基于Bi-LSTM的近岸水体深度反演

摘要：

选取中国某近海水域为研究区,基于双向长短期记忆网络(Bi-LSTM),利用2017年8月20日Sentinel-2A影像数据及单波束实测水深数据,通过建模、优化来反演水深值,并与传统反演方法进行精度对比.结果 表明,本文提出模型的各项评价指标均最优,均方根误差(RMSE)仅为0.85 m,平均相对误差(MRE)为18.93％,相比于其他方法提高14％～29％,尤其在0～2 m近岸浅水区域,均方根误差提高0.68m,效果改进明显.同时,利用五折交叉验证循环测试网络模型,其结果显示Bi-LSTM总体精度最高且最为稳定.该模型能够高精度、较稳定地实现近岸水深反演,对无训练样本区域也有一定的适用性.这有利于满足海洋资源开发、海上工程建设以及海洋环境保护等海洋需求.

关键词：测量、水深测量法、深度学习、Sentinel-2A、长短期记忆网络、多光谱影像

所属期刊栏目：41

分类号：TP79;TP183(遥感技术)

资助基金：国家重点研发计划;国家自然科学基金;山东省自然科学基金

在线出版日期：2021-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：134-143