基于时空耦合相关自适应光谱的浅水测深反演方法 杜嘉兴 李后普 贾帅东 李盖晓 董健 刘冰 边少峰

《Remote Sensing》：Shallow Water Bathymetry Inversion Method Based on Spatiotemporal Coupling Correlation Adaptive Spectroscopy Jiaxing Du, Houpu Li, Shuaidong Jia, Gaixiao Li, Jian Dong, Bing Liu and Shaofeng Bian

　　

摘要

浅水地形数据是海洋航运和海洋资源调查/保护的基础，但其准确性受到水体异质性和光谱干扰的限制。为了解决这个问题，本研究提出了一种时空耦合与相关自适应光谱（STCCAS）反演方法，该方法整合了四种机器学习模型：随机森林（RF）、XGBoost、支持向量回归（SVR）和多层感知器（MLP）。实验在坦帕湾的近岸水域进行，使用了Sentinel-2卫星图像和机载激光雷达测深（ALB）数据。STCCAS的核心是时间稳定性指数（TSI），该指数用于量化光谱时间一致性；归一化浊度差指数（NDTI）用于表征水体浊度。这两个指数共同形成了一个双尺度“光谱可靠性-浊度稳定性”评估系统，用于像素级特征质量评估。结合光谱融合特征和空间位置信息，它们共同实现了像素级特征可靠性的权重分配和动态过滤，从而构建了一个能够适应水体条件的输入集。对比分析发现，与传统的基于原始光谱特征（OSFs）的反演方法相比，STCCAS显著提高了反演精度。其中，XGBoost的表现最为突出，决定系数（R²）为0.93，均方根误差（RMSE）为0.16米，平均绝对误差（MAE）为0.12米。STCCAS突破了传统固定特征组合的局限性，有效适应了近岸水体的异质性。这种方法为实现高频、高精度的浅水地形反演提供了一种新途径，对于海洋环境监测和资源管理具有重要的实际价值。