海岸带研究
王照翻, 马梓程, 熊忠招, 孙天成, 黄赞慧, 符钉辉, 陈靓, 谢菲, 谢翠容, 陈思
以万宁海域为例,选取不同水环境条件的3景Landsat-8(20190716、20210628)与Sentinel-2数据,利用随机森林(Random Forest, RF)回归、支持向量机(Support Vector Machine, SVM)、偏最小二乘(Partial Least Squares Regression, PLSR)3种机器学习方法分别开展水深反演试验,并评价其精度。结果显示,水体透明度最好、海浪效应最弱的一景Landsat-8(20190716)数据获得最高的水深反演精度,在0~40 m水深区间,R2为0.814,MAE、RMSE和MAPE分别为3.39 m、4.31 m和0.366,在0~20 m水深区间,R2为0.874,MAE、RMSE和MAPE分别为2.24 m、3.24 m和0.449。RF算法在整个水深区间获得相对高的水深反演精度,SVM和PLSR算法在部分水深区间的水深反演中显示出优势。