检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

机器学习算法在遥感水深反演中的应用与比较

海洋湖沼通报（中英文） 2024年第5期46卷 56-63页

作者：饶亚丽沈蔚栾奎峰纪茜孟然郝李华上海海洋大学海洋科学学院上海201306 上海河口海洋测绘工程技术研究中心上海201306 南通智能感知研究院江苏南通226009

为探究不同机器学习模型对水深反演精度的影响,本文根据遥感水深反演原理,针对极限梯度提升(XGBoost)、支持向量机(SVM)、核岭回归(KRR)和套索回归(LASSO)四种机器学习模型,利用WorldView-2多光谱卫星遥感影像和机载激光雷达(Lidar)测... 详细信息

为探究不同机器学习模型对水深反演精度的影响,本文根据遥感水深反演原理,针对极限梯度提升(XGBoost)、支持向量机(SVM)、核岭回归(KRR)和套索回归(LASSO)四种机器学习模型,利用WorldView-2多光谱卫星遥感影像和机载激光雷达(Lidar)测深数据,在训练样本和测试样本相同的情况下,结合网格搜索方法寻找机器学习算法的最优参数组合,对我国南海甘泉岛周边浅水水域进行水深反演实验。通过四类机器学习模型反演结果比较分析得出结果:在20 m以浅水深区域,XGBoost模型的学习能力较强,相关系数(R^(2))为0.97,均方根误差(RMSE)为0.85 m,平均绝对误差(MAE)为0.63 m,平均相对误差(RME)为19%,优于其他三种机器学习模型,总体效果最好,能够用于甘泉岛周边水域的预测,为后续开展水深反演研究提供借鉴意义。

关键词：遥感水深反演机器学习算法 XGBoost模型多光谱影像

在线全文

学校读者我要写书评

暂无评论

非线性模型岛礁礁盘遥感水深反演

测绘科学 2015年第10期40卷 43-47页

作者：盛琳王双亭周高伟白洁李英成河南理工大学测绘与国土信息工程学院河南焦作454000 中测新图(北京)遥感技术有限责任公司北京100039 中国测绘科学研究院北京100039

针对已有的遥感水深反演方法波段选取难,得不到较好的模型参数的问题,该文在国内外遥感水深反演研究的基础上,对经典的非线性模型进行研究,引入了逐步回归算法对模型进行了改进。以东岛为研究区,基于Worldview-2多光谱影像进行模型验证... 详细信息

针对已有的遥感水深反演方法波段选取难,得不到较好的模型参数的问题,该文在国内外遥感水深反演研究的基础上,对经典的非线性模型进行研究,引入了逐步回归算法对模型进行了改进。以东岛为研究区,基于Worldview-2多光谱影像进行模型验证和精度评价。结果表明：应用改进后模型的反演水深精度大幅提高,水深范围不但适用在10m以浅的水区,在15~30m的区域精度也较高。由此可见改进的模型在保持原模型移植性较好的前提下,模型参数更易解算,反演精度较高,具有一定的适用性。

关键词：遥感水深反演非线性反演模型逐步回归算法高分辨率影像

在线全文

学校读者我要写书评

暂无评论

BP神经网络遥感水深反演算法的改进

测绘通报 2017年第2期 40-44页

作者：曹斌邱振戈朱述龙曹彬才上海海洋大学海洋科学学院上海201306 信息工程大学河南郑州450001

针对BP神经网络遥感水深反演算法(简称传统BP算法)的缺点,提出了改进型BP神经网络遥感水深反演算法(简称改进型BP算法),其基本原理是在模型训练过程中反复运用粒子群算法对BP神经网络的权值和阈值进行优化以弥补传统BP算法的不足。试验... 详细信息

针对BP神经网络遥感水深反演算法(简称传统BP算法)的缺点,提出了改进型BP神经网络遥感水深反演算法(简称改进型BP算法),其基本原理是在模型训练过程中反复运用粒子群算法对BP神经网络的权值和阈值进行优化以弥补传统BP算法的不足。试验表明:改进型BP算法的训练迭代收敛速度明显快于传统BP算法,浅水区的水深反演精度优于传统BP算法,且学习算法对初始权值和阈值不敏感。

关键词：遥感水深反演传统BP算法粒子群算法改进型BP算法权值和阈值优化

基于WorldView-2遥感影像的龙湾港浅海水深反演

在线全文

学校读者我要写书评

暂无评论

海洋学研究 2017年第3期35卷 27-33页

作者：郭晓雷邱振戈沈蔚栾奎峰曹彬才吴忠强上海海洋大学海洋科学学院上海201306 上海市海洋局河口海洋测绘工程技术研究中心上海201306

根据遥感水深反演原理,利用海南岛龙湾港的World View-2多光谱卫星数据和海图水深资料,通过对水深进行0~2,2~5,5~10,10~15和15~20 m的分区处理、潮汐改正和海图水深数据与相应图像波段反射率值的相关性分析及回归分析,建立了浅海水深线... 详细信息

根据遥感水深反演原理,利用海南岛龙湾港的World View-2多光谱卫星数据和海图水深资料,通过对水深进行0~2,2~5,5~10,10~15和15~20 m的分区处理、潮汐改正和海图水深数据与相应图像波段反射率值的相关性分析及回归分析,建立了浅海水深线性回归反演模型,开展了浅海水深的实际计算与精度分析。结果表明:对不同水深范围分别建立线性回归模型反演的水深精度要高于未分区建立的模型;分区模型中,多波段模型在0~5 m的反演精度最高,而双波段比值模型在5~20 m的反演精度最高,但是反演水深在最浅处的精度还有待提高。本文方法提取的水深与海图水深数据变化趋势基本相似,可以满足海洋科学研究对大范围浅水水下地形探测的要求。

关键词：浅海遥感水深反演 WorldView-2 线性回归模型

在线全文

学校读者我要写书评

暂无评论

基于遥感的内陆水体水深反演研究

基于遥感的内陆水体水深反演研究

作者：周彬贵州大学

学位级别：硕士

传统的水深测量数据大多使用船载传感器来获取,这种获取方法虽然精度高,但却需要耗费大量的人力、物力和财力,而且在安全性、经济性和宏观性等方面存在不足。随着卫星大数据时代的到来,高分辨率遥感影像已实现全球覆盖,遥感数据的获取... 详细信息

传统的水深测量数据大多使用船载传感器来获取,这种获取方法虽然精度高,但却需要耗费大量的人力、物力和财力,而且在安全性、经济性和宏观性等方面存在不足。随着卫星大数据时代的到来,高分辨率遥感影像已实现全球覆盖,遥感数据的获取变得越来越简单,遥感技术也因其周期短、成本低、范围大、速度快等优点,在水深反演方面得到广泛的应用,可以经济有效地实现宏观动态测深观测,获得像素级水下地形,在一定程度上弥补了传统水深测量方法的不足。本文引入地理信息及参数优化,采用BP神经网络模型、DBN模型和RF模型,分别对草海(代表极浅水区)、龙滩(代表极深水区)和天生桥(代表一般水深区)等3个研究区进行水深反演模型构建,主要研究成果如下:(1)采用正交试验设计法对深度置信网络模型和随机森林模型进行参数优化,在反演精度得到提升的前提下,大大提升了试验效率,节省了试验时间;BP神经网络模型在隐含层单元确定时先确定隐含层范围,再逐一验证。在加入地理位置信息和模型参数优化后,BP神经网络模型、DBN模型和RF模型在3个内陆水体的反演能力均得到提升。(2)对所采用模型的反演能力进行了分析。从整体上来讲,传统模型中,多波段对数线性模型优于对数比值模型,BP神经网络模型、DBN模型和RF模型整体上明显优于对数线性模型和对数比值模型;其中,RF模型的评价指标最为理想,反演的效果与实测较为接近。(3)对不同水深区的反演结果进行了评价,草海代表极浅研究区(0～3米),RF模型的平均绝对误差、平均相对误差、均方根误差和相关系数分别为0.1201、10.83、0.1568和0.8895;龙滩代表极深研究区(0～108.5米),RF模型的平均绝对误差、平均相对误差、均方根误差和相关系数分别为5.2233、22.51、7.1352和0.9636;天生桥代表一般研究区(0～25米),RF模型的平均绝对误差、平均相对误差、均方根误差和相关系数分别为0.5529、13.10、0.8492和0.9770;从反演水深-实测水深图及反演结果上看:天生桥研究区反演效果>草海研究区反演>龙滩研究区反演,这与目前国内外学者研究的光学遥感水深反演适用的水深范围相一致,同时也说明RF模型对于极浅和极深研究区也具有一定的适用性。

关键词：遥感水深反演 BP神经网络深度置信网络随机森林地理信息参数优化

基于Landsat-8遥感影像和LiDAR测深数据的水深主被动遥感反演研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

海洋技术 2015年第2期34卷 1-8页

作者：田震马毅张靖宇梁建山东科技大学测绘科学与工程学院山东青岛266590 国家海洋局第一海洋研究所山东青岛266061

主被动遥感结合反演远海岛礁周边水深信息,不仅可以有效弥补传统测深方法覆盖范围小且费时费力的不足,也可为航运安全、海洋减灾、生态环境保护等领域提供基础资料。以夏威夷瓦胡岛周边水深反演为例,应用Landsat-8多光谱遥感数据和机载L... 详细信息

主被动遥感结合反演远海岛礁周边水深信息,不仅可以有效弥补传统测深方法覆盖范围小且费时费力的不足,也可为航运安全、海洋减灾、生态环境保护等领域提供基础资料。以夏威夷瓦胡岛周边水深反演为例,应用Landsat-8多光谱遥感数据和机载LiDAR测深数据,开展了不同密度LiDAR测深数据对水深多光谱遥感反演精度的影响分析、不同水深网格化处理方法对水深遥感反演结果的影响分析和基于少量LiDAR控制区块的大区域水深反演能力分析三方面的研究工作。结果表明：（1） LiDAR测深数据密度的改变对水深反演结果的影响不大,变化后的水深反演结果与原始的水深反演结果相比,平均相对误差变化在0.3%以内,平均绝对误差变化在0.03 m以内；（2）采用均值格网处理方法的多光谱遥感水深反演精度要略高于采用中值格网处理方法的水深反演精度,具体体现在均值的平均绝对误差要比中值的低0.04~0.05 m,平均相对误差低1%~10%,反演结果的残差分布显示在0~2 m和20~25 m的水深段内均值统计法的残差分布更集中且其平均值接近于0 m,而在其它水深段二者的残差分布基本相同；（3）基于少量LiDAR控制区块的大区域遥感水深反演结果较为理想,两个检查区块的水深反演结果R2、平均绝对误差和平均相对误差分别为：0.877,1.66 m,3.5%和0.941,1.62 m,28.4%。反演结果分段分析表明各水深段内反演的精度都比较理想,平均绝对误差除20~25 m水深段外,均低于2.5 m,平均相对误差除0~2 m,2~5 m外,均低于25%。

关键词： LiDAR测深遥感水深反演统计方法

基于多光谱影像和测深数据的其香错水深反演与水量变化研究

在线全文

学校读者我要写书评

暂无评论

基于多光谱影像和测深数据的其香错水深反演与水量变化研究

作者：杨洪郑州大学

学位级别：硕士

湖泊是揭示全球气候变化的重要信息载体,对区域和全球气候波动极为敏感。青藏高原湖泊众多,获取高精度湖泊水深、准确估算湖泊水位水量及其变化对认识青藏高原湖泊动态变化及区域气候变化具有重要意义。本文利用Sentinel-2、GF-1、Lands... 详细信息

湖泊是揭示全球气候变化的重要信息载体,对区域和全球气候波动极为敏感。青藏高原湖泊众多,获取高精度湖泊水深、准确估算湖泊水位水量及其变化对认识青藏高原湖泊动态变化及区域气候变化具有重要意义。本文利用Sentinel-2、GF-1、Landsat-8多光谱遥感影像与其香错实测水深数据,构建水深反演模型并进行精度评估与反演制图,水深反演模型包括三种统计回归模型(两波段对数比值模型-Stumpf模型、多波段对数线性回归模型-Lyzenga模型、多因子组合线性回归模型-MLR模型)和三种机器学习模型(BP神经网络模型-BPNN模型、支持向量机模型-SVM模型、随机森林模型-RF模型)。利用模型反演获取其香错水深分布,结合Google Earth Engine(GEE)平台获取的1998-2018年其香错边界数据估算水位及水量变化,并与传统空间插值和基于Shuttle Radar Topography Mission数字高程模型(SRTM DEM)获取的水位、水量变化结果进行对比。研究结果表明:(1)对三种多光谱影像的光谱波段反射率进行对数变换及组合有利于提高与水深值的相关性,在湖泊水深反演中三种多光谱影像均具有较好的适用性,其中Sentinel-2影像优势明显。(2)在水深预测中,多因子作为模型输入有利于提高模型精度,统计回归模型中,与Stumpf模型、Lyzenga模型相比,我们结合比值因子与对数因子提出的MLR模型在三种多光谱影像中均能够有效提高水深反演精度,在0-28 m水深范围,验证集的平均相对百分比误差(MAPE)降低2.4%-15.2%,平均绝对误差(MAE)降低0.15-1.2 m。机器学习模型比统计回归模型精度更高,在三种多光谱遥感影像中,机器学习模型验证集的决定系数(R2)均在0.63以上,MAE低至1.64 m,MAPE为14.3%-27.8%,相对统计回归模型,MAE相应的降低0.08-2.25 m。此外,在机器学习模型中,随机森林模型具有最好的稳定性和预测精度,验证集的MAE、MAPE最小,仅为1.64 m、14.3%,能够满足高精度湖泊测深制图的需要。(3)在水深反演制图中,各模型反演制图均能体现其香错整体水深分布趋势,机器学习模型反演制图效果较统计回归模型更加精确真实,其中随机森林模型的制图效果细节变化展现得最为丰富,最为接近真实水深分布情况,且在无实测值分布的区域比空间插值方法获取的水深精度更高,遥感水深反演可用于快速获取湖泊水深分布。(4)结合Sentinel-2影像的最优模型反演水深与边界数据估算1998-2018年其香错水量变化1.770 km3,水位变化约9.32 m,年均变化约0.47 m,与SRTM方法估算的结果相似,而空间插值方法估算的水量变化结果误差相对较大。此外,分析其香错变化的主要原因是区域气温升高,导致流域上游水源地冰川和冻土融化引起湖泊补给水源增加。

关键词：遥感水深反演多光谱影像青藏高原机器学习湖泊水量

贝叶斯超参数优化随机森林算法在水深反演中的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

生态文明新时代 2024年第3期 101-106页

作者：魏荣磊汤亮周彬贵州省水利科学研究院贵州施德北斗科技有限公司

随着遥感技术及计算机技术的迅速发展,机器学习算法在光学遥感水深反演方面得到广泛应用。但由于机器学习算法参数多,参数选择对模型反演精度影响较大。针对这个问题,本文采用贝叶斯优化算法对随机森林模型参数进行选择。实验结果表明:... 详细信息

随着遥感技术及计算机技术的迅速发展,机器学习算法在光学遥感水深反演方面得到广泛应用。但由于机器学习算法参数多,参数选择对模型反演精度影响较大。针对这个问题,本文采用贝叶斯优化算法对随机森林模型参数进行选择。实验结果表明:基于贝叶斯超参数优化随机森林算法精度最高,平均相对误差仅为10.60%,优于目前众多学者研究成果。

关键词：遥感水深反演机器学习贝叶斯优化随机森林