[发明专利]基于极端梯度提升的岛礁浅海水深预测方法

说明书

本申请涉及一种基于极端梯度提升的岛礁浅海水深预测方法、装置、存储介质和计算机设备，所述方法包括如下步骤：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；训练极端梯度提升模型；将所述岛礁浅海区的多光谱反射率输入至所述极端梯度提升模型进行时空序列连续反演，获得水深预测值。本申请所述的基于极端梯度提升的岛礁浅海水深预测方法具有高效快速地获取岛礁浅海水深，结果精确可靠的优点。

技术领域

本申请涉及地理信息技术领域，特别是涉及一种基于极端梯度提升的岛礁浅海水深预测方法、装置、存储介质和计算机设备。

背景技术

目前，对于岛礁浅海区的水深测量主要是依靠搭载了测深仪的无人船在岛礁浅海区进行实地测量，但由于不清楚水深和岛礁的限制，部分浅海区的水深无法测量或者会对无人船造成损伤，效率低下并且测量的结果不够精确。

随着卫星遥感技术的广泛应用，推动了水深测量方法的改进，其中通过遥感水深反演的方法测量水深成为了一个值得研究的课题。

发明内容

基于此，本申请实施例的目的在于，提供一种基于极端梯度提升的岛礁浅海水深预测方法、装置、存储介质和计算机设备，其具有高效快速地获取岛礁浅海水深，结果精确可靠的优点。

第一方面，本申请实施例提供一种基于极端梯度提升的岛礁浅海水深预测方法，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；

在所述水深控制点的多光谱反射率中，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作为特征向量的特征分量，同时以悬浮泥沙含量预测值也作为特征向量的特征分量；以水深控制点的实际水深值为预期输出，训练极端梯度提升模型；

将所述岛礁浅海区的多光谱反射率输入至所述极端梯度提升模型进行时空序列连续反演，获得水深预测值。

在一个实施例中，所述将所述岛礁浅海区的多光谱反射率输入至所述极端梯度提升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。

在一个实施例中，所述获取岛礁浅海区的多光谱反射率，包括：

获取岛礁浅海区的中高分辨率的多光谱遥感数据；

通过大气校正和小波变换对多光谱遥感数据进行数据预处理；

将多光谱遥感数据转换为多光谱反射率。

在一个实施例中，所述水深控制点的实际水深值和悬浮泥沙含量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进行实测而获得。

在一个实施例中，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。

在一个实施例中，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：