一种基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法技术

本发明专利技术提供一种基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法，包括：获取目标区域的

【技术实现步骤摘要】
一种基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法


[0001]本专利技术涉及高光谱卫星遥感影像处理技术及近岸浑浊水体水深反演
，具体而言，尤其涉及一种基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法
。

技术介绍

[0002]作为一种重要的地形要素，精确的水深数据对于近岸海域的研究和海洋工程设施建设维护具有重要意义
。
随着传统测深技术的不断发展和完善，船载声纳和机载激光雷达等传统测深工具得到了广泛的应用，但其应用成本高，人工消耗大，测量周期长，且易受环境
、
天气等自然条件限制，无法在某些区域特别是部分近岸浅水区域开展大范围测量工作
。
近年来，卫星遥感技术迅速发展，利用卫星遥感影像反演水深数据已成为研究热点之一
。
与传统水深测量手段相比，卫星遥感反演水深方法不仅成本较低，而且能够满足短时间内对某片水域进行动态且大范围的水深观测需求，不受区域位置
、
环境等自然条件的限制，反演水深数据均能够达到较高的时空分辨率
。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法，其特征在于，包括：
S1、
获取目标区域的
Landsat
‑8原始高光谱卫星遥感影像；
S2、
利用遥感图像处理平台对获取的
Landsat
‑8原始高光谱卫星遥感影像进行预处理；
S3、
基于预处理后的高光谱卫星遥感影像，利用遥感图像处理平台，提取影像数据点的对应数据集；
S4、
根据卫星遥感影像成像时间，计算实测水深数据集中水深点的对应瞬时潮位数据并进行潮汐校正，并与卫星遥感影像数据集进行数据匹配；
S5、
结合提取的高光谱卫星遥感影像特征数据集以及潮汐校正后的实测水深数据集，构建训练样本数据集，训练机器学习模型；
S6、
利用训练后的机器学习模型对目标区域的水深数据进行反演，并对反演结果进行逆向潮汐校正
。2.
根据权利要求1所述的基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法，其特征在于，所述步骤
S1
中获取的
Landsat
‑8原始高光谱卫星遥感影像，云层覆盖率要满足无云层覆盖的标准
。3.
根据权利要求1所述的基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法，其特征在于，所述步骤
S2
，具体包括：
S21、
利用遥感图像处理平台的相关工具，对获取的
Landsat
‑8原始高光谱卫星遥感影像进行几何校正
、
辐射定标
、
大气校正预处理操作，并拼接镶嵌处理后的卫星遥感图像；
S22、
根据归一化差分水体指数，采用阈值法提取水体，进行水陆分离，归一化差分水体指数的计算公式如下：式中，
NDWI
表示归一化差分水体指数；
R
rs
(green)
与
R
rs
(NIR)
分别表示
Landsat
‑8卫星遥感影像中绿波段与近红外波段的离水反射率数据
。4.
根据权利要求1所述的基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法，其特征在于，所述步骤
S3
中，提取的影像数据点的对应数据集，包括：分别与影像数据点对应的
Landsat
‑8高光谱卫星遥感影像蓝波段
、Landsat
‑8高光谱卫星遥感影像绿波段以及
Landsat
‑8高光谱卫星遥感影像红波段的离水反射率数据和地理坐标数据
。5.
根据权利要求1所述的基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法，其特征在于，所述步骤
S4
，具体包括：
S41、
利用相关潮位计算工具箱计算与卫星遥感影像成像时间对应的实测水深数据集中水深点的瞬时潮位数据，并进行潮汐校正工作，校正公式如下：
d
t
＝
d
m
+e
式中，
d
t
表示瞬时水深数据；
d
m
表示实测水深数据；
e
表示瞬时水深数据，潮汐校正后若水深数据小于...

【专利技术属性】
技术研发人员：程知欣，梁一焘，杜益晓，王谦，尤再进，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：