卫星水深反演作为声学测量的一种补充手段在争议岛礁区发挥着重大作用。但由于实测水深数据的缺失和多光谱影像可见光波段数的限制,传统经验模型和半解析模型都无法使用。为此针对只有3个可见光波段的遥感影像,提出一种不需要实测水深数据的自适应经验半解析模型。新模型根据联合半解析模型和两种经验模型得到的部分像素水深,协同自适应线性比值模型可以确定出最终结果。使用Sentinel-2影像(空间分辨率为10 m)在甘泉岛和浪花礁对AESM、Log_ratio模型和L-S(Log-ratio and Semianalytical)模型展开测试,将计算结果与水深数据进行比对。结果表明,新模型的均方根误差(RMSE)在甘泉岛和浪花礁分别为1.14 m和1.55 m,反演精度稍优于使用200个水深数据训练的Log_ratio模型,相比于同样不需要水深数据的L-S模型,RMSE分别减少了0.12 m和1.25 m。

水深是海底地形测绘的基础数据,对于海洋科学研究具有重要意义。衍射光学系统具有体积小、质量轻的优点,共形设计后可减少载荷对飞机气动性能的影响,有利于形成大光学口径。基于大口径接收共形衍射光学系统介绍了机载测深激光雷达的系统方案和参数,并利用衍射光学系统光谱的窄带宽特点,抑制接收的背景光噪声。以最小可探测信噪比为依据,针对直接探测和相干探测两种方式,对机载激光雷达的海水探测深度进行了分析。结果表明,在接收口径为0.6 m、瞬时接收视场为50 mrad、发射平均功率为50 W时,白天该系统在直接探测方式下的探测深度为69 m,在相干探测方式下的探测深度为86 m。

选取中国某近海水域为研究区,基于双向长短期记忆网络(Bi-LSTM),利用2017年8月20日Sentinel-2A影像数据及单波束实测水深数据,通过建模、优化来反演水深值,并与传统反演方法进行精度对比。结果表明,本文提出模型的各项评价指标均最优,均方根误差(RMSE)仅为0.85 m,平均相对误差(MRE)为18.93%,相比于其他方法提高14%~29%,尤其在0~2 m近岸浅水区域,均方根误差提高0.68 m,效果改进明显。同时,利用五折交叉验证循环测试网络模型,其结果显示Bi-LSTM总体精度最高且最为稳定。该模型能够高精度、较稳定地实现近岸水深反演,对无训练样本区域也有一定的适用性。这有利于满足海洋资源开发、海上工程建设以及海洋环境保护等海洋需求。

机载激光雷达水深测量是海岸带海陆一体地形测量的一种有效技术。目前，我国尚未形成成熟的实用化机载激光雷达测深系统，也缺乏大规模机载激光雷达测深生产应用经验，急需开展机载激光雷达测深系统应用测试。基于CZMIL Nova Ⅱ机载激光雷达测深系统，在我国海南、广东、广西等南海北部海岸带，开展了机载激光雷达最大测深、测量精度、测量效率等3个方面的应用测试。结果表明，海南蜈支洲岛、广西涠洲岛、广东台山市赤溪镇3个典型区成图最大测深分别达到30、16、3 m，基本符合系统标称测深能力，最大测深受水体清澈度、底质反射率、飞行航高等多种因素影响；海南蜈支洲岛海域30 m深度附近的深度测量精度为0.369 m，符合系统标称精度；基于运-12E型飞机平台，采用常规飞行参数，1个架次有效飞行面积约100 km2、测线长度约500 km，一年可飞行面积约8 000～12 000 km2，测线长度约40 000～60 000 km。此次机载激光雷达测深系统在中国海岸带的大规模应用测试对国内机载激光雷达测深技术研发与应用具有重要参考意义和科学价值。

机载激光雷达的海陆波形分类对于沿海地区及其变化性质的研究至关重要。提出了一种在原始的机载激光雷达回波上使用深度学习进行分类的方法。构建全连接神经网络和一维卷积神经网络(CNN), 在一个测量海域的数据集上进行训练和测试, 最优模型获得了99.6％的分类精度。该最优模型对来自不同测量海域的数据进行分类, 分类精度达到了95.6％,相比支持向量机方法, 处理速度提高了约52%。结果表明: 深度学习方法对机载激光雷达回波波形的分类具有较高的精度和速度, 它可以进一步作为通过机载激光测深技术对海底种类进行分类的候选方法。

根据机载激光测深系统扫描部分结构,针对圆镜偏轴卵形扫描方式, 从光束发射方向出发, 基于扫描结构轴向关系利用光线反射定律推导出激光出射方向向量, 结合激光出射位置到海表点距离获得海面激光点坐标; 依据光线折射定律, 利用变折射率光线追踪算法推导出海底测深点坐标计算公式, 建立海面激光入射点及海底测深点坐标严密计算模型。根据模型定位公式, 分析扫描系统视准轴误差影响, 通过数值模拟, 分析扫描系统视准轴误差对定位精度影响, 为扫描系统单体设备加工、装调、集成检校提供依据, 为机载雷达测深系统提供海底测点精确计算、改正提供参考。