基于多特征输入深度学习的浅海水下地形SAR卫星遥感

学术精汇

作者：

崔宜德1 2 汪胜1 于暘*1 刘桂红1 马文韬1 黄岩1 杨涛1 2 杨晓峰3

作者单位：

1. 中国科学院空天信息创新研究院遥感与数字地球全国重点实验室2. 中国科学院大学3. 南京大学空间地球科学研究院

摘要：

面向浅海地形高精度反演需求，改善光学遥感手段普遍存在的水质依赖性强和测深范围有限的问题，研究以Sentinel-1卫星合成孔径雷达（SAR）遥感影像为数据，提出了一种多特征输入的深度学习浅海地形反演模型.研究数据包括2024年中国海南岛东北部海域的6景SAR影像，其中4景用于模型训练，2景用于模型测试，参考真值为ETOPO的Ice surface elevation geotiff数据.反演模型由1个卷积层、2个BottleNeck模块和1个全连接层构成.实验结果表明，模型在训练集上的均方根误差和平均绝对百分比误差分别为1.57 m和6.56%，在测试集上为1.95 m和11.55%，水深最大探测范围为49.05 m.此外，对于2景不同海况条件下的影像，其水深反演结果接近，表明本文模型具有较好的鲁棒性，可为浅海水下地形遥感探测提供新技术支持.

关键词：

合成孔径雷达浅海地形反演深度学习多特征输入

刊期：

2025，2（45）

所属栏目：

研究论文_空间地球科学

基金资助：

国家重点研发计划项目资助(2023YFB3907700)

分类号：

P71

DOI：

10.11728/cjss2025.02.2024-0158

页数：

页码：

424-436

来源期刊

空间科学学报

Chinese Journal of Space Science