两淮矿区是我国大型的煤炭基地之一,经过多年的开采已形成大面积的沉陷水域,为推进水资源合理利用,水深的测量尤为关键,使用遥感反演水深的方法可高效便捷获取大范围水深数据.本文以淮南矿业集团谢桥煤矿范围内沉陷水域为研究区域,利用Sentinel-2B多光谱影像,研究了相对于随机样本数据集划分法(RS,Random sampling)和光谱-理化值共生距离法(SPXY,Sample set partitioning based on joint x-y distance)对线性拟合模型和神经网络模型的优化作用.实验结果表明:(1)神经网络模型在研究区域内的反演效果较为理想,随机样本数据集划分法和SPXY样本数据集划分法的决定系数分别为0.737和0.787;(2)由于水中悬浮物对光谱反射率的影响很大使得在6-9m的深水域反演效果较差,两种样本数据集划分方法构建的神经网络模型的均方根误差分别为1.178m和1.059m;(3)SPXY样本数据集划分法对构建沉陷水域水深反演模型有着优化作用,对神经网络模型的改进效果最为明显其决定系数提高了0.05,均方根误差和平均绝对误差分别降低了0.097m和0.065m.

沉陷水域;水深反演;多光谱;SPXY

安徽理工大学 空间信息与测绘工程学院;安徽理工大学 矿区环境与灾害协同监测煤炭行业工程研究中心,安徽 淮南 232001;深部煤矿采动响应与灾害防控国家重点实验室

[1]徐阳;徐良骥;张坤;王明达;吴剑飞-.基于多光谱遥感与SPXY的采煤沉陷水域水深反演)[J].赤峰学院学报（自然科学版）,2022(09):53-57

沉陷水域,178m,059m,097m,065m

多光谱遥感,SPXY,采煤沉陷,水深反演,两淮矿区,煤炭基地,水资源合理利用,遥感反演,高效便捷,淮南,矿业集团,煤矿,Sentinel,2B,多光谱影像,随机样本,样本数据集,数据集划分,RS,Random,sampling,Sample,set,partitioning,joint,distance,线性拟合,拟合模型,模型的优化,优化作用,较为理想,决定系数,悬浮物,光谱反射率,大使,深水,划分方法,反演模型,改进效果,平均绝对误差

0.279837