第45卷第1期2023年2月海洋湖沼通报TransactionsofOceanologyandLimnologyVol.45№1Feb.,2023基于梯度提升决策树算法的水深反演研究孟然1,2,3,沈蔚1,2,栾奎峰1,2*,纪茜1,2,3,饶亚丽1,2,3(1.上海海洋大学海洋科学学院,上海201306;2.上海河口海洋测绘工程技术研究中心,上海201306;3.南通智能感知研究院,江苏南通226000)摘要:传统的水深测量方法多通过舰载声纳实地探测的方法,灵活性较差且水深资料更新周期长,并且在某些海域,船只往往难以靠近从而无法完成测量。本文使用七连屿海域附近的WorldView-2多光谱遥感影像构建了基于梯度提升决策树(GradientBoostingDecisionTree,GBDT)算法的水深反演模型,并利用单波束与人工测量相结合的水深数据,与传统的单波段模型、双波段模型以及BP神经网络水深反演模型的水深数据进行了水深反演精度对比。结果表明,在0~20m深海域,GBDT模型反演精度高于其他模型,且更符合实际水深,其检验点的R2为0.9664,RMSE为0.94m,MAE为0.75m,RME为19%。关键词:七连屿;WorldView-2;GBDT;水深反演;精度对比中图分类号:TP79文献标志码:A文章编号:1003-6482(2023)01-045-06DOI:10.13984/j.cnki.cn37-1141.2023.01.007引言海洋是国家发展的战略性资源,是衡量国家综合实力的重要指标,水深数据作为基础数据,在开发海洋资源、海洋航运等领域起着至关重要的作用。由于传统水深测量方法费时费力,近年来利用遥感影像进行水深反演的研究也越来越受关注。遥感技术具有大面积、实时、快速等优势,且遥感影像中不同波段之间隐含着大量的潜在信息,通过遥感影像上一些可测定的物理参数反推水深数据的间接测量方法已有人使用。Lyzenge等[1]基于底层反射模型,将波段的辐射亮度值与实测水深通过线性回归进行反演,从而获得了水深的信息。Spitzer等[2]通过分析辐射传输模型与反射光谱特征,提出了双流程辐射模型。Polcyn等[3]、Tanis等[4]提出一种基于水体底部光谱反射原理的水深反演模型。然而,这些传统的水深反演模型难以应对愈来愈高的水深精度要求,此外,它们对遥感影像的质量要求较高、抗干扰能力较弱。近年来,应用机器学习反演水深算法愈发火热。吴忠强[5]等基于极限学习机的浅海水深遥感反演研究。徐琳等[6]基于神经网络技术的多因子遥感水深反演研究。黄山等[7]通过支持向量机模型进行水深反演。邓正栋等[8]采用径向(RBF)神经网络进行水深遥感研究。曹斌等[9]通过BP神经网络进行水深反演。然而这些模型都存在一定的局限性,例如支持向量机模型对大规模样...
