基于机器学习的水深反演方法研究

摘要

近岸水深信息对保证航运安全、开展海岸带研究与管理具有重要意义。多光谱卫星遥感反演为获取浅海水深提供了一种高效的途径。然而,该方法在应用于复杂水体环境时,受到传统水深反演模型表达能力的限制,其精度普遍不高。本文选取我国南海某岛礁附近浅海水域作为试验区,使用机器学习方法分别构建随机森林与BP神经网络水深反演模型,并将其与传统对数比值模型的预测结果进行比较。实验结果表明,相比于对数比值模型,机器学习方法水深反演精度更高,而其中的随机森林模型预测效果以及模型的稳健性更加出色。本文可为后续高效高精度获取浅海水深信息方面的研究提供一定参考价值。