典型文献
顾及空间自相关特征的机器学习水深反演方法研究
文献摘要：
基于多光谱影像的水深反演方法是获取近岸水深信息的高效手段,然而反演精度低一直是制约其广泛应用的瓶颈.本文聚焦于实测水深与多光谱数据自身的空间自相关特性,提出在机器学习框架下将学习样本的空间自相关特征与统计互相关特征相结合,以提高水深反演精度.西沙北岛海域的实验结果表明:在实测数据量较小的情况下,相比传统机器学习,顾及自相关特征的新方法可获得18％的精度提升;而当实测数据量充足时,精度提升可达到27％.结果表明,将数据源的空间自相关特征融入机器学习算法中,可显著提升多光谱水深反演结果的精确性,进而为浅海海洋研究提供有效数据支撑.
文献关键词：
水深反演;随机森林;机器学习;空间自相关性
中图分类号：
作者姓名：
王鑫;贝祎轩;陈卓;张凯
作者机构：
山东科技大学测绘与空间信息学院,山东青岛 266590;广州三海海洋工程勘察设计有限公司,广东广州 510220;中兵勘察设计研究院有限公司,北京 100053;自然资源部第二海洋研究所,浙江杭州 310012
文献出处：
引用格式：
[1]王鑫;贝祎轩;陈卓;张凯-.顾及空间自相关特征的机器学习水深反演方法研究)[J].海洋学报（中文版）,2022(11):159-169
A类：
B类：
顾及,习水,反演方法,多光谱影像,近岸水深,深信,反演精度,多光谱数据,相关特性,互相关,西沙,北岛,海域,数据量,精度提升,数据源,机器学习算法,多光谱水深反演,精确性,浅海,海海,海洋研究,有效数据,空间自相关性
AB值：
0.314979
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
