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 Pan Xinliang;Yang Renhui;Jiang Tao;Sui Baikai;Liu Chenxi;Zhang Zhen

作者机构：山东科技大学测绘科学与工程学院山东青岛266590 中交华南勘察测绘科技有限公司广东广州510221 

出 版 物：《光学学报》 (Acta Optica Sinica)

年 卷 期：2021年第41卷第10期

页      面：134-143页

核心收录：

学科分类：12[管理学] 08[工学] 09[农学] 083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 0835[工学-软件工程] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2017YFC1405600) 国家自然科学基金(41801385) 山东省自然科学基金(ZR2018BD004) 

主　　题：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 

摘      要：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。