光学浅水高光谱遥感数据的水深反演浅析.docx

光学浅水高光谱遥感数据的水深反演 摘要 本文中，基于浅水对深度和底物类型反射比的不同的反应，相似系数和皮尔逊相关系数描述不同类型的反应，建立了一个线性对数比例模型，估算高光谱数据的浅水深度。使用沿海地区的O，Ahu岛和圣托马斯岛的Hyperion数据比较恢复的深度测量法与机载激光雷达数据。验证结果表明，该方法具有良好的性能均方根误差小于1.5，m（浅水深度小于20米）。 指数：，Bathymetry，Hyperion高光谱，激光雷达，遥感。 介绍 浅水的水深测量对沿海底栖环境的研究和资源管理极其重要。传统的水深调查方法是使用船舶测深技术，该方法可以提供高精度的数据，但成本昂贵而低效。随着光学遥感技术的发展，这些技术用较低的成本快速提供定量的浅水和底栖生物栖息地信息。光学遥感应用的潜力源自于关于浅水深度的讨论已经超过三十几年，很多案例研究也证明了它的实用性。 自从第一次对清澈浅水使用航空摄影以来，许多实用的算法被提出。大多数算法应用于高分辨率多光谱数据。如陆地卫星Landsat/TMPOT/HRV，或IKNOS。这些算法可以分为两组:经验方法和半解析模型。基于穿过水体时辐射随波长变化而变化的基本原则，构建许多经验方法。因为在不同水体条件下，这些方法中太多的系数需要被单独校准，在不同领域难以被实现，估算深度的准确性会被复杂的水底类型所影响。为了解决这个问题，Stumpf等人构建了一种半解析模型，建立了一种水深之比和绿蓝谱反射率的线性关系。虽然只有两个参数，却更稳健，这些参数也需要不同水域的现场数据来校准。许多研究还指出浅水深度测量法很难是因为在绿蓝波谱比率下高反射基底的准确性。 高光谱遥感技术的发展特别是高光谱数据的信噪比(SNR)的大幅度改善，引起了许多研究者的兴趣将高光谱技术应用于等深线图。Sandidge和Holyer运用神经网络的方法，深度测量法来提取弗罗里达水域的机载可见光/红外成像光谱(AVIRIS)图像的光学水属性底部反射和水深。同时Lee等人提出，该模型可以应用于Hyperion数据和Aviris数据。Adler-Golden等人提出的一种算法与Lee简单推测极相似。许多研究将Lee的模型应用或扩展于清澈水域，光谱匹配和查找表被证实探测水深是可适用的。这些成功的研究都表明了清澈浅水域中高光谱数据的测深估计是具有优势的。 本文提出了一种能从高光谱数据中估计清澈浅水区域深度(0-30m)的方法，基本原则是随水底和水深改变的光谱灵敏度。两个参数被引进描述不同的反应。使用沿海地区O’Ahu岛，Saint,Thomas岛的Hyperion数据为例，结果与机载激光雷达深度测量数据比较来评估其精准度。方法的理论在第二部分展现，数据处理的描述在第三部分，第四部分是实验结果的详细信息，讨论和结果将在第五部分。 方法 根据比尔定律，光随水体深度增加呈指数下降，基于这个原则，Lyzenga发现反射比Rw能够被深度和底部反射率表示为 Rw=Ad-R∞exp-gz+R∞(1) R∞表示如果水是光学深的水体反射率，Ad表示底部反射率，z是深度，g是对下降和上升光的漫衰减系数函数。这种关系揭示了观测到的反射比主要是由于水深和底部反射率的变化，尽管水的光学属性假定为一致。无论水深和底部类型如何改变，从480到610纳米的光谱变化都是明显的。 根据Holden，在底部类型和水深的谱曲线的反应类型都是不同的。当水深不变，水底类型变化，光谱形状也会发生变化。当水底状态保持不变，水深发生改变，光谱的值会改变但是光谱形状的变化不会很大。若反应类型能被区分开来，能观测到的底部的反射率的影响被移除，那么剩下来的改变就是由水深变化所引起的。 高光谱处理技术之一是，皮尔森相关系数（CC）和相似性系数（SC）用来描述光谱曲线的匹配度。然而，前者的优点是利用相关函数来检测光谱形状的相似性。SC是光谱角的余弦形式，来衡量两个光谱向量间的差异。使用这两个参数来描述光谱形状的变化和光谱向量的变化。获取水深数据的方法遵循以下几点： 在深度接近0m的水域范围，光谱反射比作为一个参考（0-0.15m）。参考光谱Ro是平均这些像素点的光谱数据，其他水深接近于零的水深区域也能被作为参考光谱。 得到参考光谱后，像素点i的CC和SC系数被定义为： CC(i)=j=1NRij-RiR0j-R0j=1NRij-Ri2*j=1NR0j-R02+1(2) SC(i)=j=1NRij*R0jj=1NRij2j=1NR0j2+1(3) 在（2），（3）中，N是480-610纳米间所有波段的数量，Rij是像素点i在波段j处的光谱反射比，Roj是波段j的参考光谱，Ri(Ro)是所有波段Rij(Roj)的平均值，在这两个公式中，添加一个常数来保证值永远都是正的。 考虑到Stumpf等人提出的模型，深度z和