多光谱水深遥感方法及研究进展
多光谱遥感监测方法在内陆水体水质检测中的应用研究
多光谱遥感监测方法在内陆水体水质检测中的应用研究在水资源问题日渐严峻的形势下，我国在水体水质检测方面的研究力度不断加强，目前水质检测已经成为了社会发展中一个极为关键的问题，特别是内陆水体，它直接影响到居民的生产与生活，遥感检测技术是目前应用最为广泛的技术种类之一，它具有速度快、成本低的优势，因此非常适合在长期动态化的检测工作中应用。
本文针对多光谱遥感检测方法在内陆水体水质检测中的应用进行几方面分析。
标签：多光谱遥感检测；内陆水体水质检测；应用研究引言水是生态系统中的核心部分，是生态系统得以稳定、健康发展的物质基础，在21世纪，社会可持续发展战略中，水资源的治理和维护是一项必须要坚持贯彻和执行的任务。
水质检测是针对水资源中各种物质的含量进行分析，从中得出有害物质与有利物质的比例，进而划分出哪些是可以引用的水资源，哪些是需要进行处理的水资源。
随着我国水质检测技术的发展，遥感技术得以出现，该技术在内陆水体水质检测评价中开始普及和应用，同时取得了良好的检测效果，该项技术的检测范围广泛，成本低廉，优势非常明显。
1、研究的意义在生态系统中，水是最为关键的要素，它与地球环境中的其他要素共同奠定了人们生存与发展的基础。
但是目前从世界范围来看，水体污染问题已经不容忽视，在未来的发展战略中，水质检测以及治理已经被列入了一个主要行列，水资源是有限的，它随着人们的破坏以及不合理利用会逐渐减少，目前我们所看到的是水体污染问题，但是如果不加以重视和质量，那么污染就会无休无止的蔓延，最终将会导致人类失去基本的生存条件。
在这样的背景下，水质检测的重要越来越凸显，它作为评价水质以及水污染防止的主要依据，在水体污染越发严峻的情况下，必须要加大力度开展工作，体别是在内陆水体的检测上，必须要做到及时、准确。
从国内情况来看，我国各级地方环保部门、水流部门已经建立了有机联系，在水质检测上基本是采用定点剖面、长期监测的方式进行水质分析，这种方式虽然能够取得一定的效果，但是却受到人力、物力以及天气条件等众多因素的影响，很难保障检测数据的准确性与可靠性，同时这种检测方法的成本高，效率低。
基于遥感的内陆水体水质监测研究进展
基于遥感的内陆水体水质监测研究进展一、本文概述随着遥感技术的快速发展和应用领域的不断拓展，其在内陆水体水质监测领域的应用逐渐展现出巨大的潜力和优势。
遥感技术以其大范围、快速、非接触等特点，为内陆水体水质监测提供了新的视角和解决方案。
本文旨在综述基于遥感的内陆水体水质监测的研究进展，探讨遥感技术在水质监测中的应用原理、方法、案例以及存在的问题和挑战，以期为未来内陆水体水质监测技术的发展提供有益的参考和启示。
本文将对遥感技术在水质监测中的应用原理进行简要介绍，包括遥感技术的基本原理、内陆水体的光谱特征以及遥感影像的处理和分析方法等。
本文将重点综述遥感技术在水质参数反演、污染识别与评估、水体动态监测等方面的研究进展，通过具体案例分析展示遥感技术在内陆水体水质监测中的实际应用效果。
本文还将探讨遥感技术在水质监测中存在的问题和挑战，如数据源的选择、数据处理和解译的精度、监测结果的验证等，并提出相应的解决方案和建议。
通过对基于遥感的内陆水体水质监测研究进展的综述，本文旨在为相关领域的研究人员和技术人员提供全面的参考和借鉴，促进遥感技术在内陆水体水质监测领域的进一步发展和应用。
本文也期望引起更多学者和专家对内陆水体水质监测问题的关注和研究，共同推动水质监测技术的进步和发展。
二、遥感技术在水质参数提取中的应用遥感技术以其大范围、高效率、低成本的特点，在内陆水体水质监测中发挥了重要作用。
通过卫星或无人机搭载的传感器，可以捕捉到水体的光谱信息，进一步提取出关键的水质参数。
这些参数包括但不限于水体浊度、叶绿素a浓度、悬浮物含量、溶解性有机物等。
在水体浊度监测方面，遥感技术通过捕捉水体在可见光和近红外波段的反射和散射特性，结合算法模型，能够实现对水体浊度的有效监测。
这种方法具有快速、准确的特点，为水体浊度的实时监测和预警提供了可能。
叶绿素a浓度是反映水体营养状态的重要指标。
遥感技术通过捕捉叶绿素a在红光和近红外波段的反射特性，结合适当的算法，可以实现叶绿素a浓度的定量反演。
卫星遥感多光谱浅海水深反演法
率 多 光谱 卫星 遥感 数 据 进 行 研 究 ， 用 透 水 较好 的 利
蓝 绿 波 段 建 立 线 性 回 归 模 型 反 演 水 深 ， 海 图 浅 海 对
反 演水 深精度 的影响 。利用 主成 分分 析变 换 和神经
射、 海面 噪声 等对 遥感 图像 产生 的影 响 ， 同时增 强 了 岛礁 边缘 及水 深信 息 。
２ ２ 水 陆 分 离 ．
和 中粗 砂组 成 。采 用 的 是 Ｉ ） ） Ｋ（Ｎ（Ｓ高 分 辨 率 卫 星 影像 数 据 ， 多光 谱信 息 见表 １ 其 。
表 １ Ｉ ＫＯＮＯＳ多 光 谱 信 息
深 度 遥 感 反 演 模 型 。滕 惠 忠 等 ¨ 对 Ｉｏ ｏ ３ ］ ｋ ｎ ｓ高 分 辨
反 射率 相关性 较 好 的波段 对江 苏近 海岸进 行 了水深
反 演 。多数水 深 反 演模 型 只能 在 固 定 海域 进 行 ， 当
外界 条 件发 生变 化时 （ 如海 底底 质 、 体浑 浊度 等 ） 水 ， 其 反演 精度 将 大 大 降低 。通 过 建立 Ｉ ＫＯＮＯ Ｓ多光
第 ３ ５卷 第 ｌ 期
２１ ０ ２年 ３月
中 国 航
海
Ｖｏ ． ５ Ｎｏ Ｉ ３ ．１
Ｍ ａ ．２ ２ ｒ Ｏ１
Ｎ ＡＶ Ｉ ＧＡ Ｔ１ Ｎ ０ ＯＦ ＣＨ Ｉ Ａ Ｎ
文 章 编 号 ：０ ０ ４ ５ （ ０ ２ ０ —０ １ —０ １０ ６３ ２ １ ） １ ０ ３ ６
ｚｎ ｍａ ｅ） ｉｇＩ ｇ ｓ 图像 处 理平 台对 Ｉ ＫＯＮ（Ｓ各 个波 段 采 ）
用 ７ ７高 斯 滤 波 进 行 去 噪 和 增 强 ， 少 因 大 气 散 × 减
基于人工神经网络技术的多光谱遥感水深反演研究——以南海岛礁为例
基于人工神经网络技术的多光谱遥感水深反演研究——以南海岛礁为例发布时间：2021-11-09T08:24:43.383Z 来源：《中国科技人才》2021年第23期作者：郑健1 文明2 陈鹏3 玉秋明4 [导读] 水深是保障船舶航行、开展港口码头和海洋工程建设、制定海岸和海岛规划的必要基础数据。
广西壮族自治区遥感中心广西南宁 530023摘要：利用多光谱遥感数据中的光谱特征与水深之间存在相关性，利用已知水深基准点，结合遥感影像成像时刻潮高，制作反演样本点，建立光谱特征因子与水深的非线性相关回归模型，由点及面，实现浅海水深反演。
本文依托中国自然资源航空物探遥感中心二级项目《南海重点区遥感综合调查及关键技术与标准研究》，从遥感影像光谱特征入手，通过神经网络模型获取光谱波段及波段组合等因素与水深的映射关系，映射关系隐藏在训练后的神经网络模型当中，将研究区光谱特征因子输入该模型中，得到研究区水深数据。
研究表明，利用人工神经网络技术的多光谱遥感反演中国南海岛礁周边浅海水深的方法有效可行。
关键词：人工神经网络；多光谱遥感；水深反演；南海岛礁1、引言水深是保障船舶航行、开展港口码头和海洋工程建设、制定海岸和海岛规划的必要基础数据。
浅海是集中了岛礁、浅滩等碍航危险物较多的海区，浅海水深测量对于保障船舶航运安全具有重要的意义。
常见的水深测量方法是利用安装在测量船上的测深设备和定位设备直接进行测量，需要测量船按计划测量航线在测量海区上进行航行，对于存在暗礁的危险海区、存在主权争议或被他国非法侵占的岛礁附近海区，往往无法完成水深测量工作。
随着我国海洋卫星技术的进步和发展，使用遥感观测海洋信息的能力得到增强，利用遥感数据进行海洋信息提取与要素定量反演逐渐成为新的研究课题。
发展基于卫星遥感信息平台的水深反演技术，并将其应用于获取存在危险或争议的浅水海区的水深已成为一种新颖的水深测量手段，对于航运安全，海洋开发，军事部署等具有重要意义。
浅海水深光学遥感研究进展
第36卷第3期2018年7月海洋科学进展A D V A N C E S I N MA R I N E S C I E N C E V o l .36 N o .3J u l y,2018浅海水深光学遥感研究进展马 毅1,2,张 杰1,张靖宇1,张 震2,王锦锦2(1.国家海洋局第一海洋研究所,山东青岛266061;2.山东科技大学测绘科学与工程学院,山东青岛266590)收稿日期:2018-03-13资助项目:国家重点研发计划项目(2016Y F C 1402701);国家科技支撑计划项目 远海岛礁地理信息监测关键技术研究与示范(2012B A B 16B 01-02)作者简介:马 毅(1973-),男,内蒙古锡林郭勒人,研究员,博士,博士生导师,主要从事海岛海岸带遥感与应用方面研究.E -m a i l :m a y i m a i l @f i o .o r g .c n (王 燕 编辑)摘 要:通过分析1978年至今水深光学遥感的国内外主要研究成果,从被动光学遥感㊁主动光学遥感㊁遥感融合探测三个方面,对光学遥感浅海水深反演方法进行了系统性总结,对比分析了水深反演方法的优势和不足,探讨了存在的技术问题,并展望了浅海水深光学遥感技术的发展趋势㊂总结得到:主动光学遥感的水深探测精度最高,在0~15m 浅海水深段,激光雷达遥感探测误差在厘米级,但仅限于机载平台;遥感融合探测方法精度次之,水深反演精度一般可比单源单时相提高10多个百分点;被动光学遥感中的高光谱水深反演精度一般要高于多光谱,平均相对误差可低至15%㊂被动光学遥感水深反演精度相对较低,但是数据源丰富㊁覆盖范围广㊁时效性强㊁水深反演模型较丰富,是目前浅海水深遥感反演的主要方法㊂主动光学遥感由于机动性强㊁测深精度较高,逐步成为应用和研究的热点,但是受空管以及飞机平台的航程限制,个别敏感区域飞机也不能到达㊂水深遥感融合探测可以充分地利用已有遥感影像资源,有效地挖掘多源㊁多时相信息,有助于提高水深遥感反演精度,但是多源遥感影像融合时会存在空间尺度问题,多时相反演融合中也会有底质及水下地形变化等因素对水深反演精度的影响㊂关键词:浅海水深;被动光学遥感;主动光学遥感;水深遥感融合探测中图分类号:T P 79 文献标识码:A 文章编号:1671-6647(2018)03-0331-21d o i :10.3969/j .i s s n .1671-6647.2018.03.001水深是浅海重要的地形要素,对于海上交通航运㊁海岸工程开发㊁海岛海岸带管理均具有重要意义㊂传统的水深测量主要采用船载声呐测量方式,具有测量精度高的优点,但需耗费大量的人力和物力,尤其对于海岛海岸带浅海区域和因权益争端难以进入的海域,水深现场测量难以开展㊂遥感技术为水深测量提供了新的手段㊂与传统现场测量技术相比,水深遥感反演具有大范围㊁低成本和重复观测的优势,适用于浅海和难以到达海域水下地形的探测和动态监测,在相当程度上弥补了现场测量的不足㊂水深光学遥感技术自20世纪60年代开始受到关注,随着多光谱遥感卫星升空,多光谱水深遥感反演模型方法得到了迅速的发展,主要包括理论解析模型㊁半理论半经验模型和统计模型三种形式,并得到了广泛的研究和应用㊂高光谱遥感具有 图谱合一 的特点,自20世纪80年代以来,机载和星载高光谱数据的日益丰富,高光谱水深反演模型得到了长足的发展,形成了查找表法[1-2]㊁光谱微分统计模型[3-4]㊁神经网络模型[5-6]和半分析模型[7]等多种形式,水深反演精度较多光谱有大幅提高,目前仍是水深遥感反演研究的热点㊂激光雷达(L i D A R )是主动光学遥感探测手段,具有测量精度高的突出优势,目前仍处在机载应用阶段[8-10],星载激光雷达仍然是发展前沿[11]㊂多源多时相多角度遥感影像可以提供多维度信息,发展基于多维度信息的水深遥感融合探测技术也是有关学者关注的方向[12-14]㊂按照遥感频段划分,水深遥感可以分为微波和光学两大类㊂水深微波遥感主要应用S A R 和高度计传感器,具有不受云雾遮挡㊁全天时等优势,但是S A R 水深反演受水下地形坡度㊁成像时刻流场和海面风速的限制,高度计水深反演只适用于小比例尺大范围的大洋332海洋科学进展36卷地形探测㊂总体来说,光学遥感是水深遥感探测的主要方式,目前其探测方法可以分为被动光学遥感㊁主动光学遥感㊁水深遥感融合三大类㊂被动光学遥感水深反演根据传感器的光谱分辨率可分为多光谱和高光谱;主动光学遥感是指激光测深雷达;水深遥感融合是综合已有遥感影像资源,有效地挖掘多源㊁多时相㊁多角度等多维度信息,开展水深光学遥感反演的方法㊂本文收集了自20世纪70年代提出利用卫星多光谱遥感反演水下地形以来的国内外主要文献,从浅海水深被动光学遥感㊁浅海水深主动光学遥感㊁浅海水深遥感融合探测三个方面,对光学遥感浅海水深反演方法进行了梳理归纳,总结分析了模型机理和方法特点,对比了各种模型的水深遥感误差,评述了光学遥感浅海水深反演方法的优势和不足,并从遥感图像预处理㊁水深控制点和检查点选取㊁被动光学遥感模型的出路㊁主动光学遥感模型的重点㊁遥感融合探测模型的前景以及其他需要讨论的问题等方面,对浅海水深光学遥感技术的发展予以分析和展望㊂1浅海水深被动光学遥感探测太阳光对水体具有透视能力,光学遥感器接收信号中包含海底对太阳光的反射信息是浅海水深被动光学遥感反演的物理基础,也就是由海底反射进入光学遥感器的信息才是水下地形的直接反映,即水深光学遥感的信息来源㊂太阳光在水体中的衰减系数决定了光在水体中的透视深度,光在水体中的衰减系数越小,其对水体的透视性就越好㊂在电磁波谱段中,可见光具有最大的大气透过率和最小的水体衰减系数,因此,它是水深遥感反演的最佳谱段范围㊂1.1多光谱遥感水深反演有关学者[15-19]从20世纪60年代开始关注水深遥感技术,随着遥感卫星发射成功,利用多光谱卫星遥感数据反演水深的模型方法也得到了迅速的发展,主要形成了理论解析模型㊁半理论半经验模型和统计模型三种形式㊂1.1.1理论解析模型理论解析模型是基于水光场辐射传输方程,建立光学遥感器接收到的辐亮度与水深和底质反射的解析表达式,进而通过表达式解算出水深㊂L y z e n g a[15-16]和L y z e n g a等[20]利用双层流近似假设,对经典辐射方程进行了简化并且忽略水体内部的反射效应,得到一种水深反演的理论解析模型:R(h)=πL-E i-=r v+r*b e-αh,(1)式中,E i-为海面下的向下辐照度;L-为海面下的向上辐照度;r v为假设水深为无限深时光波在水中的有效散射;r*b=r b-r v,其中r b为海底反射率;α为电磁波上行和下行衰减系数的和;h为水深㊂F i g u e i r e d o等[21]对模型进行了改进,实验验证在20m水深范围内反演误差由3.2m减小为2.4m(图1)㊂陈启东等[22]通过深入分析太阳光在水体中传输的物理过程,假设表层和底层水体介质均匀一致,引入水体光学厚度的概念,通过水体辐射传输理论推导出水深遥感物理模型,并应用S P O T-5多光谱遥感影像开展了水深反演实验,结果平均相对误差为13.73%㊂这些理论解析模型精度较高,物理普适性较强,然而在模型构建过程中所需的水体光学参数众多,计算复杂且获取困难,从而使理论解析模型的应用受到了限制㊂3期马毅,等:浅海水深光学遥感研究进展333图1不同理论解析模型水深反演结果[21]F i g.1I n v e r s i o n r e s u l t s o f d i f f e r e n t t h e o r e t i c a l a n a l y t i c a lm o d e l s[21]1.1.2半理论半经验模型半理论半经验模型采用理论模型和经验参数相组合的方法实现被动光学遥感水深反演㊂对数线性模型是应用最广泛的半理论半解析模型[17-18,23],该模型将光学遥感器接收到的辐亮度表示为深水区辐亮度和海底反射辐亮度之和,模型简化后只需回归2个经验参数就可建立辐亮度与水深的解析关系式,这就是经典的单波段水深反演模型[24-25]㊂P a r e d e s等[26]假设2个波段在不同底质类型上的反射率比值不变,建立了双波段对数线性模型,也可将对数线性模型推广到多个波段:Z=a0+ðN i=1a i l n[L(λi)-L¥(λi)],(2)式中,a i为常系数,其中i=0,1, ,N,N为光谱的波段数;L(λi)是波段i经过大气校正和太阳耀斑改正后的辐亮度值;L¥(λi)是波段i在深水区辐亮度值㊂众多学者应用对数线性模型做了大量的应用研究工作[23,27-44],研究表明,双波段和多波段对数线性模型要明显优于单波段水深反演模型,单波段水深反演的平均相对误差一般为33%~55%,双波段和多波段334 海 洋 科 学 进 展36卷对数线性模型的平均相对误差一般为20%~32%㊂为避免对数线性模型中光学遥感器接收到的辐亮度与深水区辐亮度差值为负的情形,S t u m p f 等[45]提出了对数转换比值模型:Z =m 1l n [n R w (λi )]l n [n R w (λj )]+m 0,(3)式中,m 0,m 1,n 为回归系数;R w 为相应波段λi 和λj 的反射率㊂该模型适用于辐亮度值较低的海域,成功应用于太平洋夏威夷群岛西北的K u r e 珊瑚环礁(图2),有关学者对该模型开展了应用研究[46-47]㊂图2 S t u m p f 对数线性模型与传统线性模型在K u r eA t o l l 两处试验区的模型反演情况对比图[45]F i g .2 C o m p a r i s o nb e t w e e n r e t r i e v a l r e s u l t s f r o mS t u m p f l o g -l i n e a rm o d e l a n d l i n e a rm o d e l a r o u n dK u r eA t o l l [45]近年,田震[48]对传统的S t u m p f 对数转换比值模型进行了改进,将每个波段的对数调节因子调整为2个因子,并应用改进模型开展了珊瑚岛礁周边海域水深反演,结果表明水深反演能力有明显的提升,平均相对误差为12.6%,比传统的S t u m p f 模型降低了近12个百分点㊂改进模型[48]为Z =m 1l n [n R w (λi )]l n [m R w (λj)]+m 0,(4)其中,m 0,m 1,n ,m 为回归系数;R w 为相应波段λi 和λj 的反射率㊂S u 等[49]在对数线性模型的基础上,结合克里金插值提出了克里金回归水深反演法,实验结果的平均绝对误差比对数线性模型降低了12%(图3)㊂早期有学者[50]根据皮尔定律得到海水透过率与水深的关系,进而建立海面反射率与水深的关系,将后向散射系数㊁海底反射率和海水衰减系数设定为待定参数,进而利用该关系进行水深反演㊂虽然对数线性模型和对数比值模型有较强的水深反演能力,但是在极浅水域(0~2m )表现平常,平均相对误差约为34%~50%㊂另外,有些学者[12,51-53]在对不同深度的海域进行分区的基础上进行水深反演,得到较好的结果,均方根误差比分区前水深反演减小0.6m ㊂上述半理论半经验模型是理论解析模型的合理简化,在具有一定的普适性的前提下,模型参数显著减少,这不仅很大程度上减少了反演的计算量,也保证了水深反演的精度㊂半理论半经验模型也是目前水深光学遥感应用最多的模型㊂需要指出的是,水深控制点数量和遥感影像空间分辨率均会影响反演精度㊂梁建等[54]利用W o r l d V i e w -2,G F -1W F V 和L a n d s a t 8O L I 三种多光谱影像,开展了实验分析,当检查点数量为30个时,其评价指标已可以代表模型反演精度,控制点数量达到31个时,水深反演精度即趋于稳定;L i a n g 等[55]利用多源遥感影像验证了随着遥感影像空间分辨率的降低,水深遥感反演的精度呈现出先增加后减小的趋势,算例表明当遥感影像空间分辨率为16m 时,水深反演结果误差最小且与实测水深值相关性最高㊂3期马毅,等:浅海水深光学遥感研究进展335图3遥感反演水深空间分布图(I K O N O S影像,M o l o k a i I s l a n d)[49]F i g.3 B a t h y m e t r y m a p d e r i v e d f r o mI K O N O S i m a g e[49]1.1.3统计模型通过直接建立遥感图像辐亮度值与实测水深值之间的统计关系得到的水深反演模型统称为统计模型,表达式主要有幂函数㊁对数函数和线性模型[19,56-63],这些模型基本没有考虑水深遥感的物理机制,而是直接寻求水深与图像辐亮度值之间的统计关系,该类模型在特定的时间和海域也具有相当的水深反演能力㊂事实上,基于统计模型的反演应用并不少,反演结果的平均相对误差一般为30%~45%㊂若模型引入悬浮物泥沙等影响因子,其反演精度会明显提升,平均相对误差可降到24%[59]㊂人工神经网络水深反演是统计模型的一种特殊形式,具有自学习㊁自组织㊁自适应和非线性动态处理等特性,比传统的统计法具有更好的适应能力[64]㊂水深反演神经网络模型的输入有单波段和波段组合[65],也可考虑悬浮物泥沙和叶绿素等环境影响因子[66]㊂遥感测深受水体组分㊁底质类型以及大气环境等多因子的影响,其物理模型的构建难度较大,神经网络模型对非线性系统具有很强的模拟能力,是一种适应能力较强的水深反演模型,其前提是需要大量的训练样本,也就是在水深反演区域需要已知大量的水深信息,这在相当程度上限制了神经网络模型的应用能力㊂然而,研究表明,人工神经网络水深反演要比传统的统计模型方法有更高的精度,其平均相对误差一般为13%~24%[67-69]㊂1.1.4立体探测模型近年来,随着无人机的普及应用及卫星立体相对成像质量的提升,以双介质摄影测量为基础理论的水深光学立体探测有了较快的发展㊂其中,有代表性的是周高伟等[70]利用海岛无人机影像开展了航空双介质摄影测量的试验与分析,实验验证在6.2m水深范围内中误差为0.61m;曹彬才等[71]根据双介质测量原理,利用卫星立体像对进行数字高程模型(D E M)提取,然后对水下部分进行折射改正的方法进行了水深探测,并在我国南海开展试验,结果表明此方法在浅海岛礁水深反演相对误差小于20%(图4);曹斌等[72]通过对摄影测量交会点与水深真实物点的相互关系位置,推导出水下目标点的水深和大地坐标计算公式,并以甘泉岛为实验区,验证了算法的正确性㊂除上述各类水深遥感探测模型外,有学者以海水波为切入点,对水深遥感探测进行了研究,如A d r i e n 等[73]提出一种利用小波和互相关技术及线性色散关系进行S P O T-5立体像对水深反演的方法,反演结果的平均相对误差约为20%~30%(图5);L i等[74]提出高分辨率光学遥感影像海浪谱测深反演方法,并利用Q u i c k B i r d影像在海南三亚湾开展试验,平均相对误差为16.2%㊂336海洋科学进展36卷图4区域折射改正后的估计水深与实际水深对应关系[71]F i g.4 C o m p a r i s o nb e t w e e nb a t h y m e t r y m e a s u r e m e n t a n d r e t r i e v a lw i t h r e f r a c t i o n c o r r e c t i o n[71]图5利用S P O T-5影像在S a i n t-P i e r r e,L aRéu n i o n I s l a n d80mˑ80m水域内反演水深的误差分布图[73]F i g.5 U n c e r t a i n t y o f t h e r e t r i e v e db a t h y m e t r y(i nm e t e r s a n d i n p e r c e n t a g e f o r(a)a n d(b),r e s p e c t i v e l y)o na n80mˑ80m g r i d f r o mt h eS P O T-5i m a g e[73]1.2高光谱遥感水深反演高光谱遥感具有 图谱合一 的特点,既可获取地物的空间信息,同时能记录地物的光谱信息㊂高光谱遥感波谱信息丰富,是近些年来水深遥感反演研究的热点和前沿㊂高光谱水深反演模型主要包括查找表法㊁光谱微分统计模型㊁神经网络模型和半分析模型等㊂1.2.1查找表法查找表法是通过模拟仿真建立研究区的水体遥感反射率波谱库,然后将高光谱影像经过大气校正提取的遥感反射率与波谱库进行比较,取最匹配的波谱所对应的水深为探测结果㊂该模型需要坚实的海洋光学基础理论和数值模拟支撑,而且仿真的场景必须涵盖研究区水体的光学组份及其特性,才能保证水深反演精度㊂M o b l e y等[1]根据H y d r o l i g h t辐射传输模型建立了遥感反射率波谱数据库,用最小二乘法匹配影像与3期马毅,等:浅海水深光学遥感研究进展337数据库的反射率,提取匹配波谱的水深,结果与声呐测深数据对比,平均误差为0.5m;张靓等[2]通过辐射传输模型建立遥感反射率波谱库,对维尔京群岛彼得岛的A V I R I S高光谱影像应用查找表和波谱匹配的方法提取了水下地形,试验结果证明使用定标好的高光谱影像进行海岸带地区快速水深探测是可行的㊂1.2.2光谱微分统计模型光谱微分统计模型是通过对光谱导出参数与水深进行回归分析,建立两者之间的统计关系㊂已有的研究结果表明,光谱微分统计模型的反演精度优于单波段对数线性模型㊁光谱波段比值模型,尤其对于近岸浑浊度高的水体,优势更加明显,且已有算例表明光谱微分统计模型的平均相对误差低于17%[3-4]㊂光谱微分技术可以去除部分线性的背景噪声对目标光谱的影响,减少水体浑浊度变化对反演水深带来的影响㊂然而光谱微分统计模型只应用了高光谱数据中很少的波段信息,受其模型机制的限制难以发挥高光谱遥感波段丰富的优势㊂1.2.3神经网络模型神经网络模型不仅适用于多光谱水深反演,也适用于高光谱水深反演㊂S a n d i d g e等[75]利用神经网络模型和A V I R I S航空高光谱遥感影像对佛罗里达西海岸和佛罗里达礁岛群进行水深反演,结果表明在0~6m 水深内,均方根误差分别为0.84m和0.39m;施英妮[5]对输入模拟的高光谱数据进行主成分分析预处理,以提高神经网络的学习速度,通过建立的三层人工神经网络模型对模拟数据进行浅海水深反演,反演结果优于半分析模型;G r i g o r i e v a等[6]在对海底底质进行分类的基础上提出了利用A N N算法进行多光谱和高光谱水深反演的方法,实验验证测深相对误差约14%㊂1.2.4半分析模型HO P E(H y p e r s p e c t r a lO p t i m i z a t i o nP r o c e s sE x e m p l a r)模型是目前影响最大且应用最为广泛的一种高光谱遥感水深反演模型,该模型由L e e等[7]于1999年提出,是一种联合反演浅海水深和固有光学性质的半分析模型R r s(λ):R r s(λ)=f[a(λ),b b(λ),ρ(λ),H,θw,θv,φ],(5)式中,a(λ)是海水吸收系数;b b(λ)是海水后向散射系数;ρ(λ)是海底光谱反射率;H是浅海水深;θw为下表面太阳天顶角;θv为下表面天底视场角;φ是视场方位角㊂由于n个波段的解析表达式可以建立n个方程,且波段数n远远大于反演参数的个数,即该模型方程数量远大于未知数数量,是一种典型的超定问题,因此,可使用非线性优化算法解算㊂该模型充分考虑了水体组分的吸收和散射因素,物理机制比较完备㊂其最大优势是无需实测水深,可直接进行水深反演,因而受到了国内外众多学者的青睐,并开展了大量的应用研究[76-81](图6),研究结果精度普遍较高,0~25m水深段平均相对误差在15%左右㊂除上述4类模型外,M a等[82]针对不同类型的浅水海底底质,在遴选高光谱特征波段的基础上构建了对数线性比值模型,实验结果表明在小于20m的浅水区误差低于1.5m;还有学者利用光谱解混方法开展了相关高光谱遥感水深反演工作,其步骤是先进行大气校正提取遥感反射率,再利用红外波段求解表面菲涅尔反射和泡沫反射成分,从而分离出底质反射率并建立其与遥感反射率的经验关系,最后,线性解混上述关系进而提取水深[83]㊂338海洋科学进展36卷图6岛礁区浅海水深反演结果印证比较[80]F i g.6 B a t h y m e t r y v a l i d a t i o n i n t h e s h a l l o wc o a s t a lw a t e r s a r o u n d i s l a n d[80]2浅海水深主动光学遥感探测浅海水深主动光学遥感主要指激光雷达(L i D A R)测深㊂激光雷达测深是开展浅海㊁岛礁及船只无法到达水域水深测量最具发展前途的技术,具有测量精度高㊁测点密度大㊁覆盖面广㊁测量周期短等特点,是现代海洋测深领域中的新兴手段㊂国际首个L i D A R系统由美国的雪城大学(S y r a c u s eU n i v e r s i t y)于1968年研制成功[84],之后,美国海军发展了P L A D S机载脉冲激光测深系统㊂加拿大㊁澳大利亚㊁瑞典也相继开发出L i D A R系统,目前主流的4大系统包括美国的E A A R L系统㊁加拿大O p t e c h公司的S HO A L S系统㊁瑞典A H A B公司的H a w kE y e系统和澳大利亚的L A D S系统㊂从20世纪90年代开始,中国科学院西安光学精密机械研究所㊁中国科学院长春光学精密机械与物理研究所研制了国产机载L i D A R系统,并开展了水深测量实验,此外,华中理工大学㊁中国科学院上海光学精密机械研究所等院所也陆续开展了L i D A R系统研制和水深探测研究㊂如何有效地从激光雷达水体回波信号提取水表面和底部信号是L i D A R测深的关键,也是众多学者们研究的热点㊂目前激光雷达测深方法大致分为3类:回波探测法㊁函数拟合法㊁反卷积法㊂2.1L i D A R水深反演基本原理激光雷达测深系统有单波段机载激光测深和双波段机载激光测深两种㊂单波段是用532n m波长的蓝绿激光作为激光器发射光源,双波段是用1064n m近红外和532n m蓝绿激光作为激光器发射源㊂以常见的双波段机载激光测深系统为例,测深系统向海面同时发射2种激光,红外光不易穿透海水,达海面位置时,3期马毅,等:浅海水深光学遥感研究进展339绝大部分被反射回来,而蓝绿激光能够穿透海水到达一定深度的海底后被反射回来㊂因此,计算2次激光回波的时间差就可得到海水的瞬时水深㊂A b d a l l a h等[8]利用物理参数仿真L i D A R激光从水表面到水底再返回传感器所形成的波形,开发了一种新型激光雷达水体回波信号模型W a-L i D;李凯等[9]利用MO D I S二级数据产品评估了中国黄海㊁东海海域激光测深系统可测水深约在0~50m;付成群等[10]通过建立光传导的M o n t eC a r l o模型和唯像理论模型,对激光在海水中的传输进行了模拟,得出唯像模型适用于远海清洁水㊁M o n t eC a r l o模型适用近岸较浑浊水体测深的结论㊂2.2回波探测法回波探测法直接进行激光雷达回波信号的探测[85],主要包括峰值探测法㊁均方差函数法(A S D F)㊂峰值探测法[86]将激光雷达回波局部最大值位置作为目标位置,但是由于太阳和背景噪声的影响,探测到的局部最大值有很多,从这些局部最大值中确定目标信号,还需要最小能量阈值等其他约束条件㊂均方差函数法[87-88]是计算发射与接收波形之间的相关性,高相关性的位置认为是目标信号㊂回波探测法简单易行,但是探测误差较大㊂在0~10m水深段,回波探测法的测深误差一般在16c m左右,标准差约5c m[89],不同的测深系统和测深环境数据,测深精度也有所差别,但测深误差基本能控制在30c m以内㊂2.3数学拟合法数学拟合法是应用数学函数拟合真实波形,并从拟合曲线中提取目标位置,数学函数包括高斯函数㊁三角形函数㊁四边形函数三种形式㊂高斯拟合就是用一系列的高斯函数对回波信号进行拟合[90]㊂张震等[91]用2个高斯函数拟合激光雷达回波信号,提出了基于正向仿真模型的反向激光雷达水深探测模型,结果表明在1~15m水深段内平均绝对误差为15.6c m㊁平均相对误差为4.58%(图7);三角形函数拟合[8]是应用2个高斯函数分别拟合回波波形数据的海表面信号和海底信号,而用三角形函数拟合水体贡献部分,也有的学者用W e i b u l l函数拟合海底贡献部分;四边形函数拟合[89]与三角形函数拟合类似,区别在于用四边形拟合回波信号的水体贡献部分㊂在0~10m水深范围内,三角形函数拟合法的测深误差为3~10c m,标准差约8.5c m,而四边形函数拟合法测深误差在2~8c m,标准差为8.2c m[89]㊂图7基于高斯函数拟合回波波形[91]F i g.7 E c h ow a v e f o r mf i t t i n g w i t hG a u s s f u n c t i o n[91]数学拟合法首先用数学函数对激光雷达水体回波波形进行拟合,这样就可用简单的光滑曲线来表示带噪声的回波信号,再用峰值探测等方法从拟合曲线中搜寻局部最大值,将这些局部最大值的位置作为地物目标的信号㊂数学函数拟合提高了水深反演精度,且减少了探测地物目标的错误率,但是该方法不考虑激光雷达在水体的辐射传输过程,直接对波形进行数学仿真,缺少物理参数的模拟,使得该模型具有局限性,水深反演的精度提升空间有限㊂。
利用WorldView-2多光谱波段量测阿拉斯加威尔士附近浅海水深
在分析由风暴潮引起的洪水淹没和侵蚀时，水深数据是很重要的。
较高分辨率的浅海水深数据能提高在风暴潮危害评估中的建模能力。
同时，水深数据在航海图更新、探索海底环境、沉积物迁移研究中也很重要，而阿拉斯加威尔士区域的水深数据非常少。
本项目是通过遥感方法得到水深数据，利用实测声纳数据，使用线性回归的方法对结果进行验证，R2 = 0.7221，基本可以满足应用的精度需要。
图1：威尔士区位置及航空拍摄图图2:2011年9月份拍摄的海岸侵蚀图像处理流程和方法遥感水深测量是利用可见光遥感数据反演水深，主要依据为：在可见光范围内，波长在0.4~0.58μm之间的光信号对清澈水体的穿透深度最大，大气条件较好时，能够探测水深在30米以内的水体；（2）反映水深的辐射量与光信号在水中的衰减程度呈指数关系。
图3：太阳光水面辐射示意图WorldView2多光谱数据包括除了一般的蓝、绿、红、近红外波段，还包括海岸蓝色波段（400-450nm）、黄色波段（585-625nm）。
Lee et al.（2012）, Madden （2011）, Miecznik et al.（2012）, Tarantino et al.（2012）等人已经成功在热带地区利用WorldView2测量水深。
如果这种方法适合于阿拉斯加的寒带地区，将产生非常大的价值。
使用处理流程如下图所示。
图4：处理流程图(一)底部反照率独立水深测量算法使用底部反照率独立水深测量算法（bottom albedo-independent Bathymetry algorithm）量测水深，这个算法假设：当深度相同的时候，不管水底是被深色水草或者明亮的沙子覆盖，他们都显示为同一深度。
计算公式如下：（公式1）其中：D=水深m1=常量，用于调整水深比例n=固定的常量，保证对数是正值及是线性关系R W=卫星观测辐射亮度值λi=波段iλj=波段jm0=常量，用于补偿0m深度(二) SPEAR Relative Water Depth WizardSPEAR Relative Water Depth Wizard（RWDW）是ENVI下的一个流程化工具，集成了底部反照率独立水深测量算法。
长江口水域多光谱遥感水深反演模型研究
Study on Retrieval Model of Yangtze River Estuary Water Depth Extraction from Remote Sensing 作者： 徐升 张鹰
作者机构： 南京师范大学地理科学学院,江苏南京210097
出版物刊名： 地理与地理信息科学
页码： 48-52页
主题词： 水深遥感 反演模型 长江口北港河道
摘要：利用Landsat-7ETM＋遥感影像反射率和实测水深值之间的相关性可以探测水深。
该文介绍单波段、双波段比值和多波段3种线性回归模型以及动量BP人工神经网络水深反演模型。
选择长江口北港河道上段作为研究区，利用上述模型，分两种情况进行水深反演：一是以河道全部历史样本建模；二是将河道按自然水深划分为浅水区和深水区分别建模。
结果表明：神经网络模型预测精度高于线性回归模型；水深分区后线性回归和神经网络模型预测误差均有所减小。
多光谱遥感水深反演及其水下碍航物探测技术
响 的水 深 反 演 模 型 ， 以及 利 用 Ｅ Ｔ Ｍ＋ 遥感 影 像 反 射
率和实测水深值之间的相关性 ， 建立多因子模型、 人 工神 经 网络 水 深 反 演模 型 等 卜 。 因此 ， 将 卫 星遥
感 技术 引入 到海 洋 测绘 领 域 中 ， 探 索 基 于 卫 星遥 感 手段 的水深 信 息获取 与水 下碍 航物探 测 的新理 论 和 新 方法 ， 以保 证 在危 险 及 争议 海 区 的大 小 船 只 的航 行安 全是 非常有 意义 的 。
因而必须 给予 充分 的重 视 ， 加 以深 入研 究 ， 改 进各 种
收 稿 日期 ： ２ ０ １ ５ — ０ ２ — ３ １ ； 修 回 日期 ： ２ ０ １ ５ — ４— ０ １ ３ 基金项 目 ： 国家 ８ ６ ３ 计划 （ ２ ０ １ ２ Ａ Ａ １ ２ Ａ ４ ０ ６ ） ； 国家 自然科学 基金 （ ４ ０ ３ ７ １ ０ ９ ７ ， ４ ０ ９ ７ １ ２ ２ ４ ， ４ １ ２ ７ １ ４ ０ ９ ） ； 海军 大连舰艇学 院 ２ １ １ ０工 程三期资助学术预研课题 （ Ｄ ＵＹ— Ｘ Ｙ ２ ０ １ ４ ０ １ ６ ） 。 作者简介 ： 黄文骞 （ １ ９ ６ ２ 一 ） ， 男， 福建南安人 ， 教授 ， 博士 ， 主要从事海洋测绘 、 遥感和模式识别研究 。
航行 ， 显然在上述海区传统 的测量手段难以实施 ， 从 而导致这些海区的水深信息和水下碍航物信息严重 缺失 。 因此 ， 危 险海域 、 有 争议 或被他 国非 法侵 占的
岛礁 附近 海 区的水 深 测 量 与水 下 碍 航 物 探测 技 术 ，
多光谱 遥感 水深 反演 是 以多光谱 卫 星遥感 影像
多光 谱 遥 感 水 深 反 演 及 其水 下碍 航 物探 测 技 术
基于多光谱图像的农作物水分遥感监测研究
基于多光谱图像的农作物水分遥感监测研究农作物的生长过程主要受到温度、降雨量和水分等环境因素的影响。
在干旱地区的农作物种植中，水分是影响农作物生长和产量的最重要因素之一。
因此，农作物水分监测对于农业生产的发展和粮食安全具有重要意义。
传统的地面监测方法不仅费时费力，而且遭遇天气不利时效果不佳。
然而，基于多光谱图像的农作物水分遥感监测研究作为一种新兴的监测方法正在变得越来越受欢迎。
一、多光谱图像在农作物水分监测中的重要性多光谱图像是由卫星、无人机等设备采集的反映不同波长的能量的图像。
多光谱图像的各个频带可以反映出植被的吸收和反射情况，因此可以通过这些频带来进行农作物生长的细致分析。
在农作物水分监测中，多光谱图像可以提供较为准确的水分的信息，因为植物在不同的水分状态下会对光线反射和吸收产生不同的效果。
因此，利用多光谱图像来监测农作物的水分状态已经成为了快速、准确的一种方法。
二、利用多光谱图像监测农作物的水分状态1. NDVI指数通过反射率来获取土地植被信息的常用方法是利用归一化植被指数（NDVI）。
NDVI可以帮助我们根据植被的反射率计算植被生长情况和水分状况。
NDVI的计算公式为：NDVI = (NIR – RED) / (NIR + RED)其中，NIR表示近红外，指的是较大的波长在700-1300nm之间；RED表示红光，指的是400-700nm之间的波长。
如果植被具有足够的水分，那么它的NDVI指数将会比较高。
当土壤中的水分减少时，植物的NDVI指数也随着下降。
因此，利用NDVI指数可以有效地监测农作物的水分状态。
2. LST与NDVI不同，农作物土地表面温度（LST）可以通过卫星的红外（IR）波段来反映。
通过这种方式，可以测量植被温度的变化情况，以便判断植被的水分状态。
当土壤水分充足时，植物就会通过自身的蒸腾来冷却表面温度。
但是，当水分减少时，植物因为无法蒸腾而导致表面温度升高。
因此，利用LST可以更加精确地判断农作物的水分状态。
水深可见光遥感方法研究进展
第 ２ ６卷
第 ５ 期
海
洋
通
ห้องสมุดไป่ตู้
报
Ｖ １２ ０ ＿ ． ６，Ｎｏ ５ ．
Ｏｃ ． ｏ ７ ｔ２ ｏ
２０ 年 ｌ 月 ０７ ０
Ｍ ＡＲＩ Ｅ ＣＩ ＮＣＥ ＢＵＬＬ Ｉ Ｎ Ｓ Ｅ ＥＴ Ｎ
水 深可 见 光 遥 感 方 法 研 究进 展
度，必须进一步加强遥感器研究，充分考虑水体中的溶解、悬浮物质等信息干扰 ，科学构建水深模型和大气校正 模型。
关键 词 ：遥感 ；水 体测深 ：模 型
中 图分类 号 ：Ｐ １ １ ７５７ ７ ４．；Ｐ １． 文献 标识码 ：Ａ 文章 编号 ：１０ ．９ ２２ ０）５０ ９ ．００ ０ １６３ （０７０．０ ２０ １
收稿 日期 ：２０ ８２ ；收 修改稿 日期：２０ ．２１ ０ ６０ ．８ ０６１．９ 基 金项 目：国家 自然 科学基 金重 点 资助项 目 （ ０ ３００） ５ ３９ １ ：淮 河流 域开 放基 金项 目 （课题 号：Ｈｘ０ ７ ２０ ）
维普资讯
５ 期
１ 水 深 遥 感 原 理
太 阳辐射 在 经过 大气 的 吸收 、反 射 和散射 等 作用 后 到达 水 体表 面 ，一 部 分能 量在 水． 界面 被 反射 回 气 大 气 中，大部 分能 量经水 面折射 进 入水 体 。受 水体对 光 的吸 收和 散射 作用 的影 响 ，当光波 进入 水体 后其传 播 的能量 会 不断衰 减 ，一 部分 光 由于受 到水体 内分子 的影 响发 生散射 作 用而 离开 水体 返回 大气 ，只 有较 少 的光到达 水 底被 反射 后又 穿过水 体和 大气被 卫 星传 感器接 收 。传 感器接 收到 的光 辐射 主要 包括 大气 信 息和 水体信 息 。大气 信 息 中的后 向散射 和反射 可 以通 过大 气校 正来 消 除 ；水体 信 息主要 包括 水体表 面直 接 反射
星载多光谱浅海水深测量方法
星载多光谱浅海水深测量方法
星载多光谱浅海水深测量方法
利用遥感技术以及星载多光谱数据,进行浅海海域水深测量的基本方法以及关键技术,提出了一种基于主成分分析方法和底质分类的新的浅海水深提取技术路线,可应用于浅海水深提取及海图制作和更新 .
作者：庞蕾聂志峰作者单位：庞蕾(山东理工大学,数学与信息科学学院,山东,淄博,255049)
聂志峰(山东科技大学,山东,济南,250031)
刊名：山东理工大学学报(自然科学版) 英文刊名：JOURNAL OF SHANDONG UNIVERSITY OF TECHNOLOGY(SCIENCE AND TECHNOLOGY) 年，卷(期)：2003 17(6) 分类号：B256 关键词：多光谱遥感主成分分析水深反演。
基于多光谱影像的河流水体水质检测与分析研究
基于多光谱影像的河流水体水质检测与分析研究引言：随着人类活动的不断增加，河流水体的污染问题日益严重，给生态环境和人类健康带来了巨大的威胁。
因此，对河流水质进行监测与分析研究，具有重要的理论和实践意义。
多光谱影像技术作为一种无需接触和实时获取信息的技术，正在被广泛应用于河流水体水质检测与分析研究中。
本文将探讨基于多光谱影像的河流水体水质检测与分析研究的方法和应用，以期提供一种有效的手段来更好地保护河流水质，恢复生态平衡。
一、多光谱影像技术概述多光谱影像技术基于不同波长的光源对地物进行成像和测量，能够获取地物不同频段的光谱响应。
其核心原理是通过记录不同波段之间的反射和辐射特性来获取地物的信息。
多光谱影像技术常常使用遥感设备进行采集，如高光谱、超光谱和红外传感器等。
这些设备能够获取到地表物质在几十到几百个连续波段上的光谱信息。
二、河流水质检测的现状与挑战目前，传统的河流水质检测方法主要依赖于采样和实验室分析，这种方法存在取样点有限、分析周期长、不实时等问题。
而基于多光谱影像技术的河流水质检测则是一种快速、高效、实时的检测方法。
然而，由于河流水体的复杂性和多样性，有效并准确地应用多光谱影像技术进行水质监测仍然面临着许多挑战。
其中包括光学特性、散射效应、遥感像元分辨率等。
三、基于多光谱影像的水质参数反演基于多光谱影像的水质参数反演是河流水体水质检测与分析的核心问题。
在实际应用中，常常通过光谱指数或者统计模型来反演水质参数。
典型的光谱指数有蓝绿植被指数（Normalized Difference Vegetation Index, NDVI）和水色指数（Water Color Index, WCI）等。
这些光谱指数通过计算光谱波段之间的比值或差值，能够较好地反映水质特征。
另外，统计模型如多元线性回归、神经网络、支持向量机等也被广泛用于基于多光谱影像的水质参数反演。
四、基于多光谱影像的水质监测与分析工具为了更好地实现河流水体水质检测与分析，研究者们开发了一些基于多光谱影像的水质监测与分析工具。
基于多光谱遥感的海洋水质与生态测量
基于多光谱遥感的海洋水质与生态测量海洋水质与生态测量的重要性海洋水质和生态系统是地球上最重要的自然资源之一。
作为人类社会的一部分，我们对海洋的依赖程度越来越高，无论是作为食物来源，还是作为贸易和运输的通道。
因此，我们需要了解海洋的水质和生态状况，以便有效管理和保护海洋环境。
多光谱遥感技术的应用随着科技的进步，多光谱遥感技术成为监测和评估海洋水质和生态状况的主要工具之一。
多光谱遥感技术利用从卫星、飞机或船只上收集的多光谱数据，通过分析不同波长的反射和吸收率，来获取关于水质和生态系统状态的信息。
多光谱遥感技术在测量海洋水质方面的应用多光谱遥感技术在测量海洋水质方面有广泛的应用。
其中一个主要的应用是测量水色参数，如水体的透明度、浊度、相对溶解有机物（CDOM）和叶绿素浓度等。
这些参数对于评估水体富营养化程度、水质变化以及生态系统的健康状况至关重要。
通过多光谱遥感技术，我们可以获取具有高空间分辨率和丰富光谱信息的海洋遥感影像。
这些影像可以帮助我们监测和识别海洋表面的悬浮物、浮游植物和有害藻类等，从而提供了快速且准确的海洋水质信息。
同时，多光谱遥感技术还可以通过反演方法来估算水体的溶解氧浓度、化学物质浓度和水体温度等重要参数。
多光谱遥感技术在测量海洋生态方面的应用除了测量水质，多光谱遥感技术还可以应用于测量海洋生态系统的健康状况。
通过分析遥感影像中的生态指标，如海藻分布、珊瑚礁健康状况和海底植被分布等，我们可以及时发现和监测生态系统的变化和异常。
例如，多光谱遥感技术可以帮助我们监测和评估珊瑚礁的健康状况。
通过分析遥感影像中的珊瑚礁覆盖率、珊瑚褪色情况以及海洋温度等参数，我们可以追踪珊瑚礁的退化和恢复情况，并采取相应的保护和管理措施。
类似地，多光谱遥感技术还可以通过分析遥感影像中的海藻分布以及浮游动物的密度和分布等参数，来监测和评估海洋生态系统的健康状况。
这种方法可以提供及时的生态信息，帮助我们更好地了解和管理海洋生态系统。
多光谱遥感在长江口水深探测中的应用
文章编号:10012909X (2006)0120083208收稿日期:2005204229基金项目:国家自然科学基金重点资助项目(50339010);国家“十五”“211”资助项目作者简介:徐升(1980—),男,安徽利辛县人,硕士研究生,主要研究遥感、地理信息系统在海岸带中的应用。
多光谱遥感在长江口水深探测中的应用徐 升,张 鹰,王艳姣,李洪灵(南京师范大学地理科学学院,江苏南京 210097)摘 要:利用L andsat 27ETM +遥感图像反射率和实测水深值之间的相关性,建立了单波段模型、双波段模型、比值模型和多波段模型等4种线性回归模型,以及动量BP 人工神经网络水深反演模型,对长江口南港航道水深进行了反演,对比分析了不同方法在长江口水深反演计算中的优劣性,试验表明,神经网络反演模型标准误差最小,精度最高。
关键词:水深遥感;反演模型;长江口水域中图分类号:T P 79 文献标识码:A0 引 言自1972年发射第一颗陆地卫星以来,国内外就相继开展了用卫星多光谱遥感数据信息提取水深的研究,L yzenga [1],Paredes 和Sp ero [2],Sp itzer 和D irk s [3]等提出了应用卫星遥感图像对海岸地区进行水深制图的定量分析方法。
M gengel 和Sp itzer [4]根据这些方法并利用TM 影像对荷兰近海水域进行了多时相水深测图;T ri path i 和R ao [5]应用印度的I R S 21D L ISS 2 卫星数据提取了印度卡基纳达海湾水深值,并进行水深制图工作,取得了较好的效果;Juan ite 等[6]利用B P 人工神经网络模型在美国佛罗里达州海域进行了水深反演研究,检验结果表明模型的反演值和实测水深值之间的误差比较小,模型精度比较好;张鹰等[7]利用SPO T HRV 、L andsat TM 和NOAA AV HRR 对安徽武昌湖和长江口等水域进行了水深遥感研究,并利用研究成果对水下地形和冲淤变化进行了分析;党福星等[8]对多波段水深遥感进行了研究,并应用于我国南海岛礁的水深计算,对浅海水深地形研究有很好的应用价值。
基于多光谱遥感的矿区积水区水深反演
收稿日期2019-08-18基金项目国家自然科学基金项目（编号：51604266）。
作者简介吴双（1995—），女，硕士研究生。
通讯作者吴侃（1963—），男，教授，博士，博士研究生导师。
基于多光谱遥感的矿区积水区水深反演吴双1，2武瑞杰3吴侃2王瑞2，4周大伟2（1.江苏省资源环境信息工程重点实验室，江苏徐州221116；2.中国矿业大学环境与测绘学院，江苏徐州221116；3.武汉大学资源与环境科学学院，湖北武汉430079；4.江西理工大学应用科学学院，江西赣州341000）摘要采煤沉陷区积水会严重影响到矿区周围的生态环境和生产工作，为定量获取淮南潘一矿沉陷区的积水深度，基于多光谱遥感数据对沉陷区积水深度的反演方法进行了研究。
首先选择两期Landsat 5卫星遥感影像进行辐射定标和积水区水体提取等预处理；然后基于像元绝对辐射亮度值与2005年研究区水深实测值，分别选取单波段模型、双波段比值模型进行建模分析，在此基础上，选择拟合优度最高的影响因子建立多波段模型并进行模型改进；最后将2010年反演结果与矿区沉陷预测预报系统（MSPS）软件计算的水深值进行对比分析。
结果表明：改进后的水深反演模型拟合优度达到0.9以上，且2005年潘一矿沉陷区积水深度反演值与实测值相比平均绝对误差为0.21m，平均相对误差为10.92%；2010年该区域水深反演值与预计值的平均绝对误差为0.63m，平均相对误差为15.24%，二者差值呈正态分布，可以达到相互验证的目的。
研究表明：利用多光谱遥感影像可以得到精度较高（误差在分米级）的水深反演模型，在一定程度上满足工程需求，可以为矿区生态环境治理和评价提供可靠依据。
关键词多光谱遥感水深反演多波段非线性模型沉陷积水区矿区沉陷预测预报系统中图分类号TD325，TP79文献标志码A文章编号1001-1250（2020）-08-129-07DOI 10.19614/ki.jsks.202008021Water Depth Inversion Based on Multi -spectral Remote Sensing in Mine Subsidence AreaWu Shuang 1，2Wu Ruijie 3Wu kan 2Wang Rui 2，4Zhou Dawei 2（1.Key Laboratory of Resources and Environmental Information Engineering of Jiangsu Province ，Xuzhou 221116，China ；2.School of Environment and Spatial Informatics ，China University of Mining and Technology ，Xuzhou 221116，China ；3.School of Resources and Environmental Science ，Wuhan University ，Wuhan 430079，China ；4.School of Applied Science ，Jiangxi University of Science and Technology ，Ganzhou 341000，China ）AbstractWater accumulation in coal mining subsidence area will affect the ecological environment and productionwork seriously around the mining area.In order to obtain the water accumulation depth quantitatively in the subsidence areaof Panyi Mine in Huainan ，the inversion method of water accumulation depth in subsidence area was studied based on multi⁃spectral remote sensing data.Firstly ，two phases of Landsat 5remote sensing images were selected for radiation calibration ，water extraction and other pretreatment operations.Then ，based on the absolute radiation luminance value of pixel and the measured depth of water in the study area in 2005，the single -band model and dual -band ratio model were selected for model⁃ing and analysis respectively ，besides that ，the influencing factor with the highest fitting goodness was selected to establish the multi -band model and improve it.Finally ，the inversion results in 2010are compared with the water depth values calcu⁃lated by MSPS software.The results show that the improved water depth inversion model has a good fitting degree of more than 0.9，and the average absolute error of the inversion value and measured value of water depth in the subsidence area ofPanyi Mine in 2005is 0.21m ，and the average relative error is 10.92%.In 2010，the average absolute error of annual waterdepth inversion value in this region is 0.63m ，and the average relative error is 15.24%compared with the predicted value.The difference between the two values is normally distributed ，which can achieve the purpose of mutual verification.The study results show that the multi -spectral remote sensing image can be used to obtain the water depth inversion model with high accuracy (the error in the decimeter level)，which can basically meet the engineering requirements ，can provide reliable总第530期2020年第8期金属矿山METAL MINESeries No.530August 2020金属矿山2020年第8期总第530期reference for ecological environment management and evaluation of mining area.Keywords Multi-spectral remote sensing，Water depth inversion，Multi-band nonlinear model，Subsidence water accu⁃mulation area，Mining area subsidence prediction and forecasting system淮南矿区经过长期开采，地面发生大面积坍塌、沉陷，生态环境和地表景观受到破坏，形成了众多沉陷积水区，导致土地资源被浪费，严重影响了矿区周围居民的正常生活［1-2］。
国外水体水质遥感监测方法
国外水体水质遥感监测方法一、利用遥感技术获取水质信息1.多光谱遥感技术：多光谱遥感是一种通过测量地面或水体的反射、辐射以及散射特征，来获取水质信息的技术。
通过分析不同波段的反射率或辐射率，可以提取水体中的浊度、藻类浓度、叶绿素-a含量等水质指标。
2.高光谱遥感技术：高光谱遥感是一种通过获取连续、高光谱的影像数据，来获取水质信息的技术。
通过分析不同波段的光谱特征，可以提取水体中的溶解有机物、总氮、总磷等水质指标。
3. SAR遥感技术：SAR（Synthetic Aperture Radar，合成孔径雷达）遥感是一种通过测量水体散射、散射、渗透等特征，来获取水质信息的技术。
通过分析SAR图像的反射率或散射特性，可以提取水体中的沉积物、水深等水质指标。
二、水质遥感指标的提取1.反射率法：反射率法是一种通过分析不同波段的反射率，来提取水质指标的方法。
通过构建不同波段的反射率模型，可以计算水体中的浊度、叶绿素-a含量等指标。
2.比值法：比值法是一种通过计算不同波段的比值，来提取水质指标的方法。
通过构建不同波段的比值模型，可以计算水体中的溶解有机物、总氮、总磷等指标。
3.比例变换法：比例变换法是一种通过计算不同波段之间的比例变换，来提取水质指标的方法。
通过构建比例变换模型，可以计算水体中的藻类浓度、叶绿素-a含量等指标。
三、水质遥感模型的建立1.统计模型：统计模型是一种通过建立统计关系，来预测水质指标的方法。
通过分析遥感图像和实测数据之间的关系，可以建立水质遥感模型，从而预测水体中的水质指标。
2.机器学习模型：机器学习模型是一种通过使用机器学习算法，来预测水质指标的方法。
通过对遥感图像和实测数据进行训练，可以建立水质遥感模型，从而预测水体中的水质指标。
3.物理模型：物理模型是一种通过建立水质与遥感特征之间的物理关系，来预测水质指标的方法。
通过分析水质与遥感特征之间的物理关系，可以建立水质遥感模型，从而预测水体中的水质指标。
遥感技术在生态环境监测中的应用研究
遥感技术在生态环境监测中的应用研究随着经济的发展和人口的增长，保护生态环境成为当今社会面临的挑战。
生态环境的保护和修复需要准确的监测手段来评估环境状况，并及时采取适当的措施。
遥感技术在生态环境监测中应用广泛，无需人员进入危险区域，无需大面积地铺设监测设备，具有经济、高效、及时、安全等优点。
这篇文章将探讨遥感技术在生态环境监测中的应用研究。
1. 多光谱遥感技术多光谱遥感技术是指利用多个波长范围的光谱传感器对地表进行遥感监测，并通过对数据进行数字处理，可获得不同光谱区中的反射率、植被指数等信息。
通过多光谱遥感技术，可以通过比较不同时间、不同地段的数据变化，分析地表覆盖类型的变化以及植被状况的变化等，从而评估生态环境状况。
雷达遥感技术是指利用微波能量进行成像探测，可以对地表物体进行广角观测和长期监测。
雷达遥感技术可以通过测量反射率、回波强度、散射和消光等参数，对地质构造、植被分布、地形、水文等地形进行成像监测，从而判断生态环境的状况。
超光谱遥感技术是指利用整个可见光和近红外光谱范围内的波长进行监测，能够提供更加丰富的信息，是最早应用于生态环境监测的遥感技术之一。
超光谱遥感技术可以用于监测水体、植被、土壤、岩石等，为进行生态环境状况评估提供了有效的手段。
1. 水质监测水环境是生态环境的重要组成部分，水质污染问题一直是人们所关注的。
遥感技术可以通过使用多光谱或超光谱数据，监测和评估水体的各种物理参数，如表层温度、水深、水色参数、水质指数等，并分析水体质量，帮助分析水环境的状况。
2. 植被监测植被是自然环境的重要组成部分，也是气候变化和生态系统研究的关键因素。
遥感技术可以通过使用多光谱或超光谱数据并结合植被指数计算，定量地获取植被覆盖度、年生产量和生物量，为生态环境的评估和监测提供有效的手段。
空气污染是影响人体健康的主要因素之一，也是影响生态环境状况的重要因素之一。
遥感技术可以结合气象站数据，评估大气质量的情况，包括空气中的氮氧化物、二氧化硫、悬浮颗粒物等有害物质的浓度。
水深遥感探测的具体方法
水深遥感探测的具体方法以水深遥感探测的具体方法为标题，写一篇文章。
水深遥感探测是一种通过遥感技术来测量水体深度的方法。
它可以在不接触水体的情况下获取水深信息，具有高效、快速、精准的特点，被广泛应用于海洋科学、水利工程和环境监测等领域。
水深遥感探测的具体方法主要有以下几种。
1. 激光测深法激光测深法是一种常用的水深遥感探测方法。
它利用激光器发射的激光束在水体中传播，当激光束遇到水底时会发生反射，利用接收器接收反射回来的激光信号，通过测量激光的传播时间来计算水深。
激光测深法具有测量范围广、精度高的优点，适用于浅水区和深水区的水深测量。
2. 雷达测深法雷达测深法是利用雷达技术进行水深遥感探测的方法。
它通过发射雷达波束，当波束遇到水底时会发生散射，利用接收器接收散射回来的雷达信号，通过测量雷达信号的时间延迟来计算水深。
雷达测深法具有测量范围广、适用于各种水域环境的优点，被广泛应用于海洋测绘和航海导航领域。
3. 多光谱遥感测深法多光谱遥感测深法是利用多光谱遥感技术进行水深遥感探测的方法。
它利用多光谱传感器获取水体表面的反射光谱信息，通过分析光谱信息来推测水深。
多光谱遥感测深法可以获取大范围的水深信息，并且可以对水体中的浮游植物和水质等进行监测。
4. 航空摄影测深法航空摄影测深法是一种通过航空摄影技术进行水深遥感探测的方法。
它通过航空摄影仪获取水体表面的影像数据，通过分析影像中的水体特征来推测水深。
航空摄影测深法可以获取大范围的水深信息，并且可以对水体中的地形、地貌和植被等进行监测。
水深遥感探测是一种利用遥感技术来测量水体深度的方法，具有高效、快速、精准的特点。
激光测深法、雷达测深法、多光谱遥感测深法和航空摄影测深法是常用的水深遥感探测方法，它们各具特点，在不同的应用场景下有着广泛的应用。
随着遥感技术的不断发展，水深遥感探测方法将会越来越多样化和精确化，为水文学和海洋科学研究提供更多有价值的数据。
多光谱水深遥感方法及研究进展
引言
水深是个重要的水文要素。利用遥感手段测量 水深, 可以发挥遥感 快速、大范围、准同步、高分辨 率获取水下地形信息 的特长, 对于掌握洪涝及风 暴潮灾的水淹没范围和淹没程度来说, 是一种十分 有效的方法, 可以及时取得淹没状况的第一手资料, 同时还可以灾前、灾中及灾后的水深分布来评估灾 害损失。水深遥感方法还可以用于大范围海域的水 深图制作。对于江湖海岸地形演变分析、水利工程 土方计算、航道开挖、监测与疏浚、滩涂围垦与开发 领域, 水深遥感也发挥着重要作用。
双波段比值法能有效消除水体的衰减系数和底 部反射率的绝对值因水体类型和底部物质种类的不 同有很大差异的影响, 在一定程度上还可减小太阳 高度角、水面波动以及卫星态势、扫描角等变化而产 生的影响, 因此也得到了广泛应用。张东等 [ 11] 通过 对长江口南支水域 TM 遥感图像进行水深专题信息 的增强处理, 选择 TM 4 /TM 2 波段组合, 结合当地同 一时期实测水下地形图资料, 建立了该水域水深与 影像光谱值之间的统计相关关系, 分析了影响水深 遥感精度的原因并采用幂函数形式的修正项对相关 模式进行修正加以解决, 并提出: 图像处理质量的高 低和相关公式建立的好坏是提高水深遥感精度的关 键所在; 黄家柱 等 [ 12] 在分 析水深遥 感机理的 基础 上, 利用 TM 遥感数据, 建立了长江南通河段水深遥 感双波段比值模型, 指出 TM 数据对含沙量较高的 长江口段浅水水深进行探测具有一定的效果; 陈鸣 等 [ 13] 结合长江口水域的水沙特性, 对长江口水深按 不同深度等级分段采用比值模型, 所得的遥感水深 图与实测水深图平均一致率达 82% 。
摘 要: 文中简单回顾了多光谱水深遥感的国内外研究进展。将当前水深反 演模型归为 3类: 即 波浪法、统计法和 水体散射遥感测深法, 对各模型作了简单介绍, 以时间为顺序列出了各模型在实践中 的应用状况, 分析 对比了各种 模型的优势和劣势。最后对当前 水深遥感的发展趋势谈了 自己的 两点认 识: 即 高分辨 率数据 的应用, 改进 的或新 的水深反演方法不断涌 现。 关键词: 水深 遥感 进展 模型
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2 理论模型和方法
依据上述原理, 传感器接收到的辐射亮度中包 含有水深信息, 通过适当的方法可以从辐射亮度中 提取水深信息。下面介绍水深提取的三种模型。
2 1 波浪法 波浪法是根据波浪模式 ( 波速、波浪周期和波
浪折射等 ) 与水深及海底地形 等的关系; 重力波在 浅水区产生的折射; 潮流线在经过浅水区所引起的 水面粗糙度的变化以及内波在图像上形成的图谱,
摘 要: 文中简单回顾了多光谱水深遥感的国内外研究进展。将当前水深反 演模型归为 3类: 即 波浪法、统计法和 水体散射遥感测深法, 对各模型作了简单介绍, 以时间为顺序列出了各模型在实践中 的应用状况, 分析 对比了各种 模型的优势和劣势。最后对当前 水深遥感的发展趋势谈了 自己的 两点认 识: 即 高分辨 率数据 的应用, 改进 的或新 的水深反演方法不断涌 现。 关键词: 水深 遥感 进展 模型
在利用卫星多光谱数据进行水深测量的研究方 面, 美国密执安环境研究所 ( ER IM ) 的研究人员早 在六十年代中后期即开始这方面的研究工作, 并在 原理 和方 法 上作 出 了 巨大 贡 献。 随着 陆 地 卫星 ( 1972年 ) 的发射, 国外在这 方面取得了 突破性进
* 基 金 项 目: 国 家 高 技 术 研 究 发 展 计 划 ( 863 计 划 ) 课 题
为了消除不同底质反射率的影响, 更为有效的 方法是 采用 线 性多 波段 的 方法。许 殿元 [ 14] 利 用 M SS4, M SS5, M SS7三波段数字图像, 建立了水深与 图像灰度的关系, 分析了黄河口海域的水深分布情 况; B ierw irth等 [ 15 ] 在假设研究区水质和水体底质都
遥感测深模型。总的来说, 多光谱遥感反演水深的 精度在 10% ~ 30% 之间, 探测水深在 30 m 以内, 虽 然目前尚不能完全替代常规测量, 但至少可以为常 规测量提供重要的施工参考。
第 76 页
www. globesci. com
2007年 4月
世界科技研究与发展
遥感技术
1 遥感探测水深的基本原理
引言
水深是个重要的水文要素。利用遥感手段测量 水深, 可以发挥遥感 快速、大范围、准同步、高分辨 率获取水下地形信息 的特长, 对于掌握洪涝及风 暴潮灾的水淹没范围和淹没程度来说, 是一种十分 有效的方法, 可以及时取得淹没状况的第一手资料, 同时还可以灾前、灾中及灾后的水深分布来评估灾 害损失。水深遥感方法还可以用于大范围海域的水 深图制作。对于江湖海岸地形演变分析、水利工程 土方计算、航道开挖、监测与疏浚、滩涂围垦与开发 领域, 水深遥感也发挥着重要作用。
可见光波段的测深原理主要基于光线对水体的 透射。可见光在水体中的衰减系数越小, 则对水体 的穿透性越好。衰减系数 和遥感 可视 水深 ZR 之间的关系可表示为: = 1。
ZR 可见光衰减系数决定了光在水体遥感中的可测 深度。不同的水体, 由于所含物质的不同, 在可见光 波段有不同的衰减系数。对水中信息进行透射遥感 的最有效波段在蓝色 ( 0 45 m ) 至黄色 ( 0 60 m ) 之间。
( 2006A A 12Z128) 。
展。 Go lvocoresses、H amm ack和 Cater等人提出了水 深测量定量研究分析法, P llcyn和 Ly zenga[ 1] 等提出 了基于底层反射模型的水深测量定量研究分析法。 随后, 国内外众多学者依据这些原理作了很多区域 性研究, C lark[ 2] 等人利用 D e V ieques岛附近的陆地 卫星 TM 1, 2波段的图像数据, 采用线性多波段提取 水深值; M gengel和 Spitzer [ 3] 利用 TM 影像 对荷兰 近海水域进行了多时相水深测图; 国内从 80年代开 始, 在遥感测深方面也不断有研究成果发表。任明 达 [ 4] 利用 Landsat- MSS卫片进行了琼州海峡的海 岸带水深遥感解译工作; 平仲良 [ 5] 利用卫星照片建 立了卫星照片密度和海水深度之间的数学关系; 其 它学者大多在前人研究的基础上针对特定区域特征 对模型和方法作了不同程度的改良或改进。 Ji等 [ 6] 人在底层反射模型的基础上又提出了一种水体散射
Rb ( 1- x2 ( 1- x2 )
)
cosh (KZ ) cosh(KZ ) +
+ (
( x - R b ) sinh (KZ ) 1- xRb ) sinh (KZ )
其中, Rb 为水体底部反射率; x = a / ( a + b) , a , b 分
别为水体的 吸收系 数和 后向散 射系数; k = ( a2 +
经分析得出水深。 L i G uang Leu 和 H eng W en Chang[ 7] 采 用此方
法以 SPOT 数据对台中海港作水深反演, 12 m 以内
的误差在 0~ 2 m 之间, 对于大于 12 m 的区域误差 较大。
该模型的优势在于对于水质和海底底质类型空
间差异性大的区域探测水深较为有效, 但其可探测 的水深有限。
2 Graduate Un iversity of Ch inese Academ y of Sc iences, Be ijing 100039 )
Abstrac t: Th is paper briefly rev iew s the study progress of m onitor ing w ater depth by mu lti spectra l rem o te sensing M eanw hile, inv ers ion m ode ls are reduced to three types, nam e ly : w ave spectrum bathyme tr ic, statistics m ode l and w ater co lum n scattering - based remo te bathym etric m ode l It a lso m akes a br ie f introduction o f the m ode ls , g ives som e practica l ex am ples, po ints out the advantages and d isadvan tages o f var ious m ode ls. F ina lly, the current trend in deve lopm ent o f mon itoring w ater depth by rem o te sensing are summ arized: F irstly, The app lication o f high reso lu tion and hype rspectra l im ages. Secondly, improved or new inversion m ethods are em erg ing K ey word s: w ater depth, rem ote sensing, advances, models
间的关系, 进而推求未知水深点的水深。根据利用 波段数的不同, 统计法又分为单波段法、双波段比值 法、线性多波段三种。
单波段法算法简单, 易于实现。亢庆等 [ 8 ] 利用 单波段模型对东江河道作水深反演, 航道水深图与 遥感信息图之间相关系数在 0 8以上; 沈芳等 [ 9] 选 用对水体穿透力较强的 TM 1波段与实测水深建立 相关关系反 演青海 湖水深, 两 者的 相关 系数接 近 0 95, 遥感反演的湖底地形结果与实测的湖水等深 线图基本符合; 田淑芳等 [ 10] 在国内首次对高含盐量 的西藏扎布耶盐湖进行水深探测, 用相关分析方法 确定 了 TM 3 是调查 盐湖水深的最佳 波段, 精 ww. g lobesci. com
理论解析法是根据光在水体中的辐射传输过程 中的物理光学特性而建立的光辐射传输方程, 具有 明确的物理意义。但该模型需要一系列水体辐射参
数, 这些参数与水体物理、水化学性质密切相关, 较 难获得。 2 2 2 统计法
即利用几个实测点回归得到辐射亮度与水深之
Som e R esearch A dvances and M ethods on W ater D ep th M on itoring by M u ltispectral Im ages*
YE M ing1, 2 L I R endong1 XU Guopeng1, 2 ( 1 Institute of Geodesy and G eosciences, Ch inese Academ y o f Sc iences, W uhan 430077;
第 29卷
第 2期
2007年 4月 76- 79页
世界科技研究与发展
WORLD SCI TECH R& D
V o.l 29
N o. 2
A pr. 2007 pp. 76- 79
多光谱水深遥感方法及研究进展*
叶 明 1, 2 李仁东 1 许国鹏 1, 2
( 1 中国科学院测量与地球物理研究所, 武汉 430077; 2 中国科学院研究生院, 北京 100039)
双波段比值法能有效消除水体的衰减系数和底 部反射率的绝对值因水体类型和底部物质种类的不 同有很大差异的影响, 在一定程度上还可减小太阳 高度角、水面波动以及卫星态势、扫描角等变化而产 生的影响, 因此也得到了广泛应用。张东等 [ 11] 通过 对长江口南支水域 TM 遥感图像进行水深专题信息 的增强处理, 选择 TM 4 /TM 2 波段组合, 结合当地同 一时期实测水下地形图资料, 建立了该水域水深与 影像光谱值之间的统计相关关系, 分析了影响水深 遥感精度的原因并采用幂函数形式的修正项对相关 模式进行修正加以解决, 并提出: 图像处理质量的高 低和相关公式建立的好坏是提高水深遥感精度的关 键所在; 黄家柱 等 [ 12] 在分 析水深遥 感机理的 基础 上, 利用 TM 遥感数据, 建立了长江南通河段水深遥 感双波段比值模型, 指出 TM 数据对含沙量较高的 长江口段浅水水深进行探测具有一定的效果; 陈鸣 等 [ 13] 结合长江口水域的水沙特性, 对长江口水深按 不同深度等级分段采用比值模型, 所得的遥感水深 图与实测水深图平均一致率达 82% 。