[发明专利]基于随机森林的岛礁浅海水深预测方法

权利要求书

1.一种基于随机森林的岛礁浅海水深预测方法，其特征在于，包括如下步骤：

获取岛礁浅海区的多光谱反射率；

获取岛礁浅海区的水深控制点的实际水深值；

根据所述多光谱反射率中的近红外和红外波段反射率计算水深控制点的悬浮泥沙含量预测值；

以所有的水深控制点为总训练集，从所述总训练集中随机有放回地抽取若干个子集，以同一波段水面以下的反射率的自然对数与深水区的反射率的自然对数的比值、以及悬浮泥沙含量预测值作为特征向量的特征分量；在每个子集内，随机抽取部分特征分量训练一棵回归树；通过对所有回归树的输出值进行平均获得水深控制点的实际水深值来训练随机森林模型；

将所述岛礁浅海区的多光谱反射率输入至所述随机森林模型进行时空序列连续反演，获得水深预测值；

所述在每个子集内，随机抽取部分特征分量训练一棵回归树的步骤包括：

在训练样本所在的输入空间中，递归地选择最优变量S_t和对应最优值S^*将所述回归树t节点分裂为t_L和t_R两棵子树，并使每棵子树之间的样本具有最大差异性；

衡量分裂的误差指标为分裂之前的回归误差减去分裂之后两棵子树的回归误差；当误差指标最大化时，每棵子树之间的样本具有最大差异性；所述误差指标具体为：

Δi(s,t)＝i(t)-p_Li(t_L)-p_Ri(t_R)

其中，分别是两个子树t_L、t_R的样本数量，i(t)是回归误差：

N_t是节点t包含的样本数，y_i是节点t中训练样本i的岛礁浅海区的实际水深值，y是y_i集合算术平均值：

2.根据权利要求1所述的基于随机森林的岛礁浅海水深预测方法，其特征在于：所述将所述岛礁浅海区的多光谱反射率输入至所述随机森林模型进行时空序列连续反演，获得岛礁浅海水深的步骤之后，还包括：

获取岛礁浅海区的水深验证点的实际水深值；

根据所述水深验证点的实际水深值与通过时空序列连续反演获得的水深验证点的水深预测值计算反演精度，并建立反演精度与实际水深值的关系模型。

3.根据权利要求1或2所述的基于随机森林的岛礁浅海水深预测方法，其特征在于：所述实际水深值根据所述多光谱遥感数据的来源卫星的过境时间，对岛礁浅海区的水深控制点或水深验证点进行实测和潮汐校正而获得。

4.根据权利要求1所述的基于随机森林的岛礁浅海水深预测方法，其特征在于：所述根据所述多光谱反射率中的近红外和红外波段反射率计算水深控制点的悬浮泥沙含量预测值的步骤，具体通过如下关系模型进行计算：

式中，R_nir和R_red分别为近红外波段和红光波段的反射率，TSS为悬浮泥沙浓度，单位为mg/L，a，b，c为回归系数。

5.根据权利要求4所述的基于随机森林的岛礁浅海水深预测方法，其特征在于：所述根据所述多光谱反射率中的近红外和红外波段反射率计算水深控制点的悬浮泥沙含量预测值的步骤之后，还包括：

获取水深控制点的悬浮泥沙含量实测值；

根据所述悬浮泥沙含量实测值对悬浮泥沙含量预测值进行精度验证和对所述关系模型进行校准。