1 南京信息工程大学海洋科学学院，江苏 南京 210044
2 自然资源部空间海洋遥感与应用重点实验室，江苏 南京 210044
3 江苏省海涂研究中心，江苏 南京 210044
4 国家海洋信息中心，天津 300171
利用覆盖典型海岛的Landsat-8 OLI多光谱卫星遥感影像和收集到的水深数据，分别采用传统多元线性回归模型、机器学习中的back propagation（BP）神经网络模型和随机森林模型对目标海域水深进行整体反演，并对三种方法的反演精度进行评价。结果表明：相比于多元线性回归模型，机器学习方法的水深反演精度更高；随机森林模型的水深反演精度最高，平均绝对误差为1.94 m，平均绝对百分比误差为18.29%，模型的鲁棒性更加出色，整体精度较多元线性回归模型有明显提高。本研究比较三种方法构建的浅海水深模型的性能，为后续更加高效地获取高精度浅海水深信息提供参考价值。
Landsat-8 OLI 机器学习 水深反演 多光谱影像 激光与光电子学进展
2023, 60(10): 1028007
海军大连舰艇学院军事海洋与测绘系, 辽宁 大连 116018
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。
海洋光学 海洋测深 Sentinel-2 无水深控制点 自适应计算
1 中国科学院上海光学精密机械研究所 空间激光信息传输与探测技术重点实验室，上海 201800
2 中国科学院大学 材料与光电研究中心，北京 100049
机载激光雷达已经应用于浅海地形测绘，与激光器、接收望远镜和探测器一样，水深提取算法也是决定系统最大测深能力的关键环节。常规的水深提取算法是对单个激光雷达采集的波形数据进行处理，通过提取波形中的海表和海底位置实现水深测量，这种方法在提取水深较深的海底微弱回波信号时，易受海水散射层强信号的影响，导致水深提取能力和准确度下降。为了解决这一问题，将一维回波波形数据按采集顺序组合成二维的回波强度图像，图像的每一列代表一条回波波形，图像的灰度值对应着回波信号强度。利用图像的横向相关性，通过双边滤波、局部阈值二值化等图像处理方法，提取出海底回波信号廓线。该方法一方面提升了海底回波的提取能力，一方面避免散射层信号对海底微弱信号的干扰，为浅海地形、水下目标一体化探测提供新的数据处理方式。
激光雷达 水深提取 图像处理 图像分割 lidar water depth extraction image processing image segmentation 红外与激光工程
2021, 50(6): 20211034
1 桂林理工大学 广西空间信息与测绘重点实验室，广西 桂林 541006
2 天津大学 微电子学院，天津 300072
3 桂林理工大学 机械与控制工程学院，广西 桂林 541006
4 桂林理工大学 地球科学学院 ，广西 桂林 541006
5 中国电子科技集团公司第三十四研究所，广西 桂林 541004
LiDAR作为一种测深、水下地形绘制设备已在国外进入商用阶段。而我国LiDAR研制与应用相对缓慢，且主要集中在大型双频测水LiDAR的研制上。笔者所在团队在双频测水LiDAR设计的基础上，针对无人机，设计了单频LiDAR光机系统。首先分别设计了该系统的组成部分，即采用反射式光楔实现圆周扫描的扫描单元、采用Kopilevich模型计算的最佳接收视场角、采用广义开普勒系统设计的接收光学单元，然后集成整机，计算光学系统效率，仿真实验验证扫描效果，波形测试验证设计LiDAR可用性。该系统最佳接收视场角为95 mrad，最佳飞行航高150 m，飞行速度10 m/s，最佳测量水深25 m以内，最大测量水深50 m。该系统采用Kopilevich模型确定LiDAR最佳视场角，提升了LiDAR光机系统性能，并可切换两种不同扫描方式。
激光雷达 水深测量 光机系统 开普勒系统 无人机 LiDAR bathymetry opto-mechanical system Kepler system Unmanned Aerial Vehicle(UAV) 红外与激光工程
2021, 50(4): 20200297
1 山东科技大学测绘科学与工程学院, 山东 青岛 266590
2 中交华南勘察测绘科技有限公司, 广东 广州 510221
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。
测量 水深测量法 深度学习 Sentinel-2A 长短期记忆网络 多光谱影像 光学学报
2021, 41(10): 1012003
1 天津大学 微电子学院, 天津 300072
2 桂林理工大学 广西空间信息与测绘重点实验室, 广西 桂林 541006
3 桂林理工大学 机械与控制工程学院, 广西 桂林 541006
4 桂林理工大学 地球科学学院, 广西 桂林 541006
采用公式推导和仿真优化相结合的方式, 设计了一种测量水深的LiDAR光机系统。该系统光源采用532 nm和1 064 nm双频激光器, 设计532、647、1 064 nm三个接收通道, 拟定飞行高度140~500 m, 可变扫描角9°~15°, 发散角小于0.5 mrad, 水面点密度范围约为0.687~4.170点/m2。设计拉曼波段作为水深测量波段, 提高浅水区测量效果, 利用可变扫描角实现了不同高度下幅宽可固定、兼顾高分辨率和大视场角, 以适应不同应用场景。
激光雷达 双频激光 光机系统 水深 LiDAR dual frequency lasers optical-machine system water depth 红外与激光工程
2020, 49(2): 0203006
1 中国科学院南海海洋研究所热带海洋环境国家重点实验室, 广东 广州510301
2 中国科学院研究生院, 北京100049
水体校正一直是光学浅水遥感检测中的重点难题。 为了提高三亚湾底质遥感监测精度, 分别采用理想水体光辐射分布和Christian模型剔除水体信号的影响, 尝试从水面之下遥感反射率信号中提取其底质光谱反射率值。 结果表明, 两种模型模拟结果差异较大, 其模拟与实测值的相关性分别是0.93和0.26。 经分析认为Christian模型在三亚湾湾内水域失效的这一结果与三亚湾光学浅水和光学深水的差异性相关。 三亚湾湾内水域光学性质复杂, 光学参数随着地理坐标位置变化较大, 即使在光学浅水水域内的邻近站点, 其衰减系数也是具有较大差异的。 因而, Christian 的模型在此区域很难发挥出优势。
光学浅水 水体校正 水深提取 遥感监测 校正模型 Optically shallow water Water column correction Retrieving depth Remotely sensing Correction algorithm 光谱学与光谱分析
2011, 31(7): 1912
Author Affiliations
Abstract
Ocean Remote Sensing Institute, Ocean University of China, Qingdao 266003, China
Using the US National Aeronautics and space Administration (NASA) Earth Observing-1 Mission (EO-1) hyperion hyperspectral remote sensing data, we study the shallow-water bathymetry inversion in Smith Island Bay. The fast line-of-sight atmospheric analysis of spectral hypercubes module is applied for atmo-spheric correction, and principal component analysis method combined with scatter diagram and maximum likelihood classification is used for seabed classification. The diffuse attenuation coefficient Kd is derived using quasi-analytical algorithm (QAA), which performs well in optically deep water. Kd obtained from QAA requires correction, particularly those derived in some coastal areas with optically shallow water and calculated by direct inversion based on radiative transfer theory to obtain the bathymetry. The direct inversion method derives the water depth quickly, and matches the results from optimized algorithm.
遥感 高光谱 主成分分析 漫衰减系数 水深 010.0280 Remote sensing and sensors 280.1355 Bathymetry Chinese Optics Letters
2011, 9(6): 060102
中国海洋大学海洋遥感研究所, 山东 青岛 266003
选用海南岛南部海区的EO-1 Hyperion高光谱遥感数据进行了浅海水深直接反演方法的研究。水深反演的关键 问题是水体漫衰减系数的获取和海底底质的分类。通过主成分分析方法进行海底底部分类;应用QAA算法可 以计算得到光学深水的漫衰减系数Kd,并对沿海光学浅水求Kd的方法提出了修正方法,最终代入基于辐射传 递理论的直接反演方法中计算得到浅海水深。结果表明直接反演方法能够较快得到水深结果,且能够与海图匹配。
高光谱 主成分分析 漫衰减系数 水深 hyperspectral principal component analysis diffuse attenuation coefficient bathymetry
