机器学习算法在遥感水深反演中的应用与比较
饶亚丽1
沈蔚2
栾奎峰2
纪茜1
孟然1
郝李华1
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 2260092.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：为探究不同机器学习模型对水深反演精度的影响,本文根据遥感水深反演原理,针对极限梯度提升(XGBoost)、支持向量机(SVM)、核岭回归(KRR)和套索回归(LASSO)四种机器学习模型,利用WorldView-2多光谱卫星遥感影像和机载激光雷达(Lidar)测深数据,在训练样本和测试样本相同的情况下,结合网格搜索方法寻找机器学习算法的最优参数组合,对我国南海甘泉岛周边浅水水域进行水深反演实验.通过四类机器学习模型反演结果比较分析得出结果:在20 m以浅水深区域,XGBoost模型的学习能力较强,相关系数(R2)为0.97,均方根误差(RMSE)为0.85 m,平均绝对误差(MAE)为0.63 m,平均相对误差(RME)为19％,优于其他三种机器学习模型,总体效果最好,能够用于甘泉岛周边水域的预测,为后续开展水深反演研究提供借鉴意义.
关键词：遥感水深反演机器学习算法XGBoost模型多光谱影像
分类号：TP79(遥感技术)
资助基金：国家重点研发计划(2016YFC1400904)上海市科委重点科研计划(17DZ1204902)上海市海洋局科研项目(2019-5;2020-5)
论文发表日期：2024-10-28
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：8( 56-63 )
英文信息