机器学习模型与遥感反演水深的对比研究
纪茜
沈蔚
饶亚丽
孟然
1.上海海洋大学海洋科学学院,上海201306;上海河口海洋测绘工程技术研究中心,上海201306;南通智能感知研究院,江苏南通2260002.上海海洋大学海洋科学学院,上海201306;上海河口海洋测绘工程技术研究中心,上海201306
摘要：水深是浅海重要的地形要素,是海洋测绘的重要内容,利用遥感手段反演水深,可以快速高效的获取水下地形.为了更好的反演水深,本文采用WorldView-2多光谱遥感影像和激光实测数据,分别利用BP神经网络、随机森林和极限学习机模型,以海南三沙市的甘泉岛为研究区域进行水深反演,并对比结果评价其反演精度.结果表明:BP神经网络、随机森林和极限学习机三种模型中,随机森林模型水深反演的精度最高,验证点的均方根误差是0.85 m,平均绝对误差为0.60 m,平均相对误差为3.54％,决定系数R2达到0.97.总体对比,在0～2 m,随机森林模型反演效果更佳;在2～5 m水深范围内,极限学习机模型反演效果更佳;其他水深范围内,随机森林和极限学习机反演效果都比较好.
关键词：WorldView-2BP神经网络随机森林极限学习机水深反演
分类号：P715.7(海洋调查与观测)
论文发表日期：2022-04-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 84-89 )
英文信息