基于Worldview-3多光谱影像的浅海水深反演方法研究

摘要

海洋强国战略是21世纪我国发展总目标的重要战略之一，也是我国的一项重要的政治内容。要想建设海洋强国，就得深入了解海洋信息。水深信息就是一项重要的海洋信息。水深信息可以反映海洋环境，对于合理规划与管理海洋海岛资源、保障航海安全、深入研究海洋科学起到至关重要的作用。采用何种方法可以获得更加精准的水深信息是我们需要研究的重要内容。特别是随着国家全球发展战略的提出，迫切需要全球地理信息的支撑，进而对境外船舶、飞机无法到达地区的水深测量提出了更高的要求。相比传统测量技术费时费力而言，利用遥感技术可以在短时间内进行大范围的水深反演。　　本文采用Worldview3多光谱高分辨率数据与实测水深数据相结合进行浅海水深反演，做的工作主要分三个大方面：数据的预处理、水深反演模型的建立和水深反演模型的验证与模型精度的对比分析。数据预处理的内容主要包括辐射定标、大气校正、潮汐校正、水陆分离、数据配准、数据分组、像元值提取和相关性分析。研究建立的水深反演模型有支持向量回归模型、BP神经网络模型和统计回归模型(包括单因子模型和多因子模型)。分别采用线性函数、指数函数、对数函数和二次多项式四种常用的回归方程形式，建立单因子水深反演模型；利用逐步回归法建立多因子模型。对模型进行验证并运用决定系数、标准误差和平均绝对误差进行模型的精度评定。　　本文研究区为南海北岛附近浅海水域，研究区有8000多个实测水深点。考虑到是否用于建模的样本点数越多反演精度越高的问题，分别从中选取了2组不同样本点数的数据用于模型建立，并将这2组数据合并作为第3组数据用于水深反演模型的建立。对于每一组数据，分别利用支持向量回归模型、BP神经网络模型和统计回归模型(包括单因子模型和多因子模型)进行水深反演，并对模型进行验证及精度对比分析，同时将3组数据间的各模型的反演精度进行对比分析。　　支持向量回归模型、BP神经网络模型、单因子模型和多因子模型的决定系数都在0.920以上，标准误差都在1.380以下，平均绝对误差均在1.000以下，反演数据与实测数据偏差较小，反演精度较高。对于3组数据中的任意一组数据，支持向量回归模型的精度都是最高的。　　同一模型分别应用于3组数据，通过对其反演值之间的方差分析并结合其对应的标准误差和平均绝对误差，发现3组数据的水深反演精度并没有太大差距。

目录

声明

1 绪论

1.1研究背景

1.2水深遥感反演的研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3论文主要研究内容及章节安排

2 水深反演遥感理论基础

2.1 光学遥感理论基础

2.2 不同地物的光谱特性

2.3 水深反演原理与方法

2.3.1支持向量回归模型

2.3.2 BP神经网络模型

2.3.3 理论解译模型

2.3.4 半理论半经验模型

2.3.5统计相关模型

2.4 本章小结

3 数据介绍及预处理

3.1 数据介绍

3.1.1 卫星遥感数据介绍

3.1.2 现场实测数据介绍

3.2数据的预处理

3.2.1辐射定标

3.2.2大气校正

3.2.3潮汐校正

3.2.4 水陆分离

3.2.5 数据配准

3.2.6 数据分组

3.2.7 像元值提取

3.2.8 相关性分析

3.3本章小结

4 水深遥感定量反演

4.1水深定量反演模型的建立

4.1.1支持向量回归（SVR）模型的建立

4.1.2 BP神经网络模型的建立

4.1.3单因子模型的建立

4.1.4多因子模型的建立

4.2.1方差分析

4.2.2支持向量回归模型的验证与分析

4.2.3 BP神经网络模型的验证与分析

4.2.4单因子模型的验证与分析

4.2.5多因子模型的验证与分析

4.2.6 各模型精度对比分析

4.3本章小结

5 结论与展望

5.1 论文主要工作与总结

5.2 问题与展望

参考文献

作者简历

致谢

学位论文数据集