基于WorldView-2遥感影像的龙湾港浅海水深反演

郭晓雷，邱振戈*，沈 蔚，栾奎峰，曹彬才，吴忠强

(1. 上海海洋大学 海洋科学学院，上海 201306；2上海市海洋局 河口海洋测绘工程技术研究中心，上海 201306)

基于WorldView-2遥感影像的龙湾港浅海水深反演

郭晓雷1，2，邱振戈*1，2，沈 蔚1，2，栾奎峰1，2，曹彬才1，2，吴忠强1，2

(1. 上海海洋大学 海洋科学学院，上海 201306；2上海市海洋局 河口海洋测绘工程技术研究中心，上海 201306)

根据遥感水深反演原理，利用海南岛龙湾港的WorldView-2多光谱卫星数据和海图水深资料，通过对水深进行0～2，2～5，5～10，10～15和15～20 m的分区处理、潮汐改正和海图水深数据与相应图像波段反射率值的相关性分析及回归分析，建立了浅海水深线性回归反演模型，开展了浅海水深的实际计算与精度分析。结果表明：对不同水深范围分别建立线性回归模型反演的水深精度要高于未分区建立的模型；分区模型中，多波段模型在0～5 m的反演精度最高，而双波段比值模型在5～20 m的反演精度最高，但是反演水深在最浅处的精度还有待提高。本文方法提取的水深与海图水深数据变化趋势基本相似，可以满足海洋科学研究对大范围浅水水下地形探测的要求。

浅海；遥感水深反演；WorldView-2；线性回归模型

0 引言

水深数据作为海洋研究的基础数据，在各种应用领域发挥着重要的作用。现阶段水深测量有多种方法，而20世纪60年代末开始的遥感测深技术可进行高安全、大范围、高速度、高精度及更经济的测量，从而进一步补充水深数据，是一种间接的水深测量手段[1]。

可见光遥感浅海水深反演主要有2个依据[2-3]：(1)可见光波长在0.40～0.58 μm之间的光信号在清澈水体中的透射深度最大；(2)光信号在水体中随水深增大呈指数衰减。

随着遥感技术的不断发展，遥感测深在国内外已广泛应用[4]。SPITZER et al[5]在双向流辐射传输形式的基础上，提出几种反演水深的算法。CLARK[6]利用陆地卫星影像数据TM1、TM2波段，开展了线性多波段模型水深反演实验。MGENGEL et al[7]基于多时相的TM影像数据对荷兰近海水域进行了水深测量。RICHARD et al[8]建立比值模型，基于IKONOS卫星影像对珊瑚礁区15 m以浅的水深进行了反演。党福星 等[9]基于多波段方法反演南海岛礁的水深，采用划分底质类型的方法提高反演精度。张鹰 等[10]研究了水体悬浮泥沙的光谱特性，进一步建立了适合浅海浑浊水体的水深反演模型。许海蓬 等[11]基于半经验模型开展了雷州湾SPOT-5影像遥感水深反演，提出不同的水深范围对应着不同的反演模型。张晓冬 等[12]基于海口湾的Landsat卫星数据通过NDWI指数水陆分割后进行了水深反演，结果表明二次多项式反演的水深精度较高，并且水深分区处理能够提高反演精度。目前，多光谱遥感反演水深的深度一般在30 m以内，水质浑浊时只有10～20 m，反演的水深精度一般在1～3 m左右，这与水质的清澈程度密切相关。

由于光在水中的穿透力随水深增大呈指数衰减，而单一的反演模型则无法保证水深反演精度，因此本文基于WorldView-2多光谱卫星影像数据和来源于大比例尺海图的水深数据，对龙湾港浅海水域进行水深分区处理，分别建立影像反射率值与水深的关系，通过实际计算和精度分析，进行水深制图。

1 基于线性回归水深反演模型

1.1 线性回归水深反演模型

目前遥感水深模型主要包括解析法和统计法[13]。前者通过建立传感器接收的辐射亮度值与底质反射率及水深的表达式来计算水深，但是多种参数的计算依赖大气校正的准确性，不易实现。而统计方法，根据实测点水深值回归得到影像值与水深的关系，从而计算出水深，根据应用波段数目的不同，分为单波段、双波段比值和多波段模型。这些模型都是基于光在水面的辐射、水体及大气的散射和底部反射而建立的。

(1)单波段线性回归模型：

Z=aX1+b

(1)

式中：X1=ln(L1-Ls1)，其中L1为卫星影像波段的辐亮度，Ls1为深水区辐亮度，Z为水深，a和b为模型待定系数。由于单波段模型是基于一定的假设而建立的，即假设光在水中的衰减系数为常量，海底底质单一，空气、海况、光学背景影响也相同[14-15]。因此，在实际情况下，系数a是受水体衰减程度影响的一种参数，b是受太阳高度角、大气、水面透过率、水体衰减程度、底质反射率等影响的一种复杂参数。

(2)双波段比值模型：

Z=a(X1/X2)+b

(2)

(3)多波段线性回归模型：

Z=a1X1+a2X2+…+anXn+b

(3)

式中：X1=ln(Li-Lsi)，ai和b为模型待定系数。多波段模型利用多个波段组合来计算水深，综合了多个波段的水深信息，在一定程度上消弱了底质差异因素的影响，从理论上讲水深探测的精度会比单波段模型的精度高[14,16]。

1.2 遥感水深反演技术流程

遥感水深反演技术流程如图1所示：首先进行遥感影像的预处理和海图控制点及检验点的提取，包括大气校正、几何校正、水陆分离和潮汐改正等过程；其次，通过水深控制点与波段反射率值进行回归分析，建立上述3个公式的回归方程进行水深反演；然后利用检验点来进行精度评价，最终制图输出。

图1 水深遥感反演技术流程图Fig.1 Flow chart of the remote sensing depth inversion

2 研究区域概况及数据资料

2.1 研究区域概况

本文研究区域选择海南岛龙湾港浅海水域，由于有内陆河流汇入，也是一个小的河口区域，因此泥沙含量较大，河口区较浅水水域水质较为浑浊。研究区范围为110°38′00″～110°42′32″E，19°16′02″～19°19′30″N(图2紫色方框)，其水域面积为108 km2，最大水深为20 m，其中水深在5～20 m之内的水域占85%，并且水深变化缓慢，层次性较好，适合水深遥感反演实验。

图2 实验区域范围Fig.2 Experimental area

2.2 数据资料及预处理

用于水深反演的数据资料有：

(1)WorldView-2卫星影像数据，成像时间为2012年2月24日3时，卫星数据有8个多光谱波段和1个全色波段，分辨率分别为1.84 m和0.5 m。购买的影像数据属于L2A级产品，已完成辐射校正和系统几何校正。本文进行的RPC参数正射校正是为了消除地形的影响或由相机的方向引起的失真；然后进行陆地和潮滩的掩膜。这样可建立较精确的水深反演模型，获得更高的水深反演精度。

(2)水深实测数据来自比例尺为1∶8 000的海图数据(图3)，用作水深反演的控制点与反演结果的检验点。由于海图水深是某一点的精确深度，而卫星影像反映的是1.84 m×1.84 m范围的水深平均值，两者之间的水深变化可能很大，因此要对海图水深点进行统计分析，本文随机选取了具有代表性的512个控制点(红色圆点)和180个检验点(绿色星形点)，选取结果见图4。

图3 研究区海图Fig.3 Chart of study area

(3)为消除潮汐引起的误差，根据中国海事服务网提供的潮汐预报资料，获得卫星过境时的潮位数据，在影像波段反射率值与控制点水深数据相关性分析时，将控制点水深值加上潮汐预报值得到瞬时水深，用瞬时水深建立反演模型；模型反演之后，在反演的瞬时水深值上减去潮汐预报值从而得到反演的水深值。

3 水深反演结果与精度分析

3.1 水深反演因子的确定

由于WorldView-2卫星影像波段较多，但在水深反演中，反演因子的确定往往是至关重要的，由于近红外波段对水体的穿透力极弱，因此只对WorldView-2卫星影像的前6个波段的反射率值与水深进行相关性分析，分别为B1(海岸波段)、B2(蓝色波段)、B3(绿色波段)、B4(黄色波段)、B5(红色波段)和B6(红色边缘波段)；然后选择相关性最大的波段与各波段进行比值运算；再建立比值与水深的相关性，从而得到相关性最好的波段及组合作为水深反演因子(表1)。相关系数绝对值越大则相关性越好，因此B3与水深值的相关性最好，正好也是遥感水深反演最佳波段之一，B4、B5和B6次之。双波段比值中，B3/B1的相关性最好。因此，选择B3作为单波段模型的反演因子，选择B3、B4、B5和B6作为多波段模型的反演因子，选择B3/B1作为双波段比值模型的反演因子，然后建立水深遥感反演模型。

图4 研究区控制点与检验点分布Fig.4 Distribution of control points and test points in study area

表1 各波段反射率及波段反射率比值与水深值的相关性Tab.1 Correlation between the reflectance of each band and the ratio of band reflectance and water depth

3.2 线性回归模型反演结果与精度分析

为定量对比分析遥感反演模型的拟合效果及反演水深的精度，选择决定系数(R2)来评价模型的优劣性，选择平均绝对误差(MAE)、平均相对误差(MRE)和均方根误差(RMSE)3个参数来进行水深反演精度的评价，当R2越大，其余3个参量越小时，则拟合的反演模型越好，反演精度越高。

将最佳的水深反演因子当作模型中的自变量，与因变量海图控制点数据进行线性回归，建立了龙湾港浅海水域的单波段、双波段比值和多波段线性回归模型，并反演出20 m以浅的水深，通过检验点进行精度分析，反演模型及精度分析如表2所示。

表2 线性回归模型水深反演精度分析Tab.2 Accuracy analysis of water depth extraction in linear regression model

为了进一步检验单波段、双波段比值与多波段模型在不同水深范围的适用情况，进一步对水深进行分区处理，根据海图数据将研究区域划分为0～2，2～5，5～10，10～15和15～20 m五个不同深度范围的区域，分别编号为I，II，III，IV和V。潮汐改正后共692个水深点，其中I区76个，II区168个，III区182个，IV区174个，V区92个，然后随机抽取总个数的2/3作为控制点，剩下的1/3作为检验点，分别用于水深模型的拟合和结果的精度对比分析。各个分区的水深反演模型及精度见表3。

表3 各分区线性回归模型及水深反演精度分析Tab.3 Linear regression model and water depth retrieval accuracy analysis in different district

图5a为不分区的双波段比值模型反演的水深值与海图水深值的对比图，图5b为水深分区之后的多波段线性回归模型反演出的0～5 m水深值和双波段比值模型反演出的5～20 m水深值与海图水深值的对比图。

由表2、表3及图5可知：(1)水深分区之后建立的模型反演的水深精度均高于不分区时模型反演的精度。(2)在水深不分区建立的模型中，双波段比值模型反演的水深精度高于其它两个模型反演的水深精度；而在水深分区之后建立的模型中，0～5 m区段，多波段线性回归模型反演的水深精度高于其它两个模型，5～20 m区段，双波段比值模型反演的水深精度均高于其它两个模型。(3)水深分区的3种模型中，在小于2 m的水深反演中，其平均相对误差都相对较大，但平均绝对误差和均方根误差都相对较小；在2～20 m水深反演中，随着水深的增大，其平均相对误差不断减小，而平均绝对误差和均方根误差在不断增大。(4)分区之后，反演的水深值与海图水深值的分布很接近。

图6绘出了水深分区之后反演的水深示意图，与海图(图3)相对比发现，在0～5 m的水深范围内，由于离岸太近，泥沙量较大，水体浑浊，因此反演的水深示意图的失真程度较大；在5～13 m的水深范围内，水深的变化趋势在总体上与海图水深变化趋势相似;在13～20 m的水深范围内，由于沿岸区域水体浑浊度较大，并且水深太深，海岸波段、蓝光波段和绿光波段无法直接穿透水体到达水底，因此无法获得真实的水底反射值，因此很难区分出13 m以深的水深。

图5 反演水深值与海图水深值对比图Fig.5 Comparison of inverted water depth with that from the chart depth

图6 水深反演图Fig.6 Water depth inversion

4 结论

本文基于WorldView-2卫星影像数据与海图水深数据，通过波段反射率值和反射率比值与海图水深值相关性分析，采用回归分析法建立了龙湾港浅海水域的单波段、双波段比值及多波段线性回归模型，反演了0～20 m内的浅海水深。研究结果表明：

(1)在本研究区域中，绿光波段反射率值与海图水深值相关性最高，利用波段反射率比值和波段组合分别建立的双波段比值模型和多波段模型在一定程度上消除或削弱了水体背景的影响，从而提高了水深反演精度。

(2)针对龙湾港这一浅水区域，基于水深分区之后建立的模型，反演的水深精度高于不分区时反演的精度，尤其是分区后的双波段比值模型更适合于5～20 m的水深范围，多波段线性回归模型更适合于0～5 m之内的水深。

(3)遥感反演的水深值变化与海图水深变化趋势相似，且其反演精度可满足海洋科学研究等对浅水水下地形测量的要求，为大范围浅海水深探测提供了一种十分有益的手段。

[1] HUANG Wen-qian，WU Di，YANG Yang，et al. Multi-spectral remote sensing water depth retrieval technique in shallow sea[J].Ocean Technology，2013，32(2)：43-46.

黄文骞，吴迪，杨杨，等.浅海多光谱遥感水深反演技术[J].海洋技术，2013，32(2)：43-46.

[2] LYZENGA D R. Passive remote sensing techniques for mapping water depth and bottom features[J]. Applied Optics，1978，17(3)：379-383.

[3] KANNO A, KOIBUCHI Y, ISOBE M. Statistical combination of spatial interpolation and multispectral remote sensing for shallow water bathymetry[J]. IEEE Geosci Remote Sens Lett,2011,8(1):64-67.

[4] WANG Yan-jiao, DONG Wen-jie， ZHANG Pei-qun，et al. Progress in water depth mapping from visible remote sensing data[J].Marine Science Bulletin，2007，26(5)：92-101.

王艳姣，董文杰，张培群，等，水深可见光遥感方法研究进展[J].海洋通报，2007，26(5)：92-101.

[5] SPITZER D, DIRKS R W J. Bottom influence on the reflectance of the sea[J]. International Journal of Remote Sensing，1987，8(3)：279-290.

[6] CLARK R K. Comparison of models for remotely sensed bathymetry[R].AD-A197973，1987.

[7] MGENGEL V, SPITZER R J. Application of remote sensing data to mapping of shallow sea-floor near by Netherlands[J]. International Journal of Remote Sensing，1991，57(5)：473-479.

[8] RICHARD P, KRISTINE H. Determination of water depth with high-resolution satellite imagery over variable bottom types[J]. Limnol Oceanogr，2003，48(2)：547-556.

[9] DANG Fu-xing, DING Qian. A technique for extracting water depth information from multispectral scanner data in the South China Sea[J].Marine Science Bulletin，2003，22(3)：55-59.

党福星，丁谦.利用多波段卫星数据进行浅海水深反演方法研究[J].海洋通报，2003，22(3)：55-59.

[10] ZHANG Ying, ZHANG Dong, WANG Yan-jiao, et al. Study of remote sensing-based bathymetric method in sand-containing water bodies[J].Acta Oceannologica Sinica，2008，30(1)：51-58.

张鹰，张东，王艳姣，等.含沙水体水深遥感方法的研究[J].海洋学报，2008，30(1)：51-58.

[11] XU Hai-peng, MA Yi, LIANG Jian，et al. Bathymetry inversion based on semi-empirical model and error analysis of different water depth ranges[J].Coastal Engineering，2014，33(1)：19-25.

许海蓬，马毅，梁建，等.基于半经验模型的水深反演及不同水深范围的误差分析[J].海岸工程，2014，33(1)：19-25.

[12] ZHANG Xiao-dong, ZHANG Wen-jing, ZHU Shou-xian, et al. Study on the water depth extraction method using visible remote sensing in the Haikou Bay[J].Marine Science Bulletin，2016，35(1)：54-63.

张晓冬，张文静，朱首贤，等.海口湾可见光遥感测深方法研究[J].海洋通报，2016，35(1)：54-63.

[13] YE Ming, LI Ren-dong, XU Guo-peng. Some research advances and methodson water-depth monitoring by multispectral mage[J]. World Sci-Tech R & D，2007，29(2)：76-79.

叶明，李仁东，许国鹏.多光谱水深遥感方法及研究进展[J].世界科技研究与发展，2007，29(2)：76-79.

[14] WANG Qian-qian, WAN Jian-hua. Multi-source remote sensing water depth surveying in south China sea coral reef periphery[D]. Shandong: China University of Petroleum(East China)，2014:1-62.

王茜茜，万剑华.南海礁盘周边水深多源遥感探测[D].山东：中国石油大学(华东)，2014：1-62.

[15] PAREDES J M, SPERO R E. Water depth mapping from passive remote sensing data, under a generalized ratio assumption[J]. Applied Optics,1983,22(8):1 134-1 135.

[16] XU Sheng， ZHANG Ying， WANG Yan-jiao， et al. Application of multi-spectral imagery to water depth extraction in the Changjiang River Estuary[J]. Journal of Marine Sciences,2006,24(1)：83-90.

徐升,张鹰,王艳姣,等.多光谱遥感在长江口水深探测中的应用[J].海洋学研究，2006,24(1)：83-90.

ShallowwaterdepthinversioninLongwanPortbasedonWorldView-2RemoteSensingImage

GUO Xiao-lei1,2, QIU Zhen-ge*1,2, SHEN Wei1,2, LUAN Kui-feng1,2, CAO Bin-cai1,2, WU Zhong-qiang1,2

(1.CollegeofMarineSciences,ShanghaiOceanUniversity,Shanghai201306,China; 2.EstuarineandOceanographicMappingEngineeringResearchCenterofShanghaiMunicipalOceanBureau,Shanghai201306,China)

According to the principle of remote sensing water depth inversion, WorldView-2 multi-spectral satellite data and chart depth data of Longwan Port in Hainan Island were used. The water depths in 0-2 m, 2-5 m, 5-10 m, 10-15 m and 15-20 m were partitively treated, tidal correction，the correlation analysis and regression analysis of chart water depth and the corresponding image band reflectivity values were also developed, and a piecewise linear model was built for shallow water bathymetry with which the actual calculation of shallow water depth and precision analysis were carried out. The results show that the depth accuracy of the partitioned linear regression model is higher than that of the non-partitioned model in different water depth ranges. In the partition model, the multi-band model has the highest inversion accuracy of 0-5 m, and the double-band ratio model has the highest inversion accuracy of 5-20 m, but inversion of the depth in the most shallow yet to be improved. The water depth extracted by this method is similar to that of chart water depth data, which can meet the requirements of marine scientific research on large-scale shallow underwater detection requirements.

shallow water; remote sensing depth inversion; WorldView-2; linear regression model

郭晓雷,邱振戈,沈蔚,等.基于WorldView-2遥感影像的龙湾港浅海水深反演[J].海洋学研究,2017,35(3):27-33,

10.3969/j.issn.1001-909X.2017.03.004.

GUO Xiao-lei, QIU Zhen-ge, SHEN Wei, et al. Shallow water depth inversion in Longwan Port based on WorldView-2 Remote Sensing Image[J].Journal of Marine Sciences,2017,35(3):27-33,doi:10.3969/j.issn.1001-909X.2017.03.004.

2016-07-24

2017-04-05

上海市科委基于国产高分辨率卫星的海洋测绘关键技术研究项目资助(14590502200)

郭晓雷(1989-)，女，甘肃白银市人，主要从事海洋遥感测绘研究。E-mail:1306494263@qq.com

*

邱振戈(1966-)，男，教授，主要从事海洋测绘研究。E-mail:zgqiu@shou.edu.cn

P715.7

A

1001-909X(2017)03-0027-07

10.3969/j.issn.1001-909X.2017.03.004