随机森林模型在遥感水深反演中的应用
Satellite-Derived Bathymetry using Random Forest Model
  
DOI:
中文关键词:  水深遥感  Worldview-2  随机森林  甘泉岛  台湾南湾
英文关键词:satellite-derived bathymetry  Worldview-2  random forest  Ganquan Island  Nanwan Taiwan
基金项目:
作者单位
邱耀炜 1.上海海洋大学海洋科学学院上海 2013062. 上海河口海洋测绘工程技术研究中心上海 201306 
沈蔚 1.上海海洋大学海洋科学学院上海 2013062. 上海河口海洋测绘工程技术研究中心上海 201306 
纪茜 1.上海海洋大学海洋科学学院上海 2013062. 上海河口海洋测绘工程技术研究中心上海 201306 
摘要点击次数: 140
全文下载次数: 191
中文摘要:
      随着我国浅海测绘需求的日益增长,本文利用四波段的WorldView-2高分辨率遥感影像,选取我国南海西沙群岛中的甘泉岛和台湾南湾地区作为典型试验区,开展水深反演研究。引入随机森林算法构建了随机森林水深反演模型,并同常用的三种水深反演模型进行精度对比。结果表明了在甘泉岛和南湾地区随机森林模型反演的水深值和真实水深值的RMSE分别为0.85m和1.59m,MRE分别为8%和12%,均优于其他三种模型。
英文摘要:
      With the growing demand for shallow sea surveying and mapping in China, this paper uses four-bands high resolution WorldView-2 images to conduct satellite-derived bathymetry experiments in the Ganquan Island and the Nanwan area in Taiwan. The random forest satellite-derived bathymetry model is constructed by using the random forest algorithm, and the accuracy is compared with three classic satellite-derived bathymetry model. The results show that the bathymetry accuracy of the random forest model is optimal in Ganquan Island and Nanwan area, with RMSE are 0.85m and 1.59m, and MRE are 8% and 12%, respectively.
查看全文  查看/发表评论  下载PDF阅读器