高分六号遥感影像水深反演能力评价

沈 蔚，郝李华，陈沐崟，李 鑫

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

水深作为海洋的一个重要水文因素，对水上的生产生活和军事活动均具有重要的应用价值。水深遥感反演因其具有覆盖面积广、获取便捷、成本低廉等优势，成为一种重要的水深探测手段，也是对传统船载水深测量方法的有效补充[1]。目前，国内外学者使用丰富的数据源进行各种方式的遥感水深反演探索，取得大量有使用价值的成果。MINGHELL-ROMAN A 等[2]使用多种遥感数据包括小型机载成像光谱仪（Compact Airborne Spectrographic Imager，CASI）、快鸟卫星（QuickBird）、小型高分辨率成像光谱仪船上项目（Compact High Resolution Imaging Spectrometer onboard the Project for Onboard Autonomy，CHRIS PROBA）、增强型主题成像仪（Enhanced Thematic Mapper，ETM）、土卫七卫星（Hyperion） 和中分辨率成像光谱仪（MeRIS），对比研究它们的水深反演结果，并得出最适合水深反演的遥感影像参数。PACHECO A 等[3]评估了陆地卫星8 号（Landsat-8）影像的水深反演能力，并揭示其在监测和管理海岸形态演变方面的价值。TRAGANOS D 等[4]利用Sentinel-2 和谷歌地球引擎（Google Earth Engine，GEE） 在爱琴海的3 个地点进行水深反演研究。CAHALANEA C 等[5]对比分析了Landsat-8、快眼卫星（RapidEye）、Pleiades 影像对水深反演预测精度的影响及每个模型参数的重要性。李丽[6]以西沙群岛南岛和赵述岛为实验区，利用WorldView-2 遥感影像进行浅海水深反演研究。刘亮等[7]以南海东岛为研究区，针对World-View-2影像的浅海水深反演能力进行探究。郑贵洲等[8]利用WorldView-2 影像，构建反向传播（Back Propagation，BP） 和径向基函数（Radial Basis Function，RBF）神经网络来进行反演水深实验。赵露露等[9]利用WorldView-2 和地球眼卫星（GeoEye-1）影像在南海北岛和甘泉岛海域进行水深反演实验。陆天启等[10]分别利用GeoEye-1 和WorldView-2 遥感数据进行浅海水深反演实验并对比两种数据源的反演效果。此外，LandSat-8、GeoEye-1 和Sentinel-2 也常用做水深反演研究的遥感数据[10-15]。

近些年来，国产高分系列卫星陆续发射，随后高分系列多光谱遥感数据也成为水深反演研究的重要数据源之一。陈本清等[16]在晋卿岛浅海海域开展高分一号卫星（GF-1） 多光谱影像的水深反演探索。沈蔚等[17]使用GF-1 数据，将网格搜索+XGBoost 模型应用于启东恒大威尼斯浅海区域进行水深反演研究。程洁等[18]利用高分二号卫星（GF-2）遥感数据在香港平洲岛区域进行水深反演并展开精度评价。2019 年3 月21 日，国产GF-6 正式投入使用，目前已有学者开展了GF-6 影像在林业、农业的相关应用[19-23]，水体的识别与叶绿素a 的反演[24-26]，但对其在水深反演上的研究和应用还很少。

本文将GF-6 遥感影像应用于浅海水深反演领域，结合多波束实测水深数据，引入经典的单波段线性回归模型、双波段比值线性回归模型和多波段组合线性回归模型，在三亚南山港浅海海域开展水深反演实验，对比分析各个波段的水深反演精度，从而评价GF-6 影像各波段及其组合的水深探测能力，并与国外主流卫星Sentinel-2 多光谱数据进行对比研究，对充分挖掘GF-6 影像在海洋领域的应用潜力具有重要意义，为国产卫星多光谱影像的水深反演应用提供技术和方法借鉴。

1 研究区与数据

1.1 研究区概况

南山港位于海南省三亚市西南部的崖州湾内，背靠崖城镇，东依南山岭。该区域三面环山，水域开阔且水质清澈，水深介于0～25 m，海底地形变化平缓，底质单一，适宜作为遥感水深反演的场所。本文研究以其为实验区，定量评价GF-6 遥感影像的水深反演性能。

1.2 数据

1.2.1 遥感数据

经筛选，采用南山港2021 年1 月27 日的GF-6多光谱影像用于开展水深遥感反演研究。GF-6 多光谱遥感影像像元大小合适，波段信息丰富包括蓝、绿、红、近红外、红边玉、红边域、紫、黄8个波段，空间分辨率为16 m，各波段波长、分辨率如表1 所示。

表1 GF-6 影像波段信息

在ENVI 软件中对遥感影像进行辐射定标、大气校正、几何校正等预处理，以提高水深反演的精度。

1.2.2 水深数据

实验在多波束实测水深数据中均匀抽取1 000个水深点作为样本点，其中700 个水深点作为训练集，300 个水深点作为测试集，采集时间为2021 年7 月11 日至13 日。中国海事服务网（http://ocean.cnss.com.cn）为本次实验提供了潮汐数据。

图1 水深样本点分布示意图

2 方法

经前人研究概括，遥感水深反演模型主要分为3 大类：理论解析模型、半经验半理论模型和经验模型[27-28]。本文采用应用最为广泛的半理论半经验模型，包括单波段线性回归模型、双波段比值线性回归模型、多波段组合线性回归模型开展南山港浅海海域水深遥感反演。

单波段线性回归模型如下。

双波段比值线性回归模型如下。

多波段组合线性回归模型如下。

式中，N 为波段数；A0、A1、A2和A3为回归系数； Xi= ln（Li- Lsi）， Li为传感器接收到第i 波段的辐亮度；Lsi为最大水深区的辐亮度。

3 实验

3.1 实验设计

3.1.1 实验目的

（1）针对GF-6 多光谱影像的8 个波段，分别建立单波段线性回归模型，对各个波段的反演结果进行分析和能力评价。

（2）针对GF-6 多光谱影像的8 个波段，分别建立双波段比值线性回归模型和多波段组合线性回归模型，并对各种波段组合水深反演结果进行分析和能力评价。

（3） 在相同条件下，横向对比研究单波段模型、双波段比值模型、多波段模型应用于水深反演的效果。

（4）将GF-6 多光谱影像的水深反演结果同已广泛应用于水深反演的Sentinel-2 影像的水深反演结果进行比较研究，以分析GF-6 影像在水深反演领域中的应用能力。

3.1.2 实验方案

基于700 个水深点的训练集，针对GF-6 遥感影像的8 个波段（B1 蓝光波段、B2 绿光波段、B3红光波段、B4 近红外波段、B5 红边玉波段、B6 红边域波段、B7 紫光波段、B8 黄光波段），分别建立8 个单波段水深反演模型，两两排列（考虑排序）建立56 个双波段水深反演模型，3 个波段为一组（不考虑排序）建立56 个多波段水深反演模型。利用300 个水深点的测试集分别评价各波段和组合水深反演精度。

3.1.3 精度评价指标

反演水深精度评价中，将反演计算水深与测试集实测水深比对，采用均方根误差和平均相对误差作为反演精度评价指标。

式中，RMSE 为均方根误差；ARE 为平均相对误差；驻Di=Zi-Yi、驻Zi=|Zi-Yi|，Zi和Yi分别为第i 个测试点的水深和反演实测水深；n 为测试点的数量。RMSE、ARE 值越小，表示反演的精度越高。

3.2 结果与分析

3.2.1 单波段反演模型

GF-6 8 个波段的水深反演精度如图2 所示，其中B2 绿光波段的反演精度最高，水深反演能力最强，ARE 值为33.7%，B1 蓝光波段次之，红光波段反演效果第三，近红外波段精度最低。GF-6 的B2 绿光波段回归模型水深反演结果及与实测水深的残差图，如图3 和图4 所示。

图2 单波段水深反演精度

图3 绿光波段回归模型水深反演结果

图4 绿光波段反演水深与实测水深残差图

3.2.2 双波段比值反演模型

将GF-6 影像的8 个波段两两排列（考虑排序） 得到56 个双波段组合，分别进行水深反演，精度结果如图5 所示。其中B1 蓝光、B2 绿光组合方式的反演效果最好，精度评价最高，ARE 值达到24.7%，其反演结果及与实测水深的残差图如图6、平均值为1.90 m，而双波段比值模型平均相对误差的平均值为0.408，均方根误差的平均值为1.83 m，均小于单波段模型，因此双波段比值模型的精度整体高于单波段回归模型。图7 所示。将图5 与图2 进行比较，其中单波段模型平均相对误差的平均值为0.430，均方根误差的

图5 双波段比值水深反演精度

图6 蓝绿波段比值回归模型水深反演结果

图7 蓝绿波段反演水深与实测水深残差图

3.2.3 多波段反演模型

根据前人研究和实验验证，参与水深反演的波段不是越多越好。在GF-6 影像的8 个波段中任意选取4 到8 个波段组合分别进行水深反演，各波段组合最佳反演结果的均方根误差依次为1.623 m、1.607 m、1.579 m、1.619 m、1.796 m，平均相对误差依次为30%、31.4%、28.5%、37.2%、39.1%，其反演精度均低于3 个波段组合，故本文多波段反演模型仅讨论3 个波段组合方式的模型。将GF-6影像的8 个波段以3 个为一组合（不考虑排序），得到56 个多波段组合，分别进行水深反演，反演精度如图8 所示，其中B1 蓝光波段、B2 绿光波段、B3 红光波段的组合模型精度最高，RMSE 为1.387 m，ARE 值为24.3%，其水深反演结果及与实测水深的残差图如图9、图10 所示。

图8 多波段组合水深反演精度

图9 蓝、绿、红光波段组合回归模型水深反演结果

图10 蓝、绿、红光波段反演水深与实测水深残差图

3.2.4 不同模型反演精度对比

利用相同的数据集和三类不同的模型进行水深反演实验，精度如表2 所示，对比发现多波段模型在实验区的应用效果明显优于其他两种回归模型，拟合效果最好。所以本次实验的最佳反演模型是B1、B2、B3 三者组合形成的多波段模型，其RMSE 为1.387 m，ARE 值达到24.3%。

表2 不同模型反演精度对比

3.2.5 不同遥感影像数据反演精度对比

针对Sentinel-2 数据的蓝、绿、红光进行多波段水深反演实验，将其结果与本次实验反演效果最佳的GF-6 多波段反演结果进行对比研究，其中0～5 m 水深区间，Sentinel-2 反演得出的等深线值与实际水深基本吻合，而GF-6 反演得出的结果与实际水深有一定的误差；当水深大于10 m，两种数据源反演的水深与实测数据都差距甚大，在两者数据都很差的情况下不具有可比性。将GF-6 与Sentinel-2反演水深的预测值与水深真实值做散点图分析，可以更直观地看出其拟合程度，拟合结果图如图11和图12 所示。

图11 GF-6 反演预测值与真实值散点图

图12 Sentinel-2 反演预测值与真实值散点图

经计算，GF-6 影像的水深反演值与真实值的ARE 为24.3%，而Sentinel-2 的ARE 为28.0%，GF-6的反演值与真实值的RMSE 为1.39 m，Sentinel-2 的反演值与真实值的RMSE 为1.28 m，结果如表3 所示。

表3 两种卫星数据反演值误差表

如表3 所示，GF-6 数据的相对平均误差和均方根误差均与Sentinel-2 反演的结果非常接近，说明两者水深反演能力相似，进而表明可以用国产GF-6 数据代替国外高分辨率多光谱数据开展浅水水深反演研究和大规模的推广应用。

4 结 论

本文针对国产GF-6 多光谱遥感影像的水深反演能力开展初步研究，并以三亚南山港浅海水域开展实验。实验结果表明，GF-6 影像8 个波段中绿光波段的水体穿透能力最高，适宜用于水深反演，而近红外光波段反演精度最低，对水深信息不敏感；双波段比值模型蓝光波段、绿光波段的比值模型反演精度最高，适宜用于水深反演。总体比较，多波段水深反演模型精度要比单波段回归模型、双波段比值模型高，其中蓝光、绿光、红光三波段组合得到的反演效果最佳。

与国外主流高分辨率卫星Sentinel-2 数据相比，国产GF-6 卫星数据反演能力和精度与其相当，具备替代国外遥感数据进行水深反演的能力和大规模应用的潜力。

本文得出的结论仅适用于本研究海域，今后将增加不同海底底质类型和不同水质的实验区对GF-6影像的水深反演能力进行探索。GF-6 影像水深反演技术路线、水深反演模型和精度评价方法具有实际应用价值，但在大气校正、耀斑剔除等预处理工作方面仍需进一步研究和提高。