CN111947628A - 基于固有光学参数的线性水深反演方法 - Google Patents
基于固有光学参数的线性水深反演方法 Download PDFInfo
- Publication number
- CN111947628A CN111947628A CN202010863005.2A CN202010863005A CN111947628A CN 111947628 A CN111947628 A CN 111947628A CN 202010863005 A CN202010863005 A CN 202010863005A CN 111947628 A CN111947628 A CN 111947628A
- Authority
- CN
- China
- Prior art keywords
- water depth
- optical parameters
- blue
- remote sensing
- method based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 118
- 230000003287 optical effect Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000002310 reflectometry Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000014653 Carica parviflora Nutrition 0.000 description 1
- 241000243321 Cnidaria Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/008—Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于固有光学参数的线性水深反演方法，反演方法包括：对遥感影像进行预处理得到预处理影像；选取所述预处理影像中预定数量的水深控制点；分别提取各个水深控制点的蓝、绿波段反射率值；根据各个水深控制点的蓝、绿波段反射率值计算得到各个所述水深控制点的蓝、绿波段的固有光学参数；根据各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数构建线性水深反演模型；利用所述线性水深反演模型对水深进行反演。该方法在缺乏现场信息与大量水深实测深度的条件下能够获得准确的水深，适用范围广、运算量小、成本低。
Description
技术领域
本发明涉及海洋探测领域，特别地涉及一种基于固有光学参数的线性水深反演方法。
背景技术
水深是了解海洋环境的一个关键参数，也是水文测量和海图制作的重要组成部分。对海岸研究和海洋工程建设非常重要，也为海上运输和航行提供重要信息，同时有利于珊瑚礁的管理监测与生态系统的保护。传统的船载水深测量方法存在不足之处，对于船只无法到达的复杂区域不能适用，而且测量过程耗时耗力。
随着一系列地球观测卫星的升空，遥感平台的多样化和可用遥感数据的富足极大的推进了光学水深遥感的发展。机载激光雷达测深是一种主动式遥感测深技术，可以测得某些船舶无法到达的区域如岛礁、暗礁的有效水深，但是这种方法成本高，测量范围较小，很难广泛应用。被动光学遥感水深探测因其覆盖范围广、更新时间快、成本低的优势，逐渐成为获取水深信息的一种重要方法。
被动光学遥感技术包括多光谱遥感及高光谱遥感。基于水体辐射传输理论，水深与水体的固有光学特性(如水柱的扩散衰减系数、吸收系数及后向散射系数)等相关，据此发展了大量的水深被动光学反演模型。根据模型的参数化程度，基本可以分为理论解析模型与半理论半经验模型两类。理论解析模型在构建过程中所需的水体光学参数多，计算复杂。半理论半经验模型是理论模型与经验算法的结合，其中对数线性模型和对数转换比值模型应用相对广泛。
发明内容
有鉴于此，本发明提供一种基于固有光学参数的线性水深反演方法，以解决现有技术中的水深探测方法适用范围小、成本高、计算复杂的问题。
为达上述目的，本发明提供的一种基于固有光学参数的线性水深反演方法的技术方案是：
一种基于固有光学参数的线性水深反演方法，所述反演方法包括：
对遥感影像进行预处理得到预处理影像；
选取所述预处理影像中预定数量的水深控制点；
分别提取各个水深控制点的蓝、绿波段反射率值；
根据各个水深控制点的蓝、绿波段反射率值计算得到各个所述水深控制点的蓝、绿波段的固有光学参数；
根据各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数构建线性水深反演模型；
利用所述线性水深反演模型对水深进行反演。
优选地，所述固有光学参数与吸收系数和后向散射系数相关。
优选地，所述固有光学参数u(λ)通过如下公式得到：
其中，p0和p1为随水体光学特性变化的模型常量；
rrs(λ)为将相应波段的反射率Rrs(λ)转换为恰好在水面之下的遥感反射率。
优选地，p0＝0.0895；
p1＝0.1247。
优选地，rrs(λ)通过如下公式得到：
优选地，根据各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数构建线性水深反演模型的方法包括：
构建水深值Z与蓝、绿波段的固有光学参数的关系式：
其中，a和b为回归系数；
u(λi)为蓝波段i的固有光学参数；
u(λj)为绿波段j的固有光学参数；
利用各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数的比值进行回归得到所述关系式中的回归系数a和b，从而构建出所述线性水深反演模型。
优选地，所述对遥感影像进行预处理得到预处理影像包括：
对所述遥感影像进行辐射定标；
对辐射定标后的遥感影像进行大气校正处理；
对大气校正处理后的遥感影像中的陆地区域进行掩膜，得到所述预处理影像。
优选地，所述遥感影像为WorldView-2影像，对所述遥感影像进行辐射定标的转换公式为：
其中，L(λi)为第i波段的辐亮度值；
absCalFactori为第i波段的绝对定标系数；
DNi为第i波段图像像元灰度值；
Δλi为第i波段的等效波段宽度。
优选地，采用FLAASH模块进行大气校正。
优选地，所述遥感影像为多光谱遥感影像。
本发明提供的基于固有光学参数的线性水深反演方法的有益效果为：
在缺乏现场信息与大量水深实测深度的条件下能够获得准确的水深，适用范围广、运算量小、成本低。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是本发明具体实施例提供的基于固有光学参数的线性水深反演方法的流程图；
图2是本发明具体实施例提供的IOPLM散点拟合图；
图3是本发明具体实施例提供的水深反演结果图。
具体实施方式
下面结合实施例对本发明作进一步说明。
针对现有技术中的水深探测方法适用范围小、成本高、计算复杂的问题，本实施例提供了一种基于固有光学参数的线性水深反演方法，尤其是对于海面的水深反演方法，如图1所示，其包括如下步骤：
S100、对遥感影像进行预处理得到预处理影像；
S200、选取所述预处理影像中预定数量的水深控制点；
S300、分别提取各个水深控制点的蓝、绿波段反射率值；
S400、根据各个水深控制点的蓝、绿波段反射率值计算得到各个所述水深控制点的蓝、绿波段的固有光学参数；
S500、根据各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数构建线性水深反演模型；
S600、利用所述线性水深反演模型对水深进行反演。
本发明提供的基于固有光学参数的线性水深反演方法，能够获得如下有益效果：
在缺乏现场信息与大量水深实测深度的条件下能够获得准确的水深，适用范围广、运算量小、成本低，尤其适用于岛礁、暗礁等船舶难以到达区域的水深反演。
在步骤S100中，遥感影像优选为多光谱遥感影像，对遥感影像进行预处理使得后续的运算数据更加精确，对遥感影像进行预处理的过程优选包括如下步骤：
S110、对所述遥感影像进行辐射定标；
S120、对辐射定标后的遥感影像进行大气校正处理；
S130、对大气校正处理后的遥感影像中的陆地区域进行掩膜，得到所述预处理影像。
其中，步骤S110中，对遥感影像进行辐射定标即将影像上无量纲的灰度值转换为具有实际意义的辐亮度值的过程，在一个具体的实施例中，所述遥感影像为WorldView-2影像，对所述遥感影像进行辐射定标的转换公式为：
其中，L(λi)为第i波段的辐亮度值；
absCalFactori为第i波段的绝对定标系数；
DNi为第i波段图像像元灰度值；
Δλi为第i波段的等效波段宽度。
当然，可以理解的是，遥感影像也可以是其他多光谱影像，转换公式也相应有所变化。
大气的衰减作用对不同波长的光是有选择性的，因而大气对不同波段影像的影响是不同的，针对这一问题，采用步骤S120对辐射定标后的遥感影像进行大气校正处理，从而去除大气散射、气溶胶等的影响，尽可能还原地表真实反射率。在一个优选的实施例中，采用FLAASH模块对影像进行大气校正。最后，采用步骤S130对陆地区域进行掩膜，得到处理后的最终影像。
步骤S200中，每米间隔约选取4至6个控制点，并保证水深控制点在空间上大致分布均匀。
步骤S400中，固有光学参数与吸收系数和后向散射系数相关。例如，在一个优选的实施例中，所述固有光学参数u(λ)通过如下公式得到：
其中，p0和p1为随水体光学特性变化的模型常量，例如，在一个具体的实施例中，p0＝0.0895，p1＝0.1247；
rrs(λ)为将相应波段的反射率Rrs(λ)转换为恰好在水面之下的遥感反射率。
进一步优选地，rrs(λ)通过如下公式得到：
进一步地，根据各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数构建线性水深反演模型的方法包括：
构建水深值Z与蓝、绿波段的固有光学参数的关系式：
其中，a和b为回归系数；
u(λi)为蓝波段i的固有光学参数；
u(λj)为绿波段j的固有光学参数；
利用各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数的比值进行回归得到所述关系式中的回归系数a和b，从而构建出所述线性水深反演模型(IOPLM，Inherent Optical Parameters Linear Model)，回归方法例如是采用最小二程法进行回归。
下面选取中国西沙群岛某珊瑚岛礁进行水深反演研究，以WorldView-2多光谱遥感影像为例，具体说明本申请提供的线性水深反演模型(IOPLM，Inherent OpticalParameters Linear Model)的构建方法。
1.遥感影像预处理
首先对遥感影像进行辐射定标，即将影像上无量纲的灰度值转换为具有实际意义的辐亮度值的过程，对于WorldView-2影像，转换公式如下：
其中，L(λi)为第i波段的辐亮度值，单位为W/(m2·sr·μm)；
absCalFactori为第i波段的绝对定标系数；
DNi为第i波段图像像元灰度值；
Δλi为第i波段的等效波段宽度。
接着采用FLAASH模块对影像进行大气校正处理，大气的衰减作用对不同波长的光是有选择性的，因而大气对不同波段影像的影响是不同的，大气校正可以去除大气散射、气溶胶等的影响，尽可能还原地表真实反射率。影像经过上述处理步骤后，再对陆地区域进行掩膜，得到处理后的最终影像。
2.基于固有光学参数构建线性水深反演模型
选取一定数量的水深控制点，提取经过预处理步骤影像的蓝、绿波段反射率值，并计算出各自的固有光学参数u(λ)，利用实测水深值与蓝、绿波段固有光学参数的比值进行回归，求得回归参数a和b。本例中的参数为a＝31.734；b＝-30.729，水深值与固有光学参数比值的拟合散点图如图2所示。
3.浅海水深反演结果
利用上节构建的线性水深反演模型(IOPLM)对整个研究区进行水深反演，得到浅海(≤20m)水深反演结果如图3所示。
4.水深反演精度评价
选取一定数量的检查点对模型进行精度评价，分别计算模型整体以及分水深段的平均绝对误差(Mean Absolute Error)、平均相对误差(Mean Relative Error)及均方根误差(Root Mean Squared Error)。其中，平均绝对误差(Mean Absolute Error)的计算公式如下：
平均相对误差(Mean Relative Error)的计算公式如下：
平均绝对误差(Mean Absolute Error)的计算公式如下：
具体结果见表1。
表1水深反演精度评价
由表1可知，本申请构建的线性水深反演模型(IOPLM)整体反演精度较高，平均绝对误差为1.17m，平均相对误差为17.5％，均方根误差为1.49m。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于固有光学参数的线性水深反演方法，其特征在于，所述反演方法包括：
对遥感影像进行预处理得到预处理影像；
选取所述预处理影像中预定数量的水深控制点；
分别提取各个水深控制点的蓝、绿波段反射率值；
根据各个水深控制点的蓝、绿波段反射率值计算得到各个所述水深控制点的蓝、绿波段的固有光学参数；
根据各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数构建线性水深反演模型；
利用所述线性水深反演模型对水深进行反演。
2.根据权利要求1所述的基于固有光学参数的线性水深反演方法，其特征在于，所述固有光学参数与吸收系数和后向散射系数相关。
3.根据权利要求2所述的基于固有光学参数的线性水深反演方法，其特征在于，所述固有光学参数u(λ)通过如下公式得到：
其中，p0和p1为随水体光学特性变化的模型常量；
rrs(λ)为将相应波段的反射率Rrs(λ)转换为恰好在水面之下的遥感反射率。
4.根据权利要求3所述的基于固有光学参数的线性水深反演方法，其特征在于，p0＝0.0895；
p1＝0.1247。
5.根据权利要求3所述的基于固有光学参数的线性水深反演方法，其特征在于，rrs(λ)通过如下公式得到：
6.根据权利要求3至5之一所述的基于固有光学参数的线性水深反演方法，其特征在于，根据各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数构建线性水深反演模型的方法包括：
构建水深值Z与蓝、绿波段的固有光学参数的关系式：
其中，a和b为回归系数；
u(λi)为蓝波段i的固有光学参数；
u(λj)为绿波段j的固有光学参数；
利用各个水深控制点的实际深度值以及各个水深控制点的蓝、绿波段的固有光学参数的比值进行回归得到所述关系式中的回归系数a和b，从而构建出所述线性水深反演模型。
7.根据权利要求1至5之一所述的基于固有光学参数的线性水深反演方法，其特征在于，所述对遥感影像进行预处理得到预处理影像包括：
对所述遥感影像进行辐射定标；
对辐射定标后的遥感影像进行大气校正处理；
对大气校正处理后的遥感影像中的陆地区域进行掩膜，得到所述预处理影像。
8.根据权利要求7所述的基于固有光学参数的线性水深反演方法，其特征在于，所述遥感影像为WorldView-2影像，对所述遥感影像进行辐射定标的转换公式为：
其中，L(λi)为第i波段的辐亮度值；
absCalFactori为第i波段的绝对定标系数；
DNi为第i波段图像像元灰度值；
Δλi为第i波段的等效波段宽度。
9.根据权利要求7所述的基于固有光学参数的线性水深反演方法，其特征在于，采用FLAASH模块进行大气校正。
10.根据权利要求1至9任一项所述的基于固有光学参数的线性水深反演方法，其特征在于，所述遥感影像为多光谱遥感影像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010863005.2A CN111947628B (zh) | 2020-08-25 | 2020-08-25 | 基于固有光学参数的线性水深反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010863005.2A CN111947628B (zh) | 2020-08-25 | 2020-08-25 | 基于固有光学参数的线性水深反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111947628A true CN111947628A (zh) | 2020-11-17 |
| CN111947628B CN111947628B (zh) | 2022-05-27 |
Family
ID=73366460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010863005.2A Expired - Fee Related CN111947628B (zh) | 2020-08-25 | 2020-08-25 | 基于固有光学参数的线性水深反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111947628B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960625A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种基于星载单光子激光主被动遥感融合的水深反演方法 |
| CN114758254A (zh) * | 2022-06-15 | 2022-07-15 | 中国地质大学（武汉） | 一种双波段无监督水深反演方法及系统 |
| CN117372891A (zh) * | 2023-12-07 | 2024-01-09 | 中铁水利水电规划设计集团有限公司 | 一种利用卫星遥感影像进行水深反演的方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012030123A2 (ko) * | 2010-08-30 | 2012-03-08 | Kang Deok Soo | 부유지지선 압축구조를 가진 해상부유풍력발전장치 |
| CN104181515A (zh) * | 2013-05-21 | 2014-12-03 | 时春雨 | 一种基于蓝-黄波段高光谱数据的浅海水深反演方法 |
| CN105241428A (zh) * | 2015-08-27 | 2016-01-13 | 北京市遥感信息研究所 | 一种利用高光谱进行水深反演的方法 |
| CN105445751A (zh) * | 2015-11-18 | 2016-03-30 | 国家海洋局第一海洋研究所 | 一种浅水区域水深比值遥感反演方法 |
| CN105469393A (zh) * | 2015-11-18 | 2016-04-06 | 国家海洋局第一海洋研究所 | 基于决策融合的浅海水深多时相遥感影像反演方法 |
| CN105651263A (zh) * | 2015-12-23 | 2016-06-08 | 国家海洋局第海洋研究所 | 浅海水深多源遥感融合反演方法 |
| CN105865424A (zh) * | 2016-04-13 | 2016-08-17 | 中测新图(北京)遥感技术有限责任公司 | 一种基于非线性模型的多光谱遥感水深反演方法及装置 |
| CN109657392A (zh) * | 2018-12-28 | 2019-04-19 | 北京航空航天大学 | 一种基于深度学习的高光谱遥感水深反演方法 |
| US20190318440A1 (en) * | 2018-04-17 | 2019-10-17 | One Concern, Inc | Flood risk analysis and mapping |
| CN111561916A (zh) * | 2020-01-19 | 2020-08-21 | 自然资源部第二海洋研究所 | 一种基于四波段多光谱遥感图像的浅海水深无控提取方法 |
-
2020
- 2020-08-25 CN CN202010863005.2A patent/CN111947628B/zh not_active Expired - Fee Related
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012030123A2 (ko) * | 2010-08-30 | 2012-03-08 | Kang Deok Soo | 부유지지선 압축구조를 가진 해상부유풍력발전장치 |
| CN104181515A (zh) * | 2013-05-21 | 2014-12-03 | 时春雨 | 一种基于蓝-黄波段高光谱数据的浅海水深反演方法 |
| CN105241428A (zh) * | 2015-08-27 | 2016-01-13 | 北京市遥感信息研究所 | 一种利用高光谱进行水深反演的方法 |
| CN105445751A (zh) * | 2015-11-18 | 2016-03-30 | 国家海洋局第一海洋研究所 | 一种浅水区域水深比值遥感反演方法 |
| CN105469393A (zh) * | 2015-11-18 | 2016-04-06 | 国家海洋局第一海洋研究所 | 基于决策融合的浅海水深多时相遥感影像反演方法 |
| CN105651263A (zh) * | 2015-12-23 | 2016-06-08 | 国家海洋局第海洋研究所 | 浅海水深多源遥感融合反演方法 |
| CN105865424A (zh) * | 2016-04-13 | 2016-08-17 | 中测新图(北京)遥感技术有限责任公司 | 一种基于非线性模型的多光谱遥感水深反演方法及装置 |
| US20190318440A1 (en) * | 2018-04-17 | 2019-10-17 | One Concern, Inc | Flood risk analysis and mapping |
| CN109657392A (zh) * | 2018-12-28 | 2019-04-19 | 北京航空航天大学 | 一种基于深度学习的高光谱遥感水深反演方法 |
| CN111561916A (zh) * | 2020-01-19 | 2020-08-21 | 自然资源部第二海洋研究所 | 一种基于四波段多光谱遥感图像的浅海水深无控提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZHONGPING LEE: "Deriving inherent optical properties from water color:", 《APPLIED OPTICS》 * |
| 张源榆: "基于卫星高光谱遥感影像的浅海水深反演方法", 《地球信息科学》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960625A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种基于星载单光子激光主被动遥感融合的水深反演方法 |
| CN113960625B (zh) * | 2021-10-22 | 2024-06-11 | 自然资源部第二海洋研究所 | 一种基于星载单光子激光主被动遥感融合的水深反演方法 |
| CN114758254A (zh) * | 2022-06-15 | 2022-07-15 | 中国地质大学（武汉） | 一种双波段无监督水深反演方法及系统 |
| CN117372891A (zh) * | 2023-12-07 | 2024-01-09 | 中铁水利水电规划设计集团有限公司 | 一种利用卫星遥感影像进行水深反演的方法 |
| CN117372891B (zh) * | 2023-12-07 | 2024-02-13 | 中铁水利水电规划设计集团有限公司 | 一种利用卫星遥感影像进行水深反演的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111947628B (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111947628B (zh) | 基于固有光学参数的线性水深反演方法 | |
| CN107748736B (zh) | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 | |
| CN109059796B (zh) | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 | |
| CN108896185B (zh) | 基于归一化沙漠指数的遥感地表温度空间降尺度方法 | |
| CN110110654B (zh) | 一种针对下降型海洋内孤立波的振幅反演方法及装置 | |
| CN114139444B (zh) | 一种基于机器学习的近海海表温度反演方法 | |
| CN114740180A (zh) | 基于多源遥感数据的土壤有机碳估算方法及装置 | |
| CN112733394B (zh) | 一种大气参数反演方法及装置 | |
| CN112013822A (zh) | 基于改进gwr模型的多光谱遥感水深反演方法 | |
| CN114297938B (zh) | 一种基于神经网络的光学浅水水底深度的反演方法 | |
| CN112180369B (zh) | 基于深度学习的一维综合孔径辐射计海面风速反演方法 | |
| CN114758254B (zh) | 一种双波段无监督水深反演方法及系统 | |
| CN113744249A (zh) | 一种海洋生态环境损害调查方法 | |
| CN116972814A (zh) | 主被动遥感融合的浅海水深探测方法、设备及存储介质 | |
| CN111723479A (zh) | 面向过程的富营养化湖泊藻总量遥感估算方法 | |
| CN113740263B (zh) | 一种气溶胶光学厚度反演方法及大气颗粒物遥感反演方法 | |
| CN117451639A (zh) | 一种基于遥感数据的水体叶绿素浓度反演方法 | |
| CN116299247B (zh) | 一种基于稀疏卷积神经网络的InSAR大气校正方法 | |
| CN113516764B (zh) | 基于数字高程模型的湖库水下三维地形模拟方法及装置 | |
| CN115060656A (zh) | 基于稀疏先验实测点的卫星遥感水深反演方法 | |
| CN114993268A (zh) | 结合CatBoost的水深反演方法、装置及存储介质 | |
| CN104374546B (zh) | 基于衍射光学元件的通用型大气湍流相位屏的设计方法 | |
| CN114199827B (zh) | 一种基于遥感数据反演par漫衰减系数垂直变化的方法 | |
| Setiawan et al. | Rapid Bathymetry Detection With Sentinel Application Platform (Snap) Using Sentinel Imagery 2a | |
| CN108361557A (zh) | 暖通设备工作状态检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220527 |