qū)水深與3 景Sentinel-2 和Landsat-8數(shù)據(jù)海岸波段的反射率相關(guān)性均不強(qiáng),R2分別為0.145、0.415和0.324。這與研究區(qū)近岸海水懸浮物濃度較高同時水體風(fēng)浪較大有關(guān)。其中,2019-07-16采集的Landsat-8數(shù)據(jù)與實測水深相關(guān)性最強(qiáng)(R2為0.415),2021-06-28 采集的Landsat-8 數(shù)據(jù)與實測水深相關(guān)性次之(R2為0.324),Sentinel-2數(shù)據(jù)與實測水深相關(guān)性最差(R2為0.145)。這與數(shù)據(jù)采集時,研究區(qū)水體的水文特征差異有關(guān),2022-02-11 Sentinel-2數(shù)據(jù)圖像水體透明度低于2景Landsat-8 圖像,同時Sentinel-2 數(shù)據(jù)海岸波段空間分辨率(60 m)低于Landsat-8 數(shù)據(jù)海岸波段(30 m),這些造成Sentinel-2 數(shù)據(jù)海岸波段與實測水深相關(guān)性低于兩景Landsat-8數(shù)據(jù)。2景Landsat-8數(shù)據(jù)圖像中,2019-07-16采集的Landsat-8數(shù)據(jù)圖像水體風(fēng)浪特征弱于2021-06-28采集的數(shù)據(jù),造成其海岸波段與實測水深相關(guān)性優(yōu)于2021-06-28采集的數(shù)據(jù)。

        以上結(jié)果反映近岸水體透明度和水面風(fēng)浪影響,3 景多光譜數(shù)據(jù)單波段(藍(lán)波段)反射率與實測水深數(shù)據(jù)的線性相關(guān)性都較差,表明基于單波段的線性回歸方法難以勝任研究區(qū)的水深反演,因此,采用更善于處理非線性回歸問題的RF和SVM方法,及適用于多元線性回歸分析的PLSR 方法開展研究區(qū)水深反演。

        3.2 水深反演結(jié)果與整體反演精度

        3 景Sentinel-2 數(shù) 據(jù) 和Landsat-8 數(shù) 據(jù) 的RF、SVM、PLSR水深反演模型0~40 m水深精度評價如表2 所示。對于所有數(shù)據(jù)類型和所有反演模型,Landsat-8 數(shù)據(jù)(20190716)的RF 模型獲得最高的反演精度,R2為0.814,MAE 為3.39 m,RMSE 為4.31 m, MAPE 為0.366。 對 于Sentinel-2 數(shù) 據(jù)(20220211)、Landsat-8 數(shù)據(jù)(20190716)和Landsat-8數(shù)據(jù)(20210628),RF模型均獲得最高的反演精度。各類型數(shù)據(jù)源中,2 景Landsat-8 數(shù)據(jù)RF、SVM、PLSR模型的R2、MAE和RMSE均優(yōu)于Sentinel-2數(shù)據(jù)。

        表2 水深反演精度分析Table 2 Analysis of bathymetric inversion accuracy

        Sentinel-2(20220211)數(shù)據(jù)RF 模型水深反演結(jié)果與實測水深值相關(guān)性最高,R2為0.764,SVM模型次之,R2為0.720,PLSR 模型最差,R2僅為0.477。RF 模型水深反演結(jié)果的MAE、RMSE 和MAPE 也優(yōu)于SVM 和PLSR 模型,分別為3.96 m、4.81 m 和0.673。從水深反演效果(圖4)上看,SVM和PLSR模型均有部分近岸淺水區(qū)像元被預(yù)測為深水深值或負(fù)值。RF反演結(jié)果0~5 m水深范圍水域與實際比較接近。3 種模型反演結(jié)果均存在條帶狀噪聲,這是海浪引起的水體反射特征。

        圖4 各數(shù)據(jù)源各機(jī)器學(xué)習(xí)算法的水深反演結(jié)果Fig.4 Bathymetric inversion results of various data sources and machine learning algorithms

        Landsat-8(20190716)數(shù)據(jù)RF 模型水深反演結(jié)果與實測水深值相關(guān)性最高,R2為0.814,10 m以淺水深點的預(yù)測結(jié)果與實測水深相關(guān)性最強(qiáng),圖中點收斂于回歸線附近;SVM 模型次之,R2為0.764,PLSR 模型最差,R2僅為0.536。RF 模型水深反演結(jié)果的MAE、RMSE 和MAPE 也優(yōu)于SVM和PLSR 模型,分別為3.39 m、4.31 m 和0.366。從水深反演效果(見圖4)上看,SVM 和PLSR 模型均有部分近岸淺水區(qū)像元被預(yù)測為深水深值或負(fù)值。RF 反演結(jié)果中0~5 和5~10 m 水深范圍水域與實際比較接近,其中5~10 m 水深的反演效果優(yōu)于Sentinel 數(shù)據(jù)(20220211)的RF 反演結(jié)果。3 種模型反演結(jié)果均沒有海浪反射特征引起的條帶狀噪聲。PLSR 模型反演結(jié)果不同水深范圍間的界線最明確,但各水深區(qū)間的像元的反演水深較實測水深均偏深,而SVM 反演結(jié)果中各水深區(qū)域混淆比較明顯,反演效果較差。

        Landsat-8(20210628)RF 模型水深反演結(jié)果與實測水深值相關(guān)性最高,R2為0.796,10 m 以淺水深點的預(yù)測結(jié)果與實測水深相關(guān)性較強(qiáng),圖中點收斂于回歸線附近,但收斂程度次于Landsat-8(20190716)的反演結(jié)果;SVM 模型次之,R2為0.754,PLSR 模型最差,R2為0.699。RF 模型水深反演結(jié)果的MAE、RMSE 和MAPE 也優(yōu)于SVM 和PLSR 模型,分別為3.65 m、4.88 m 和0.510。水深反演效果(見圖4)上看,SVM 模型和PLSR 模型均有較多近岸淺水區(qū)像元水深預(yù)測值異常偏大或為負(fù)值。RF 反演結(jié)果中0~5 和5~10 m 水深范圍水域與實際比較接近,其中5~10 m水深的反演效果優(yōu)于Sentinel 數(shù)據(jù)(20220211)的RF 反演結(jié)果,但0~5和5~10 m 水深范圍水域混淆情況較Landsat-8(20190716)的RF 反演結(jié)果更嚴(yán)重,另外15~20 m水深范圍水域與20 m以深水域混淆嚴(yán)重,反演效果較差。3 種模型反演結(jié)果均沒有海浪引起的條帶狀噪聲。SVM模型反演結(jié)果不同水深范圍間的界線較其他2 種算法反演結(jié)果最明確,但0~5 m 水深范圍內(nèi)像元預(yù)測異?,F(xiàn)象很多,PLSR 反演結(jié)果中各水深區(qū)間的像元的反演水深較實測水深均偏深。

        3.3 分段水深反演精度

        綜合考慮《海道測量規(guī)范》(GB12327-2022)(中國人民解放軍海軍參謀部,2022)中規(guī)定的水深測量誤差的分段表示,和同類研究中水深反演精度評價的水深分段劃分區(qū)間,為對比不同數(shù)據(jù)源和不同計算學(xué)習(xí)算法對不同水深區(qū)間的水深預(yù)測精度差異,分10 m 以淺、10~20 m、20 m 以淺和20~30 m 等4 個水深段分別評價各衛(wèi)星數(shù)據(jù)各反演算法精度(表3)。

        表3 不同水深各衛(wèi)星數(shù)據(jù)各反演算法精度分析Table 3 Accuracy analysis of different satellite data and inversion algorithms for various water depths

        對于10 m 以淺水深區(qū)域, Landsat-8(20190716)的RF模型和Landsat-8(20210628)的RF 模型獲得較高的反演精度,R2分別為0.711 和0.679,MAE 分別為1.96 和2.40 m,RMSE 分別為3.04 和3.17 m,MAPE 分別為0.605 和1.007。其中Landsat-8 (20190716) 的RF 模 型 反 演 結(jié) 果 的MAE、RMSE和MAPE為各數(shù)據(jù)源各算法反演結(jié)果中最低,反演精度最高。Landsat-8(20190716)的PLSR 模 型 取 得 最 高 的R2(0.779),但MAE、RMSE 和MAPE 較高,分別為7.86 m、9.21 m 和4.501。

        對 于 10~20 m 水 深 區(qū) 間 , Landsat-8(20190716)的PLSR 模型取得最高的R2(0.627),但MAE、RMSE 和MAPE 較高,分別為7.64 m、7.86 m 和0.551,Landsat-8(20190716)的RF 模型的R2(0.553)次之;Sentinel-2(20220211)的RF模型的MAE、RMSE 和MAPE 最低,分別為3.28 m、4.10 m 和0.289,但其R2僅為0.379。Landsat-8(20190716)RF 模型的MAE、RMSE 和MAPE 稍高,分別為4.01 m、4.87 m和0.295。綜合而言,在10~20 m水深區(qū)間,Landsat-8(20190716)的RF模型反演結(jié)果取得較好的精度。

        對于20 m 以淺水深區(qū)間, Landsat-8(20190716)的RF模型獲得最高的反演精度,反演結(jié)果的R2達(dá)0.874,高于各數(shù)據(jù)源各算法的反演結(jié)果;Landsat-8 (20190716) 的RF 模 型 的MAE、RMSE 和MAPE 在各反演結(jié)果中最低,分別為2.34 m、3.24 m和0.449。

        對 于 20~30 m 水 深 區(qū) 間 , Landsat-8(20190716)的SVM模型的R2(0.429)最高,但其他精度評價因子偏高。Landsat-8(20190716)的PLSR 模 型 的R2為0.336,但 其MAE (2.65 m)、RMSE(3.11 m)和MAPE(0.102)均優(yōu)于各數(shù)據(jù)源各算法的反演結(jié)果。另外,對于Sentinel-2數(shù)據(jù),RF 模型在20~30 m 水深區(qū)間的反演精度優(yōu)于SVM和PLSR模型,而對于2景Landsat-8數(shù)據(jù),PLSR模型在20~30 m 水深區(qū)間的反演精度優(yōu)于SVM 和RF模型。

        4 討論

        從水深反演的遙感數(shù)據(jù)源看,2景Landsat-8數(shù)據(jù)的水深反演整體(0~40 m 水深)精度優(yōu)于Sentinel-2 數(shù)據(jù),最高精度反演結(jié)果(RF 模型)的R2、MAE、RMSE 和MAPE 均優(yōu)于Sentinel-2 數(shù)據(jù)最高精度反演結(jié)果(RF模型),而Sentinel-2數(shù)據(jù)的空間分辨率(10 m)優(yōu)于Landsat-8 數(shù)據(jù)(30 m)。反演精度差異的原因可能是,數(shù)據(jù)獲取時水環(huán)境特征的差異,本研究獲取的Sentinel-2 圖像水體透明度相較2景Landsat-8數(shù)據(jù)差,同時水體圖像表現(xiàn)出風(fēng)浪引起的規(guī)則的條帶狀反射率異常特征,這些都對水深反演結(jié)果和精度造成影響。這表明,對于光學(xué)遙感水深反演,更高的圖像空間分辨率并不能保證更高的水深反演精度(Traganos et al., 2018;Cahalane et al., 2019;Wei et al., 2021),說明水體透明度、海浪情況等水環(huán)境特征對光學(xué)遙感數(shù)據(jù)反演的重要影響(Purkis et al., 2019)。同時,Sentinel-2數(shù)據(jù)海岸波段較低的空間分辨率(60 m)也是限制其水深反演精度的原因之一,其海岸波段與實測水深的R2比Landsat-8 數(shù)據(jù)海岸波段低0.09~0.27。另外,空間分辨率的提高對圖像上海浪特征有一定增強(qiáng),2021-06-28采集的Landsat-8數(shù)據(jù)與Sentinel-2數(shù)據(jù)圖像上均表現(xiàn)出海浪形成的異常反射特征,且Sentinel-2圖像上海浪的條帶特征更明顯,并顯示在水深反演結(jié)果中。另外,多光譜數(shù)據(jù)的獲取時間和當(dāng)時的潮汐狀況也對水深反演有重要影響,但受限于衛(wèi)星數(shù)據(jù)獲取的周期性和天氣原因,往往難以獲得相同時刻拍攝、潮汐狀況相同的影像。未來將加強(qiáng)收集潮汐狀況、水質(zhì)條件和風(fēng)浪條件相似的影像,進(jìn)一步對比算法、分辨率等對水深結(jié)果反演的差異。

        從水深反演的機(jī)器學(xué)習(xí)方法上看,本研究是建立在單一區(qū)域的有限實測數(shù)據(jù)和有限的數(shù)據(jù)樣本條件下的,對不同算法的比較有一定不確定性,隨機(jī)森林模型(RF)對于各個數(shù)據(jù)源在整個水深區(qū)間均獲得相對好的水深反演整體(0~40 m 水深)精度,這與已有利用其他光學(xué)遙感數(shù)據(jù)源比對不同機(jī)器學(xué)習(xí)算法的水深反演精度結(jié)果(Wu et al., 2021; Liaw et al., 2002)一致,顯示出隨機(jī)森林算法應(yīng)用于光學(xué)遙感水深反演時的穩(wěn)定性。但對于某些水深區(qū)間,PLSR和SVM算法的反演結(jié)果也顯示出一定優(yōu)勢,對于10~20 m 水深區(qū)間,Landsat-8 數(shù)據(jù)(20190716)的SVM 模型的MAPE 為0.294,優(yōu)于RF 模型和PLSR 模型,對于20~30 m 水深區(qū)間,2景Landsat-8數(shù)據(jù)的PLSR模型反演精度最優(yōu)、SVM模型次之,RF模型最差。受限于數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)算法的樣本依賴性和不同類型遙感數(shù)據(jù)的異質(zhì)性,基于遙感數(shù)據(jù)的機(jī)器學(xué)習(xí)水深反演模型應(yīng)用于不同水環(huán)境和不同遙感數(shù)據(jù)源的性能可能受限,在類似區(qū)域研究中,可通過補(bǔ)充訓(xùn)練樣本或利用遷移學(xué)習(xí)方式提升模型的泛化能力。本研究對比了不同算法應(yīng)用于不同多光譜數(shù)據(jù)水深反演的效果,下一步將在不同環(huán)境下、不同水深區(qū)間全面評價不同機(jī)器學(xué)習(xí)算法對水深反演的性能。

        從水深反演的精度上看,Landsat-8 數(shù)據(jù)(20190716)的RF 模型獲得最高的整體反演精度(0~40 m 水 深),R2為0.814,MAE 為3.39 m,RMSE 為4.31 m。將本研究的水深反演結(jié)果精度與已有研究進(jìn)行比較,需考慮反演水深范圍、海底底質(zhì)、圖像質(zhì)量和水環(huán)境條件等許多變量(Pan et al.,2016)。已有研究中(Evagorou et al., 2022; Sagawa et al., 2019; Duan et al., 2022),反演的水深范圍大多為0~15 或0~20 m,所以各精度指標(biāo)優(yōu)于本研究結(jié)果。從0~20 m水深范圍的反演精度上看,本研究Landsat-8(20190716)的RF 模型獲得最高的反演精 度,R2為0.874,MAE 和RMSE 分 別 為2.24 和3.24 m,精度略高于Wei等(2021)利用SVM模型和Landsat-8 數(shù)據(jù)進(jìn)行珠江口水域水深反演的結(jié)果(R2為0.800,MAE和RMSE分別為2.76和3.60 m);同樣優(yōu)于Ashphaq 等(2022)在印度Vengurla 地區(qū)海域,利用Landsat-8數(shù)據(jù)進(jìn)行水深反演的結(jié)果(R2為0.77,MAE 和RMSE 分別為2.80 和3.40 m)。珠江口與Vengurla地區(qū)海域水環(huán)境特征與此研究區(qū)相似,均為水動力較強(qiáng)的海域,同時海底底質(zhì)以泥沙質(zhì)為主,造成水體透明度差,海面波浪作用強(qiáng),對水深反演有較大影響。國家《海道測量規(guī)范》(GB12327-2022)中規(guī)定測深桿、水砣、單波束、多波束測深系統(tǒng)等實地測量手段20 m以淺水深測量的誤差限制為±0.5 m,20~30 m 水深測量的誤差限制為±0.6 m。從結(jié)果看,本研究取得的20 m以淺水深測量絕對誤差為2.34 m,表明多光譜遙感水深測量手段與實測手段的測量精度仍有差距,但近似于或優(yōu)于已有報道的類似區(qū)域和方法的遙感水深反演精度。

        5 結(jié)論

        基于Sentinel-2 和Landsat-8 等多光譜遙感數(shù)據(jù)和實測水深數(shù)據(jù),利用RF、SVM、PLSR等機(jī)器學(xué)習(xí)算法,開展水深反演,得到的主要結(jié)論有:

        1)0~40 m 水深區(qū)間,Landsat-8(20190716)數(shù)據(jù)的RF 模型獲得最高的反演精度,R2為0.814,MAE 為3.39 m,RMSE 為4.31 m;0~20 m 水深區(qū)間,Landsat-8(20190716)的RF 模型獲得最高的反演精度,R2為0.874,MAE 和RMSE 分別為2.24和3.24 m。

        2)隨機(jī)森林算法對于研究區(qū)的3景多光譜數(shù)據(jù)在整個水深區(qū)間獲得相對高的水深反演精度,PLSR算法和SVM算法在部分水深區(qū)間的水深反演中顯示出優(yōu)勢。

        3)光學(xué)遙感圖像的空間分辨率與水深反演精度不是絕對正相關(guān)關(guān)系,而遙感圖像上水體的水文特征對水深反演具有較大影響,水體透明度、懸浮物濃度、海水波浪等因素均會影響反演精度,在利用光學(xué)遙感數(shù)據(jù)進(jìn)行淺海水深反演時,應(yīng)盡量選取海水透明度高、水面平靜時刻的遙感數(shù)據(jù)進(jìn)行建模反演。

        目前的水深反演方法主要是建立實測水深數(shù)據(jù)和光譜反射率之間的關(guān)系,并且簡化了光輻射傳輸方程。但光學(xué)遙感的水深反演方法受大氣、水體、浮游植物、溶解的有機(jī)物和懸浮顆粒影響,這些影響導(dǎo)致復(fù)雜的非線性輻射傳遞過程。下一步工作將結(jié)合水質(zhì)資料收集研究集成水質(zhì)參數(shù)的高精度光學(xué)水深反演的模型。

        猜你喜歡
        數(shù)據(jù)源水深反演
        書法靜水深流
        河北水利(2022年10期)2022-12-29 11:48:12
        基于水深分段選擇因子的多光譜影像反演水深
        海洋通報(2022年4期)2022-10-10 07:40:32
        反演對稱變換在解決平面幾何問題中的應(yīng)用
        Web 大數(shù)據(jù)系統(tǒng)數(shù)據(jù)源選擇*
        基于低頻軟約束的疊前AVA稀疏層反演
        基于自適應(yīng)遺傳算法的CSAMT一維反演
        基于不同網(wǎng)絡(luò)數(shù)據(jù)源的期刊評價研究
        基于真值發(fā)現(xiàn)的沖突數(shù)據(jù)源質(zhì)量評價算法
        GPS RTK技術(shù)在水深測量中的應(yīng)用
        疊前同步反演在港中油田的應(yīng)用
        91极品尤物在线观看播放| 丰满人妻熟妇乱又伦精品软件| 精品福利视频一区二区三区 | 色播在线永久免费视频网站| 亚洲一区二区av免费观看| 久久精品第九区免费观看| 精品国产sm捆绑最大网免费站| 中文字幕久久久久人妻无码| 经典亚洲一区二区三区| 插上翅膀插上科学的翅膀飞| 国产精品成人久久a级片| 美女丝袜美腿玉足视频| 在线涩涩免费观看国产精品| 国产亚洲精品bt天堂| av男人操美女一区二区三区| 国产91传媒一区二区三区| 闺蜜张开腿让我爽了一夜| 亚洲 成人 无码 在线观看| 最新日本免费一区二区三区| 国精产品一区一区二区三区mba| 免费国产裸体美女视频全黄| 色欧美与xxxxx| 亚洲专区路线一路线二网| 亚洲av成人片色在线观看高潮| 欧美老妇与禽交| 日本一区二区在线播放观看| 亚洲av日韩一区二区| 国产青草视频在线观看| 国产资源在线视频| 精品黄色国产一区二区| 人妻丰满熟妇岳av无码区hd| 国产精品99久久精品爆乳| 国产毛片一区二区日韩| 国产高颜值女主播在线| 亚洲精品无码乱码成人| 亚洲精品日本| 国产在线观看视频一区二区三区| 国产真实乱对白精彩| 国产精品18久久久久久不卡中国 | 成人自拍偷拍视频在线观看| 日韩av激情在线观看|