机器学习视角下的多光谱卫星浅海水深反演研究

作者：刘瑾璐; 孙德勇; 孔得雨; 潘锡山; 焦红波; 李正浩; 王胜强; 何宜军

来源：激光与光电子学进展, 2022, 1-16.

• Landsat-8 OLI
• 机器学习
• 水深反演
• 多光谱影像

本文利用覆盖典型海岛的Landsat8-OLI多光谱卫星遥感影像和收集到的水深数据，分别采用传统多元线性回归模型和机器学习中的BP(Back Propagation)神经网络模型、随机森林模型对目标海域水深进行整体反演，并对三种方法的反演精度进行评价。结果表明，相比于多元线性回归模型，机器学习方法水深反演精度更高，而其中的随机森林的水深反演精度最高，平均绝对误差（MAE）为1.94m，平均绝对百分比误差（MAPE）为18.29%，模型的鲁棒性更加出色，整体精度较线性模型有明显提高。本研究比较使用三种方法构建浅海水深模型的性能，为后续更加高效地获取高精度浅海水深信息的研究提供参考价值。

• 单位
  国家海洋信息中心; 江苏省海涂研究中心; 南京信息工程大学