高分六號遙感影像水深反演能力評價

沈 蔚，郝李華，陳沐崟，李 鑫

（1.上海海洋大學海洋科學學院，上海 201306；2.上海河口海洋測繪工程技術研究中心，上海 201306）

水深作為海洋的一個重要水文因素，對水上的生產生活和軍事活動均具有重要的應用價值。水深遙感反演因其具有覆蓋面積廣、獲取便捷、成本低廉等優勢，成為一種重要的水深探測手段，也是對傳統船載水深測量方法的有效補充[1]。目前，國內外學者使用豐富的數據源進行各種方式的遙感水深反演探索，取得大量有使用價值的成果。MINGHELL-ROMAN A 等[2]使用多種遙感數據包括小型機載成像光譜儀（Compact Airborne Spectrographic Imager，CASI）、快鳥衛星（QuickBird）、小型高分辨率成像光譜儀船上項目（Compact High Resolution Imaging Spectrometer onboard the Project for Onboard Autonomy，CHRIS PROBA）、增強型主題成像儀（Enhanced Thematic Mapper，ETM）、土衛七衛星（Hyperion） 和中分辨率成像光譜儀（MeRIS），對比研究它們的水深反演結果，并得出最適合水深反演的遙感影像參數。PACHECO A 等[3]評估了陸地衛星8 號（Landsat-8）影像的水深反演能力，并揭示其在監測和管理海岸形態演變方面的價值。TRAGANOS D 等[4]利用Sentinel-2 和谷歌地球引擎（Google Earth Engine，GEE） 在愛琴海的3 個地點進行水深反演研究。CAHALANEA C 等[5]對比分析了Landsat-8、快眼衛星（RapidEye）、Pleiades 影像對水深反演預測精度的影響及每個模型參數的重要性。李麗[6]以西沙群島南島和趙述島為實驗區，利用WorldView-2 遙感影像進行淺海水深反演研究。劉亮等[7]以南海東島為研究區，針對World-View-2影像的淺海水深反演能力進行探究。鄭貴洲等[8]利用WorldView-2 影像，構建反向傳播（Back Propagation，BP） 和徑向基函數（Radial Basis Function，RBF）神經網絡來進行反演水深實驗。趙露露等[9]利用WorldView-2 和地球眼衛星（GeoEye-1）影像在南海北島和甘泉島海域進行水深反演實驗。陸天啟等[10]分別利用GeoEye-1 和WorldView-2 遙感數據進行淺海水深反演實驗并對比兩種數據源的反演效果。此外，LandSat-8、GeoEye-1 和Sentinel-2 也常用做水深反演研究的遙感數據[10-15]。

近些年來，國產高分系列衛星陸續發射，隨后高分系列多光譜遙感數據也成為水深反演研究的重要數據源之一。陳本清等[16]在晉卿島淺海海域開展高分一號衛星（GF-1） 多光譜影像的水深反演探索。沈蔚等[17]使用GF-1 數據，將網格搜索+XGBoost 模型應用于啟東恒大威尼斯淺海區域進行水深反演研究。程潔等[18]利用高分二號衛星（GF-2）遙感數據在香港平洲島區域進行水深反演并展開精度評價。2019 年3 月21 日，國產GF-6 正式投入使用，目前已有學者開展了GF-6 影像在林業、農業的相關應用[19-23]，水體的識別與葉綠素a 的反演[24-26]，但對其在水深反演上的研究和應用還很少。

本文將GF-6 遙感影像應用于淺海水深反演領域，結合多波束實測水深數據，引入經典的單波段線性回歸模型、雙波段比值線性回歸模型和多波段組合線性回歸模型，在三亞南山港淺海海域開展水深反演實驗，對比分析各個波段的水深反演精度，從而評價GF-6 影像各波段及其組合的水深探測能力，并與國外主流衛星Sentinel-2 多光譜數據進行對比研究，對充分挖掘GF-6 影像在海洋領域的應用潛力具有重要意義，為國產衛星多光譜影像的水深反演應用提供技術和方法借鑒。

1 研究區與數據

1.1 研究區概況

南山港位于海南省三亞市西南部的崖州灣內，背靠崖城鎮，東依南山嶺。該區域三面環山，水域開闊且水質清澈，水深介于0～25 m，海底地形變化平緩，底質單一，適宜作為遙感水深反演的場所。本文研究以其為實驗區，定量評價GF-6 遙感影像的水深反演性能。

1.2 數據

1.2.1 遙感數據

經篩選，采用南山港2021 年1 月27 日的GF-6多光譜影像用于開展水深遙感反演研究。GF-6 多光譜遙感影像像元大小合適，波段信息豐富包括藍、綠、紅、近紅外、紅邊玉、紅邊域、紫、黃8個波段，空間分辨率為16 m，各波段波長、分辨率如表1 所示。

表1 GF-6 影像波段信息

在ENVI 軟件中對遙感影像進行輻射定標、大氣校正、幾何校正等預處理，以提高水深反演的精度。

1.2.2 水深數據

實驗在多波束實測水深數據中均勻抽取1 000個水深點作為樣本點，其中700 個水深點作為訓練集，300 個水深點作為測試集，采集時間為2021 年7 月11 日至13 日。中國海事服務網（http://ocean.cnss.com.cn）為本次實驗提供了潮汐數據。

圖1 水深樣本點分布示意圖

2 方法

經前人研究概括，遙感水深反演模型主要分為3 大類：理論解析模型、半經驗半理論模型和經驗模型[27-28]。本文采用應用最為廣泛的半理論半經驗模型，包括單波段線性回歸模型、雙波段比值線性回歸模型、多波段組合線性回歸模型開展南山港淺海海域水深遙感反演。

單波段線性回歸模型如下。

雙波段比值線性回歸模型如下。

多波段組合線性回歸模型如下。

式中，N 為波段數；A0、A1、A2和A3為回歸系數； Xi= ln（Li- Lsi）， Li為傳感器接收到第i 波段的輻亮度；Lsi為最大水深區的輻亮度。

3 實驗

3.1 實驗設計

3.1.1 實驗目的

（1）針對GF-6 多光譜影像的8 個波段，分別建立單波段線性回歸模型，對各個波段的反演結果進行分析和能力評價。

（2）針對GF-6 多光譜影像的8 個波段，分別建立雙波段比值線性回歸模型和多波段組合線性回歸模型，并對各種波段組合水深反演結果進行分析和能力評價。

（3） 在相同條件下，橫向對比研究單波段模型、雙波段比值模型、多波段模型應用于水深反演的效果。

（4）將GF-6 多光譜影像的水深反演結果同已廣泛應用于水深反演的Sentinel-2 影像的水深反演結果進行比較研究，以分析GF-6 影像在水深反演領域中的應用能力。

3.1.2 實驗方案

基于700 個水深點的訓練集，針對GF-6 遙感影像的8 個波段（B1 藍光波段、B2 綠光波段、B3紅光波段、B4 近紅外波段、B5 紅邊玉波段、B6 紅邊域波段、B7 紫光波段、B8 黃光波段），分別建立8 個單波段水深反演模型，兩兩排列（考慮排序）建立56 個雙波段水深反演模型，3 個波段為一組（不考慮排序）建立56 個多波段水深反演模型。利用300 個水深點的測試集分別評價各波段和組合水深反演精度。

3.1.3 精度評價指標

反演水深精度評價中，將反演計算水深與測試集實測水深比對，采用均方根誤差和平均相對誤差作為反演精度評價指標。

式中，RMSE 為均方根誤差；ARE 為平均相對誤差；駐Di=Zi-Yi、駐Zi=|Zi-Yi|，Zi和Yi分別為第i 個測試點的水深和反演實測水深；n 為測試點的數量。RMSE、ARE 值越小，表示反演的精度越高。

3.2 結果與分析

3.2.1 單波段反演模型

GF-6 8 個波段的水深反演精度如圖2 所示，其中B2 綠光波段的反演精度最高，水深反演能力最強，ARE 值為33.7%，B1 藍光波段次之，紅光波段反演效果第三，近紅外波段精度最低。GF-6 的B2 綠光波段回歸模型水深反演結果及與實測水深的殘差圖，如圖3 和圖4 所示。

圖2 單波段水深反演精度

圖3 綠光波段回歸模型水深反演結果

圖4 綠光波段反演水深與實測水深殘差圖

3.2.2 雙波段比值反演模型

將GF-6 影像的8 個波段兩兩排列（考慮排序） 得到56 個雙波段組合，分別進行水深反演，精度結果如圖5 所示。其中B1 藍光、B2 綠光組合方式的反演效果最好，精度評價最高，ARE 值達到24.7%，其反演結果及與實測水深的殘差圖如圖6、平均值為1.90 m，而雙波段比值模型平均相對誤差的平均值為0.408，均方根誤差的平均值為1.83 m，均小于單波段模型，因此雙波段比值模型的精度整體高于單波段回歸模型。圖7 所示。將圖5 與圖2 進行比較，其中單波段模型平均相對誤差的平均值為0.430，均方根誤差的

圖5 雙波段比值水深反演精度

圖6 藍綠波段比值回歸模型水深反演結果

圖7 藍綠波段反演水深與實測水深殘差圖

3.2.3 多波段反演模型

根據前人研究和實驗驗證，參與水深反演的波段不是越多越好。在GF-6 影像的8 個波段中任意選取4 到8 個波段組合分別進行水深反演，各波段組合最佳反演結果的均方根誤差依次為1.623 m、1.607 m、1.579 m、1.619 m、1.796 m，平均相對誤差依次為30%、31.4%、28.5%、37.2%、39.1%，其反演精度均低于3 個波段組合，故本文多波段反演模型僅討論3 個波段組合方式的模型。將GF-6影像的8 個波段以3 個為一組合（不考慮排序），得到56 個多波段組合，分別進行水深反演，反演精度如圖8 所示，其中B1 藍光波段、B2 綠光波段、B3 紅光波段的組合模型精度最高，RMSE 為1.387 m，ARE 值為24.3%，其水深反演結果及與實測水深的殘差圖如圖9、圖10 所示。

圖8 多波段組合水深反演精度

圖9 藍、綠、紅光波段組合回歸模型水深反演結果

圖10 藍、綠、紅光波段反演水深與實測水深殘差圖

3.2.4 不同模型反演精度對比

利用相同的數據集和三類不同的模型進行水深反演實驗，精度如表2 所示，對比發現多波段模型在實驗區的應用效果明顯優于其他兩種回歸模型，擬合效果最好。所以本次實驗的最佳反演模型是B1、B2、B3 三者組合形成的多波段模型，其RMSE 為1.387 m，ARE 值達到24.3%。

表2 不同模型反演精度對比

3.2.5 不同遙感影像數據反演精度對比

針對Sentinel-2 數據的藍、綠、紅光進行多波段水深反演實驗，將其結果與本次實驗反演效果最佳的GF-6 多波段反演結果進行對比研究，其中0～5 m 水深區間，Sentinel-2 反演得出的等深線值與實際水深基本吻合，而GF-6 反演得出的結果與實際水深有一定的誤差；當水深大于10 m，兩種數據源反演的水深與實測數據都差距甚大，在兩者數據都很差的情況下不具有可比性。將GF-6 與Sentinel-2反演水深的預測值與水深真實值做散點圖分析，可以更直觀地看出其擬合程度，擬合結果圖如圖11和圖12 所示。

圖11 GF-6 反演預測值與真實值散點圖

圖12 Sentinel-2 反演預測值與真實值散點圖

經計算，GF-6 影像的水深反演值與真實值的ARE 為24.3%，而Sentinel-2 的ARE 為28.0%，GF-6的反演值與真實值的RMSE 為1.39 m，Sentinel-2 的反演值與真實值的RMSE 為1.28 m，結果如表3 所示。

表3 兩種衛星數據反演值誤差表

如表3 所示，GF-6 數據的相對平均誤差和均方根誤差均與Sentinel-2 反演的結果非常接近，說明兩者水深反演能力相似，進而表明可以用國產GF-6 數據代替國外高分辨率多光譜數據開展淺水水深反演研究和大規模的推廣應用。

4 結 論

本文針對國產GF-6 多光譜遙感影像的水深反演能力開展初步研究，并以三亞南山港淺海水域開展實驗。實驗結果表明，GF-6 影像8 個波段中綠光波段的水體穿透能力最高，適宜用于水深反演，而近紅外光波段反演精度最低，對水深信息不敏感；雙波段比值模型藍光波段、綠光波段的比值模型反演精度最高，適宜用于水深反演。總體比較，多波段水深反演模型精度要比單波段回歸模型、雙波段比值模型高，其中藍光、綠光、紅光三波段組合得到的反演效果最佳。

與國外主流高分辨率衛星Sentinel-2 數據相比，國產GF-6 衛星數據反演能力和精度與其相當，具備替代國外遙感數據進行水深反演的能力和大規模應用的潛力。

本文得出的結論僅適用于本研究海域，今后將增加不同海底底質類型和不同水質的實驗區對GF-6影像的水深反演能力進行探索。GF-6 影像水深反演技術路線、水深反演模型和精度評價方法具有實際應用價值，但在大氣校正、耀斑剔除等預處理工作方面仍需進一步研究和提高。