马洛丹, 贾翊文, 李鑫, 彭小燕, 邓应彬, 李苗, 李昭, 邓琰, 陈仁容, 周霞
录用日期: 2025-12-02
针对高浊度养殖池塘水体光学特性复杂以及底质反射干扰导致传统水深遥感反演精度受限的问题,文章提出一种融合多光谱影像与颜色空间转换特征的水深遥感反演优化方法:首先,通过将原始多光谱影像数据转换至HSV、Lab和YUV颜色空间,并与光谱数据进行像元级融合,生成增强型输入数据集;其次,基于此数据集,系统对比了5种机器学习模型(SVR、MLPR、RF、XGBoost、GBDT)在不同波段组合下的水深反演性能。实验结果表明:1)融合3种颜色空间特征均显著提升了反演精度,其中HSV空间融合效果最优,使决定系数R²由0.36提高至0.78;2)在5种模型中,集成学习方法(RF、XGBoost、GBDT)整体优于SVR和MLPR,其中GBDT模型精度最高(R²=0.85,RMSE=0.05 m,MAE=0.04 m)。文章验证了多光谱影像与颜色空间特征融合技术,可有效提升高浊水体水深反演精度,为精细化水产养殖监控及污染物通量估算提供了更可靠的技术支撑。