CN105445751A - 一种浅水区域水深比值遥感反演方法 - Google Patents

Abstract

一种浅水区域水深比值遥感反演方法，包括以下步骤：第一步：对遥感影像进行图像预处理；第二步：对海图数据或现场实测数据获取的水深进行潮汐改正；第三步：水深反演函数模型定标；第四步：水深反演精度验证；水深反演精度验证完成后，将回归系数和调节因子确定作为水深反演函数模型的输入，对应于遥感图像上光波段反射率可以获得浅海区域实际水深值得数据。本发明的水深反演函数模型与传统对数比值模型相比，标准差小，效率高，对浅水区域水深反演具有非常好的应用价值，通过增加水深反演函数模型的调节因子，进而可对不同地质类型的水深反演结果进行补偿，减少自身的束缚、提高反演精度，可获得精确的浅海区域的水深反演结果和水深测量数据。

Description

一种浅水区域水深比值遥感反演方法

技术领域

本发明属于遥感探测技术领域，尤其涉及用于海洋水深较精确测量的一种浅水区域水深比值遥感反演方法。

背景技术

太阳辐射在水体中传播时，会受到水体物质吸收和散射的主要衰减作用，这种作用会通过水面可见光波段光谱反射率的不同表现出来，而且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，太阳光在水体中的衰减系数越小，其对水体的透视性就越好，从而经过水底反射至水面的反射率越高；反之，太阳光在水体中的衰减系数越大，对水体的透视性就越差反射率就越低，因此，可以利用水面反射率光谱的变化进行水体深度的探测。随着卫星遥感技术的发展，也为海洋水深探测开辟了新途径，相对于传统的海洋水深测量方法，遥感影像通过水深反演用于海洋水深测量具有获取方便、覆盖广和成本低等多项优势。

基于上述遥感手段在水深测量上的优势，众多学者开发了大量的水深反演模型，其中Stumpf发展的一种新型对数转换比值水深反演模型是较先进和主流的前海水深反演模型，它很好地解决了经验选取参数过多、极深值改正后易为负值等一系列问题，同时提高了较深区域模型的水深反演精度，但是在浅水区域的反演精度却不理想。

中国专利(授权公告号CN102176001B)公开了“一种基于透水波段比值因子的水深反演方法”，采用遥感图像获得的数据建立神经网络水深反演模型，通过人工神经网络的自适应学习性能和非线性映射能力，降低海洋水深测量的标准差，增强其适用性。但该方法对海洋水深的测量较为复杂，采用的比值因子依然是单一值，因此，在复杂情况下对浅海区域水深的探测效果有限。

发明内容

本发明提供一种浅海区域水深比值遥感反演方法，用于解决现有技术中水深反演模型精度较低的问题，与传统的Stumpf对数比值模型相比，增加了可变的调节因子对不同地质类型的水深反演结果进行补偿，减少模型反演过程中自身的束缚，提高了反演精度，尤其可通过浅水区域的水深反演用于海洋水深测量。

为了实现本发明的目的，采用以下技术方案：

一种浅水区域水深比值遥感反演方法，包括以下步骤：

第一步：对遥感影像进行图像预处理；

所述图像预处理包括辐射定标、大气校正、地理配准，用以获得遥感图像的反射率数据；

第二步：对海图数据或现场实测数据获取的水深进行潮汐改正；

所述潮汐改正是将已归算至当地潮高基准面的水深数据与遥感图像获取时的潮高相加得到实际的水深数据；

第三步：水深反演函数模型定标；

通过统计回归建立实际水深数据与遥感图像对数比值反射率比值之间的对应关系，建立水深反演函数模型进行标定，水深反演函数模型如下，输入为实际水深值Z，输出为回归系数a₀、a₁，调节因子m、n；

$Z=a_0\frac{ln\left({\mathrm{nR}}_w\right({\mathrm{\λ}}_i\left)\right)}{ln\left({\mathrm{mR}}_w\right({\mathrm{\λ}}_j\left)\right)}+a_1---\left(1\right)$

其中，Z为实际水深值；a₀、a₁为回归系数，m、n为调节因子，以上四者均为回归模型拟合后得到的标定参数；R_w(λ_i)、R_w(λ_j)分别为波段i、j的反射率；

第四步：水深反演精度验证；

利用经过回归系数和调节因子定标的反演函数模型对遥感图像水体区域进行水深反演，得到浅海区域的水深分布数据，并对反演得到的水深数据精度进行验证。

水深反演精度验证完成后，将回归系数和调节因子确定作为水深反演函数模型的输入，对应于遥感图像上光波段反射率可以获得浅海区域实际水深值得数据。

为进一步实现本发明的效果，还可以采用以下技术方案：

如上所述的一种浅水区域水深比值遥感反演方法，所述水深反演精度验证包括总体反演精度验证、分段精度验证和剖面精度验证三个方面。

如上所述的一种浅水区域水深比值遥感反演方法，所述辐射定标是将遥感图像DN值转化为辐射亮度值，转化公式如下，输入为遥感图像DN值，输出为遥感图像辐射亮度值L；

L₁＝DN*absCalFactor(2)

L＝L₁/△λ(3)

其中，absCalFactor为绝对定标因子，△λ为波段的有效宽度。

本发明的有益效果：

本发明的水深反演函数模型与传统对数比值模型相比，标准差小，效率高，对浅水区域水深反演具有非常好的应用价值。通过增加水深反演函数模型的调节因子，具体在分子分母上采用不同的调节因子，进而可对对不同底质类型的水深反演结果进行补偿，减少模型反演过程中自身的束缚，提高了反演精度，尤其在极浅海域(0-5m)更加明显。

本发明利用遥感图像反演进而能获得较精确的浅水区域水深数据，可为航海、地质研究、海岸保护和建设提供准确的数据支持，对航运安全、海洋减灾、生态环境保护等具有重要意义。

附图说明

图1是本发明的流程图；

图2a是传统比值对数模型的检查点处反演结果散点图；

图2b是水深反演函数模型的检查点处反演结果散点图；

图3a是传统比值对数模型与水深反演函数模型平均绝对误差分布折线图；

图3b是传统比值对数模型与水深反演函数模型平均相对误差分布折线图；

图4a是传统比值对数模型与水深反演函数模型剖面一水深值对比图；

图4b是传统比值对数模型与水深反演函数模型剖面二水深值对比图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例一种浅水区域水深比值遥感反演方法，包括：

第一：对遥感影像进行图像预处理

首先对要处理的遥感影像进行图像预处理，以WorldView-2遥感影像为例，由于WordView-2影像与海图数据间存在着分辨率上的差异，同名像点间很难完全匹配，为使水深反演的结果更加精确，需对二者进行地理配准。配准过程中共选取控制点4个，配准后的均方根误差(RMSE)为1.68m，优于一个像元，满足水深反演的精度要求。

图像预处理包括辐射定标、大气校正、滤波去噪、水陆分割等。其中，辐射定标是将图像DN值转化为辐射亮度值，计算公式为(2)(3)：

L₁＝DN*absCalFactor(2)

L＝L₁/△λ(3)

其中，absCalFactor为绝对定标因子，△λ为波段的有效宽度。

输入DN值后可得L₁值，再根据L₁值可求得L值作为辐射亮度值输出，得到图像各个波段的辐射亮度影像后，采用6S大气校正方法或MODTRAN大气校正算法进行大气校正，得到遥感反射率数据。

由于海表面太阳耀斑会对反射率数据造成影响，因此需要对得到的海表面遥感反射率数据进行太阳耀斑去除。为了更有效地提取水深信息，防止水路交界处的地物对水深反演结果造成干扰，需对非海水区域进行剔除。

本实施例采用比值法来提取水体，选取归一化差异水体指数(NDWI)做为提取因子来进行水域掩膜的生成，生成后的掩膜要再进行形态学的滤波优化。

第二步：对海图数据或现场实测数据获取的水深进行潮汐改正

纸质海图数据在印刷、运输和扫描过程中，极易发生变形，因此会对实验研究的水深数据造成影响，现场水深数据采集时的潮高与遥感图像获取时的潮高并不相同，若不加任何处理直接参与运算，必然会导致误差的存在。为使水深反演的结果更加精确，需对现场实测水深数据进行潮汐改正。潮汐改正是将已归算至当地潮高基准面的水深数据与遥感图像获取时的潮高相加得到实际的水深数据。

对应于遥感图像的海洋区域水深数据的采集工作不可能在短时间内完成，瞬时潮位信息不断发生着变化，要使不同时刻采集的水深数据具有可比性,就需将其统一校正到当地的潮高基准面下，然后再参与后续的运算。同时，为了与遥感影像获取时的潮高相对应，应结合水深测区测站的预测潮汐表，根据潮汐数据计算出遥感图像实际成像的时间瞬时的潮位数据。通过已校正到当地潮高基准面下水深实测数据和遥感图像成像时刻的潮位差，来修正遥感图像成像时的水深数据，得到遥感数据获取时刻的研究区水深数据，作为下一步分析的数据源。本实施例采用二次多项式模型对海图数据进行几何校正，以平均海平面下95cm处为潮高基准面，查阅2012年潮汐表可知影像获取时潮高为0.81m。

第三步：水深反演函数模型定标

利用选取的经过潮汐校正后的现场实测水深数据或海图数据以及前面计算得到的各像元反射率与图像对数比值反射率数据，采用最小二乘回归拟合建立水深反演函数模型进行标定，公式如下：

$Z=a_0\frac{ln\left({\mathrm{nR}}_w\right({\mathrm{\λ}}_i\left)\right)}{1n\left({\mathrm{mR}}_w\right({\mathrm{\λ}}_j\left)\right)}+a_1---\left(1\right)$

其中，Z为实际水深值，a0、a1为回归系数，m、n为调节因子，以上四者均为回归模型拟合后得到的标定参数；R_w(λ_i)、R_w(λ_j)分别为波段i，j的反射率；

水深反演函数模型中输入为实际水深值Z，输出为回归系数a₀、a₁，调节因子m、n。

水体中，太阳辐射的衰减率会随波长的变化而变化。在可见光—近红外波段具有高衰减率波段上的上行辐亮度值将少于低衰减率波段上的上行辐亮度值，水体的反射率光谱曲线一般呈现出随着波长增加而减少的规律。随着深度增加，衰减率越高的波段辐亮度值降低的速度也就越快，因此选用不同波段上行辐亮度值间的比值来描述水深的变化将具有很好的适用性，尤其是对于研究区中那些水体底质反射率相近区域，两个波段上辐亮度值的比值较差值而言，对于水体深度的变化响应更具有代表性。

与目前采用的传统对数比值模型(4)相比，本发明将原来分子分母中相同的调节因子改为相异的调节因子m和n，可对不同底质类型的水深反演结果进行补偿，改善反演结果。

$Z=a_0\frac{ln\left({\mathrm{nR}}_w\right({\mathrm{\λ}}_i))}{ln\left({\mathrm{nR}}_w\right({\mathrm{\λ}}_j))}+a_1---\left(4\right)$

通过实测数据或海图数据进行函数系数定标后得到针对该海域该传感器特征的水深反演算法。

第四步：水深反演精度验证

利用经过系数定标的水深反演模型对遥感图像水体区域进行水深反演，得到浅海水深分布数据，可从总体反演精度、分段精度和剖面精度三个方面对水深反演函数模型的水深反演结果进行验证。

利用经过回归系数和调节因子定标的反演函数模型对遥感图像水体区域进行水深反演，得到浅海区域的水深分布数据，并对反演得到的水深数据精度进行验证，该水深反演精度验证包括总体反演精度、分段精度和剖面精度。

本实施例中原模型为传统的对数比值模型，新模型为本发明中的水深反演函数模型，并进行两者之间的行对比分析。

(1)总体反演精度结果分析

由于改进模型和原始模型均为非线性模型，所以在进行模型参数拟合时选取了非线性最优化算法来做为拟合方法。模型拟合完成后，需选用独立检查点进行精度评价，如图2a、2b所示，评价指标有平均绝对误差、平均相对误差和R²三个。

参见图2a、2b,检查点处各模型实测水深与预测水深值间的散点图可发现：整体上来看改进后新模型反演结果的散点图较原始模型反演结果的散点图而言更接近一条直线，这一点在16m以浅的区域表现的最为明显。一般而言，检查点处实测水深值与预测水深值散点图分布趋势越接近于一条直线，其反演结果也就越优，因而新模型的反演精度要优于原始模型。

在各评价指标方面，无论是决定系数R²、还是平均绝对误差、亦或是平均相对误差，改进后新模型的评价指标要优于原始模型。二者的决定系数R²分别为0.949、0.910，平均绝对误差分别为0.93m、1.40m，平均相对误差分别为12.6％、24.3％。

(2)分段精度结果分析

为更加全面的分析各模型在不同水深段范围内的反演结果精度，本实施例中将检查点处的水深按照0-2m、2-5m、5-10m、10-15m、15-20m、20-25m的原则分为6段，如图3a、3b所示,对于每段水深范围内的反演结果应用平均绝对误差和平均相对误差两个指标来评价。

参见图3a所示，随着深度的增加，两模型的平均绝对误差都呈逐渐增大的趋势，不过原始模型的增加幅度更大。整体上来说新模型的平均绝对误差在任意水深段上都要低于原始模型。

参见图3b所示，随着深度的增加，两模型的在各水深段的平均相对误差除了在20-25m的水深范围内略有小幅度增长外，其它水深段均呈下降趋势。整体上来看，新模型的平均相对误差在任意水深段上都原始模型。在15m以浅的各水深段上，二者的平均相对误差随着水体深度的增加都呈现出快速下降的趋势，而在10-15m、15-20m两个水深段内，二者的平均相对误差基本保持在同一水平，变化幅度很小。

综合以上两幅图的分析结果可知，在5m以浅的区域，新模型与未改进前的原始模型相比，反演精度有所提高，而在深水区，新模型的反演结果在保持原有优势的情况下，精度又有所提高。

(3)剖面精度结果分析

本实施例选取了二幅典型的剖面进行分析，如图4a、4b所示。水深地形图剖面分析不仅可以反映出真实的水下地形状况，也可较为直观的展现出各模型水深反演结果与真实地形间的差异。在上述反演结果的基础上，分别利用改进前后两种模型对研究区周边海域水深进行成图，然后选取一些具有典型水下地形地貌的区域，进行剖面提取，并将各剖面所对应水深绘制成图。依据海图上所展示的东岛周边水下地形状况，共截取了两个较为典型的剖面。

参见图4a、4b所示，剖面一上地形变化幅度虽小，但是很剧烈，这主要由水下丛生的珊瑚礁所致；而剖面二上地形变化幅度较大，但却很平稳，这是因为剖面二沿着航道分布，受人为开挖的影响变化比较平缓，不过仍可以看到礁盘边缘(800m处)陡崖处的地形变化情况。剖面一上的地形绝大部分为浅水区域，而剖面二上的水深则相对较深些。在浅水区域(20m以浅)三模型的反演结果与真实水深值基本相同，但随着深度的继续增加三者的反演结果与真实水深值间的误差逐步增大，不过在两模型的残差中，改进后的新模型反演结果较原始模型而言，更接近于真实值。除此之外，还可以发现在极浅水区域(3m以浅)改进后新模型的反演精度要明显优于为改进前的原始模型，且提升明显。

水深反演精度验证完成后，将回归系数和调节因子作为水深反演函数模型的定标参数输入，对应于遥感图像上光波段反射率，可进行图像上浅海区域实际水深值探测。

本发明利用遥感图像反演进而能获得较精确的浅水区域水深数据，可为航海、地质研究、海岸保护和建设提供准确的数据支持，对航运安全、海洋减灾、生态环境保护等具有重要意义。通过改进水深反演函数模型，提高其反演能力和稳定性，在海洋浅水区域，存在海岸、岛屿、礁石等多种复杂的地形因素，传统的水深测量方法操作困难或误差较大。本发明可通过卫星遥感图样获得的光反射率数据，较为简化的用于海洋水深探测，尤其是可获得精确的潜水区域水深，探测过程高效快捷，具有较好的推广和应用价值。

本发明未详尽描述的技术内容均为公知技术。

Claims (3)

1.一种浅水区域水深比值遥感反演方法，其特征在于，包括：

第一步：对遥感影像进行图像预处理；

所述图像预处理包括辐射定标、大气校正、地理配准，用以获得遥感图像的反射率数据；

第二步：对海图数据或现场实测数据获取的水深进行潮汐改正；

所述潮汐改正是将已归算至当地潮高基准面的水深数据与遥感图像获取时的潮高相加得到实际的水深数据；

第三步：水深反演函数模型定标；

通过统计回归建立实际水深数据与遥感图像对数比值反射率比值之间的对应关系，建立水深反演函数模型进行标定，

$Z=a_0\frac{ln\left({\mathrm{nR}}_w\right({\mathrm{\λ}}_i\left)\right)}{ln\left({\mathrm{mR}}_w\right({\mathrm{\λ}}_j\left)\right)}+a_1---\left(1\right)$

其中，Z为实际水深值；a₀、a₁为回归系数，m、n为调节因子，以上四者均为回归模型拟合后得到的标定参数；R_w(λ_i)、R_w(λ_j)分别为波段i、j的反射率；

第四步：水深反演精度验证；

利用经过回归系数和调节因子定标的反演函数模型对遥感图像水体区域进行水深反演，得到浅海区域的水深分布数据，并对反演得到的水深数据精度进行验证。

2.根据权利要求1所述的一种浅水区域水深比值遥感反演方法，其特征在于，所述水深反演精度验证包括总体反演精度验证、分段精度验证和剖面精度验证三个方面。

3.根据权利要求1所述的一种浅水区域水深比值遥感反演方法，其特征在于，所述辐射定标是将遥感图像DN值转化为辐射亮度值，

L₁＝DN*absCalFactor(2)

L＝L₁/Δλ(3)

其中，absCalFactor为绝对定标因子，Δλ为波段的有效宽度。