基于Bi-LSTM的近岸水体深度反演

作者：潘信亮; 杨仁辉; 江涛^*; 隋百凯; 刘晨曦; 张震

来源：光学学报, 2021, 41(10): 142-151.

• 测量
• 水深测量法
• 深度学习
• Sentinel-2A
• 长短期记忆网络
• 多光谱影像

选取中国某近海水域为研究区,基于双向长短期记忆网络(Bi-LSTM),利用2017年8月20日Sentinel-2A影像数据及单波束实测水深数据,通过建模、优化来反演水深值,并与传统反演方法进行精度对比。结果表明,本文提出模型的各项评价指标均最优,均方根误差(RMSE)仅为0.85 m,平均相对误差(MRE)为18.93%,相比于其他方法提高14%～29%,尤其在0～2 m近岸浅水区域,均方根误差提高0.68 m,效果改进明显。同时,利用五折交叉验证循环测试网络模型,其结果显示Bi-LSTM总体精度最高且最为稳定。该模型能够高精度、较稳定地实现近岸水深反演,对无训练样本区域也有一定的适用性。这有利于满足海洋资源开发、海上工程建设以及海洋环境保护等海洋需求。

• 单位
  中交华南勘察测绘科技有限公司; 山东科技大学