[1]任中杰,万永智,王伟,等.基于Landsat-9影像的云龙湖水深反演研究[J].江苏水利,2023,(10):51-55.
　REN Zhongjie,WAN Yongzhi,WANG Wei,et al.Inversion study of Yunlong Lake water depth based on Landsat-9 images[J].JIANGSU WATER RESOURCES,2023,(10):51-55.
点击复制

基于Landsat-9影像的云龙湖水深反演研究()
分享到：

《江苏水利》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2023年10期
页码:
51-55
栏目:
水利信息化
出版日期:
2023-10-15

文章信息/Info

Title:
Inversion study of Yunlong Lake water depth based on Landsat-9 images
文章编号:
1007-7839（2023）10-0051-0005
作者:
任中杰; 万永智; 王伟; 王继龙; 宋银燕; 张方方
（江苏省水文水资源勘测局徐州分局，江苏 徐州 221000）
Author(s):
REN Zhongjie;  WAN Yongzhi;  WANG Wei;  WANG Jilong;  SONG Yinyan;  ZHANG Fangfang
（Xuzhou Branche of Jiangsu Province Hydrology and Water Resources Investigation Bureau, Xuzhou 221000, China）
关键词:
Landsat-9; 水深遥感; 水深反演; SFIM; LAR; 云龙湖
Keywords:
Landsat-9;  remote sensing of water depth;  water depth inversion;  SFIM;  LAR;  Yunlong Lake
分类号:
TV211.2
文献标志码:
B
摘要:
基于Landsat-9多光谱及全色影像，以云龙湖东湖为研究区域进行水深反演研究。为选取能够有效提高影像空间分辨率且能保持水深波段相关性的融合方法，对多种影像融合方法进行了对比分析；对最佳水深反演波段及反演因子进行了探索，进而构建了多种反演模型，并利用实测水深数据进行了精度评价。结果表明，SFIM融合算法对水深相关性保持性最好，最佳水深反演波段为B5波段，最佳反演因子为B5+B6，相关系数均较高，指数、傅里叶、高斯、多项式等多种水深反演模型中最优反演模型为基于最小绝对残差拟合的二次多项式模型，精度评价决定系数为0.7149，均方根误差为0.094 m。研究结果旨在为云龙湖水库水量调度及生态水位保障提供重要参考。
Abstract:
Based on Landsat-9 multispectral and panchromatic imagery, a study on water depth inversion was conducted with the east lake of Yunlong Lake as the study area. To select the fusion method that can effectively improve the spatial resolution while maintain water depth-wave band correlation, a variety of image fusion methods were analyzed and compared. The optimum water depth inversion band and inversion factors are explored, and a variety of inversion models are constructed, and the accuracy is evaluated by using the measured water depth data. The results show that the SFIM fusion algorithm has the best ability to maintain the correlation of water depth. The best water depth inversion band is B5 band, the best inversion factor is B5+B6, and the correlation coefficients are all high. Among the water depth inversion models, such as index, Fourier, Gaussian and polynomial, the optimal inversion model is the quadratic polynomial model based on the least absolute residual （LAR） fit. The determination coefficient of precision evaluation is 0.7149, and the root-mean-square error （RMSE） is 0.094 m. The research results provide an important reference for the water dispatch and safeguards for the ecological water level at Yunlong Lake Reservoir.

参考文献/References:

[1]吴峰云. 基于GF-1和MODIS数据融合的鄱阳湖区域水稻空间分布提取[D]. 武汉：华中农业大学，2017.
[2]张磊，牟献友，冀鸿兰，等. 基于多波段遥感数据的库区水深反演研究[J]. 水利学报，2018，49（5）：639-647.
[3]邵帅. 基于高分卫星数据的浅海水深反演技术研究[D]. 哈尔滨：哈尔滨工程大学，2019.
[4]李经纬，杨红，王春峰. 基于Landsat-8卫星的江苏北部近岸海域水深遥感反演研究[J]. 海洋湖沼通报，2022，44（6）：23-31.
[5]赵顺利，王建萍，王云飞. 基于OLI遥感影像的错戳龙错盐湖水深反演研究[J]. 盐湖研究，2016，24（1）：8-14.
[6]吴忠强，毛志华，王正. 基于多源影像融合去云的水深遥感反演研究——以哨兵-2A和资源三号为例[J]. 测绘与空间地理信息，2019，42（11）：12-16.
[7]潘凌潇. 小南湖磷的形态分布特征及沉积物生物可利用磷的预测研究[D]. 徐州：中国矿业大学，2014.
[8]刘善伟. 浅海水深遥感反演与海岸线判绘方法及其系统集成研究[D]. 北京：中国科学院研究生院，2011.
[9]陈敏强. 深度卷积神经网络超分重建技术驱动的卫星遥感影像融合研究[D]. 南昌：东华理工大学，2019.
[10]张艳红，李丽丽，郭花利，等. 基于多光谱遥感的扎龙湿地湖泡水深反演研究[J]. 湿地科学，2016，14（4）：477-483.
[11]张晓斌，周俊杰，陈熙，等. 2013—2018年东洞庭湖水域面积变化遥感监测与分析[J]. 人民长江，2022，53（增刊1）：21-24.
[12]王喆，连炎清，李晓娜，等. 基于机器学习的浐灞河水质参数遥感反演研究[J]. 人民长江，2022，53（9）：13-18.
[13]张宏建，周健，皇甫款. 基于OLI数据的信阳市境内淮河流域水质遥感反演[J]. 人民长江，2021，52（12）：47-53.
[14]沈蔚，孟然，栾奎峰，等. 4种遥感水深反演机器学习模型的比较[J]. 海洋测绘，2022，42（5）：68-71.
[15]纪茜. 基于遥感影像的水深反演方法研究[D]. 上海：上海海洋大学，2021.

备注/Memo

备注/Memo:
收稿日期：2023-08-31
作者简介：任中杰（1994—），男，工程师，硕士，主要从事水文水资源研究。E-mail：614279868@qq.com
更新日期/Last Update: 2023-10-15