论文部分内容阅读
水深是重要的海洋地形要素,是保障航运交通、港口码头建设、海岛海岸带规划制定的基础数据。水深信息采集范围广、应用需求多,现场水深测量方法在资料的同步性、经济性、周期性、灵活性和宏观性等方面存在不足,此外,对于环境条件恶劣或由于权益争端难以涉足的区域,现场水深测量方法则无能为力。与现场水深测量方法相比,水深遥感反演方法虽然精度相对较低,但具有覆盖范围大、费用低、周期短等优势,适合用于浅海水域海底地形的全面普查和动态监测,在一定程度上弥补了现场测量的不足。相关学者已展开了大量研究,提出了多种水深反演模型。底质是影响水深遥感反演精度的主要因素之一,在不同底质条件下如何有效开展水深反演,是需要探讨的问题;目前国内外的相关水深反演模型算法大都是基于清澈水域建立的,并未充分考虑复杂底质对水深光学信号的影响,事实上海域底质复杂多变,对不同的底质进行分区,在不同类型区域进一步开展水深反演,或可削弱底质对水深反演精度的影响,以达到提高反演精度的目的。同时,用于水深反演的遥感影像常存在有太阳耀斑、白帽和薄云等噪声问题,而这些噪声将会明显影响水深的反演结果,本文应用不同的滤噪方法去除影像噪声,比较分析降噪后的水深反演能力。研究结果表明:1.以香港平洲岛为研究区,对三种经典的多光谱水深反演模型——对数线性模型、Stumpf对数转换比值模型和改进的对数转换比值模型进行了比较分析。实验结果表明,B1、B2、B3和B4(蓝、绿、红和近红外)4波段组合的对数线性模型水深反演精度最高,其检查点平均绝对误差(MAE)为1.63m,平均相对误差(MRE)为12.67%,决定系数R2达0.80;分析不同水深段发现,3种模型在10-15m水深段的水深反演效果均较好,最小的MAE和MRE分别为1.09m和8.99%,10m以浅和15m以深的反演误差较大,说明上述模型更适合于中等浅水区域的应用。2.提出了基于双波段辐亮度的深度不变指数模型,并与Lyzenga提出的深度不变指数进行了比较。西沙群岛东岛和北岛的实验结果表明,两种深度不变指数模型均获得了较好的底质分类结果,同时降低了水深反演误差。利用本文提出的基于双波段辐亮度关系的深度不变指数模型对北岛和东岛分类,分类精度相较Lyzenga深度不变指数模型分别提高了 2.9%和0.38%。利用本文模型对研究区先分类再反演的平均绝对误差比未分类的平均绝对误差最大降低了 0.10m。珊瑚礁类型海域的水深反演的精度相比较于未分类时提升明显,误差最大降低了 0.20m,而底质类型为珊瑚沙的水域水深反演精度比未分类时略有提升。3.利用不同滤噪方法对处理后的影像开展水深反演,以海南蜈支洲岛和安达曼海卡彻尔岛为研究区,通过实验比较分析,发现不同滤噪方法下的水深反演结果不尽相同,但以Sym4小波为滤噪方法得到的水深反演结果相比较于Retinex算法、Dct算法、中值滤波和高斯滤波效果更好,其中,蜈支洲岛研究区Sym4小波滤噪后水深反演的平均绝对误差为1.49m,平均相对误差为16.32%,卡彻尔岛研究区Sym4小波滤噪后水深反演的平均绝对误差为1.52m,平均相对误差为 19.03%。