基于IKONOS的庙子湖岛附近浅海水深反演研究

摘要

浅海是靠近海岸，水深较浅，其中有岛屿和大量礁、滩涂分布的区域[1]。浅海水深是海洋环境的重要参数，是船舰航行的安全保障，是水资源利用的前提条件，属于海洋测绘的一项十分重要的内容，对于海岸保护和兴建起到很大的作用。长期以来，主要使用船艇直接测量水深，使用的设备主要是测深杆、测深锤、回声测深仪等，不过现阶段，多以多波束声纳和六分仪、雷达定位仪、GPS等定位设备结合使用[2]。但是这种方法工作起来十分复杂，耗费大量的人力、物力并且还存在着盲区。由于科学技术的日益发展，特别是遥感技术以及计算机、空间遥测技术的迅猛发展[3]，现在已经进入到水深遥感的一个重要阶段，为水深研究定量化带来了巨大的机遇和改善。同时借助多光谱遥感技术手段的快速，范围广以及周期性段特点，可以弥补很多船艇直接测量的不足，为水深测量注入了新的活力。
　　遥感应用于水深反演相比于其他手段来说比较高级。太阳辐射能量到达水面要首先与大气接触，并与大气发生相互作用包括大气的吸收、反射以及散射，这样到达水面的太阳辐射能，一部分进入水体，一部分被反射到大气中。然而进入水体的那部分能量，由于水体的吸收和散射又不断衰减，最后也只有很少的能量到达水底。到达水底的能量又经过水底反射后再次折回到大气中被传感器接收[4]。利用多光谱遥感技术手段进行水深值反演，关键在于建立遥感影像光谱值与水深值之间的关系。
　　由于遥感水深值与遥感影像像元值之间存在一种关系，本文以IKONOS高分辨率多光谱数据和1∶1实测水深成果图作为数据源，通过构建统计回归模型、BP人工神经网络以及一种基于辐射传输模型的非线性模型进行未知水深反演。由于水体清澈度对水深反演有一定的的影响，因此根据水体在红光波段的反射特性，本文把研究区域大致分成四个不同的浑浊度区域。并在不同的浑浊度区域对三种模型进行验证分析。
　　统计回归模型是借助多种已知函数形式对遥感影像像元值与水深值之间的关系进行拟合，通过检验，这种模型在四种不同的浑浊度区域，水体越清澈的区域反演精度相对来说比较好，平均相对误差为0.15，标准差为3.60，总体精度比较低。BP神经网络模型是一种可以并行的大规模的非线性动态系统，具有很强的可以模拟非线性动态的变化的能力，在不同的浑浊度区域中，BP神经网络对于过于清澈和过于浑浊的区域精度相对比较低。基于辐射传输模型的非线性模型是对真实物理过程的一种映照，相比于统计回归模型和BP神经网络模型来说精度更高，稳定性更好，并且利用Levenberg-Marquardt优化算法原理确定来模型参数，可以大大地缩减计算量和时间。

目录

声明

摘要

第1章 绪论

1．1 选题背景及水深遥感反演的研究意义

1．2 水深遥感反演的研究现状

1．3 研究内容

1．4 技术路线

第2章 水深遥感反演的理论基础

2．1 遥感理论基础

2．2 水体光谱特性

2．3 水深遥感反演方法

第3章 研究区概况和数据源

3．1 研究区概况

3．2 数据选取

第4章 水深遥感定量反演

4．1 遥感数据的预处理

4．2 水深定量反演模型

第5章 结论与展望

5．1 结论与分析

5．2 问题与展望

致谢

参考文献