基于多光谱数据的南海浅水水深测量算法研究

被引：3

作者：

朱金山 ^{[1
,2
]}

宋珍珍 ^{[1
,2
]}

纪轩禹 ^{[1
,2
]}

赵露露 ^{[1
,2
]}

机构：

[1] 山东科技大学测绘科学与工程学院

[2] 海岛(礁)测绘技术国家测绘地理信息局重点实验室

来源：

测绘与空间地理信息 | 2019年 / 42卷 / 01期

关键词：

QuickBird; 水深测量; 多光谱; BP神经网络; 遗传算法;

D O I：

暂无

中图分类号：

P229 [海洋测量学];

学科分类号：

摘要：

沿海地区的水深测量是大多数海岸工程和沿海科学应用的常见要求。然而,在我国南海浅水区域(0—10 m)及部分政治敏感区,船只很难到达导致测量非常不便,这种情况下遥感测量方法凸显了其价值。本文基于QuickBird多光谱遥感影像及同时期多波束实地测量水深点数据,利用6种算法模型定量反演了中国南海甘泉岛周边浅海的水深。精度验证结果表明,基于遗传算法优化的BP神经网络模型与实际测量水深的相关系数R2大于0.96,测量结果可靠。

引用

页码：10 / 13+17 +17

页数：5

共 9 条

[1] WorldView-2影像在南海岛礁浅海水深反演中的应用
李秀瑞
朱金山
孙林
[J]. 遥感信息, 2016, 31 (05) : 114 - 121
[2] 浅海多光谱遥感水深反演技术
黄文骞
吴迪
杨杨
梁志诚
张洋洋
[J]. 海洋技术, 2013, 32 (02) : 43 - 46
[3] QuickBird数字遥感图像光谱辐射定标
张国坤
陈春
邢福
张洪岩
赵云生
[J]. 光谱学与光谱分析, 2008, (03) : 494 - 498
[4] 江苏近海岸水深遥感研究
田庆久
王晶晶
杜心栋
[J]. 遥感学报, 2007, (03) : 373 - 379
[5] 面向MATLAB工具箱的神经网络理论与应用[M]. 中国科学技术大学出版社 , 丛爽编著, 1998
[6] Retrieval of nearshore bathymetry from Landsat 8 images: a tool for coastal monitoring in shallow waters[J] . A. Pacheco,J. Horta,C. Loureiro,ó. Ferreira.Remote Sensing of Environment . 2014
[7] Lake bathymetry from I ndian Remote Sensing ( P 6‐ LISS III ) satellite imagery using artificial neural network model[J] . Sheela A. Moses,Letha Janaki,Sabu Joseph,Jairaj P. Gomathi,Justus Joseph.Lakes Reserv Res Manage . 2013 (2)
[8] Multispectral derivation of bathymetry in Singapore's shallow, turbid waters[J] . JamesF. Bramante,Durairaju Kumaran Raju,Tsai Min Sin.International Journal of Remote Sensing . 2013 (6)
[9] Remotely sensing in detecting the water depths and bed load of shallow waters and their changes
Leu, LG
Chang, HW
[J]. OCEAN ENGINEERING, 2005, 32 (10) : 1174 - 1198

← 1 →