基于随机抽样一致算法的水深反演技术研究

来源:用户上传      作者:白龙 黄文骞 程益锋 朱立波

　　摘 要：针对实测水深数据较少时水深反演模型反演误差较大的问题，文章以我国甘泉岛和浪花礁为实验区域，利用Sentinel-2影像数据和船只巡航获得的实测数据展开实验。首先提取遥感影像数据并进行预处理，与船只巡航获得的实测水深数据匹配后，利用改进的随机抽样一致算法，通过迭代获取足够多的局内点建立水深反演模型。结果表明，该方法能够提高水深反演精度，保障船只的安全航行。
　　关键词：水深反演;遥感影像;随机抽样一致;波段对数比值;局内点
　　中图分类号：P237 文献标志码：A 文章编号：2095-2945（2022）24-0006-04
　　Abstract： Aiming at the problem of large inversion error of water depth inversion model when there are few measured water depth data， this paper takes Ganquan Island and Langhua Reef in China as experimental areas， using Sentinel-2 image data and measured data obtained by ship cruising to carry out experiments. Firstly， the remote sensing image data are extracted and preprocessed， and after matching with the measured water depth data obtained by ship cruising， the improved random sampling consistent algorithm is used to iteratively obtain enough local points to establish the water depth inversion model. The results show that this method can improve the accuracy of water depth inversion and ensure the safe navigation of ships.
　　Keywords： water depth inversion; remote sensing image; random sample consensus （RANSAC）; band logarithmic ratio;local point
　　掌握岛礁附近海域水深信息对船只安全航行有重要意义。传统的船载单波束、多波束测深技术发展成熟，测深精度高，得到了广泛应用。20世纪60年代以来，遥感卫星和计算机技术飞速发展，被动遥感水深反演具有成本低、探测范围不受限制等特点，在船只难以到达的岛礁附近海域的水深探测中发挥着无可替代的作用。
　　目前被动遥感水深反演模型发展已经成熟，分为理论解析模型、半理论半经验模型和统计模型。半理论半经验模型中的单波段对数线性模型是理论解析模型的简化，只需要较少的回归系数就能得到精度较高的水深反演模型[1]。Paredes等[2]建立的多波段对数线性模型能够降低海底底质的影响，提高反演精度。Stumpf[3]提出的波段对数比值模型能够降低水中杂质的影响，反演稳定性明显提升。党福星等[4-6]通过底质分类和水深分段等方法进一步提升水深反演精度。大量学者研究表明，将机器学习应用在水深反演领域，其性能在一定程度上优于传统水深反演模型[7-10]。李丽[11]将赵述岛的水深反演模型应用到南岛，反演误差在1.25 m以内。赵露露等[12]研究了将水深反演模型推广至无实测数据海域的可行性，结果表明海底地质相同或相近的海域，水深反演模型的推广性更高。利用在巡航船只上安装单波束或多波束测深仪，以巡航作业的方式，能够采集争议岛礁附近海域的少量实测水深数据。由于船只在巡航时获取的实测水深数据较少，难以构建较准确的水深反演模型。
　　为了提升争议岛礁附近海域的水深反演精度，本文对随机抽样一致算法进行改进。首先利用同一海域其他岛礁已有的实测水深数据建立水深反演模型，将得到的模型回归系数作为随机抽样一致算法的初始输入系数，通过迭代获取足够多的局内点后重新建立争议岛礁附近海域的水深反演模型，并对比了基于波段对数比值模型的4种反演争议岛礁附近海域水深的方法。
　　1 实验原理
　　1.1 最小二乘法
　　最小二乘法是通过已知的m个观测数据（xi，yi）（i=1，2，3，…，m），构建如下残差函数，找到一组？棕i（i=1，2，3…m），使残差函数L取得最小值的曲线拟合方法。
　　在水深反演实验中，通常采用最小二乘法建立遥感水深反演模型，并根据此模型反演水深。但是需要反演水深的海域是非建模区域，其反演精度与建模区域相比较低。为了提高水深反演精度，将安装单波束或多波束测深仪的船只在争议岛礁附近海域巡航时采集的少量实测水深数据与遥感影像数据匹配，得到水深反演观测数据，再利用观测数据构建水深反演模型。
　　利用最小二乘法建立水深反演模型时的数据越多，所建立的模型精度越高，但是船只巡航采集的实测数据较少，抵抗粗差能力差，难以建立精度较高的水深反演模型。为了降低反演误差，增加水深反演可靠性，需要筛选观测数据，建立精度更高的水深反演模型。
　　1.2 改进的S机抽样一致算法
　　随机抽样一致算法是采用迭代的方式从一组含有局外点的数据中估计出数学模型参数的方法。与最小二乘法不同的是，随机抽样一致算法不是利用所有观测数据拟合曲线，而是通过迭代，筛选出可靠性较高的观测数据估计出最优模型。其一般步骤如下。

nlc202209091408

转载注明来源:https://www.xzbu.com/1/view-15439515.htm