江苏近海水下地形一体化构建研究

【作者】 徐雪莲； 张东； 吴涵； 潘琪琪； 张卓； 顾云娟；

【机构】 南京师范大学海洋科学与工程学院； 江苏省地理信息资源开发与利用协同创新中心； 南京师范大学地理科学学院； 江苏省海洋经济监测评估中心；

【摘要】 江苏淤泥质海岸水动力复杂,水下地形动态变化大。为了探究江苏近海水下地形变化和延伸特征,采用BP（back-propagation）神经网络模型算法,建立了削弱高含沙量水体对光谱影响的浅海水深遥感反演模型,并通过与GEBCO₂022 Grid全球水深数据融合处理,获得了江苏海域一体化水下地形,改善了浅海水下地形的精度。研究结果表明,BP神经网络模型比对数变换比值模型更适用于浅海水深遥感反演,水深反演结果的相关系数达到0.86;均方根误差和平均绝对误差在0～4 m段最小,在8～13 m段最大。BP神经网络反演水深与全球水深融合权重为7:3时,得到的近海水下地形连续,整体精度高,多源数据融合处理是提高遥感水深数据应用的有效途径。本研究成果可为江苏沿海海域开发利用与空间规划提供水下地形数据支撑。更多还原