T-CI 329-2024 主被动融合浅水水下地形提取技术规范

T/CI329—2024主被动融合浅水水下地形提取技术规范Technicalspecificationforshallowwaterbathymetrybasedonintegrationofactiveandpassivemethods2024-04-15发布2024-04-15实施中国国际科技促进会发布I 2 2 2 3 37.2遥感影像处理 37.3水深数据处理 4 5 58.2多项式法水下地形提取 58.3神经网络法水下地形提取 5 6 6 6 6 6 6 7本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构大学、海南师范大学、河南理工大学、中国黄荣永、李国元、谷延锋、栾奎峰、朱卫东1基本要求、数据准备与处理、水下地形提取算法、精度评价、产品质量检查等内2规范性引用文件3.1水体其固有光学参数的变化主要由浮游植物及其附属物的变化决定3.23.33.43.523.63.74符号与缩略语NDWI：归一化水体指数（NormalizedDifferenceWatNIR：近红外波段（NearInfrared）5.3深度基准面应采用理论最低潮面，在远离大陆的岛、礁，其深度基准面可采用当地平均海平面。5.6成果的生产、分发和使用应符合保密的相关规定。主动测深数据处理、精度评价、产品质量检查等内容。具体3辐射校正几何校正多项式法辐射校正几何校正多项式法耀斑校正被动光学卫星影像数据耀斑校正主动测深数据处理测试样本陆地掩膜训练样本主动测深数据处理测试样本陆地掩膜训练样本坐标统一坐标统一实测水深数据卫星遥感影像筛选遥感影像处理水下地形提取神经网络法精度评价产品质量检查水下地形提取产品7.1被动光学卫星遥感影像筛选注：在一般情况下，空间分辨率优于30m更有利于水下地形卫星遥感提取。选择与测量任务需求时间相近的、成像质量好的、覆盖反演区域的一等可见光波段和近红外波段(770-89a)影像层次丰富、色彩清晰、色调均匀、反差适b)影像无传感器条带噪声，主要工作区无明显环境噪声。7.2遥感影像处理47.2.1.1.2波段λ的辐射亮度应采用下列公式计算：Lλ=k∙DN+c··················································(1)b)控制点在影像上均匀分布；b)对选取区域内的像元，以近红外波段为X轴，以可见光波段为Y轴进行统计回归分析，确定斜c)根据耀斑校正公式获取整幅影像耀斑7.2.3.2耀斑校正应采用下列公式计Rwb(λ)=R(λ)−b(λ)[R(NIR)−Rmin(NIR)]································(2)b(λ)——斜率；R(NIR)——近红外波段地表反射率值。7.2.4.1使用NDWI提取遥感影像水体，将陆地进行掩膜处理。NDWI的计算使用绿波段（Green）和近红外波段（NIR）。7.2.4.2NDWI值应采用下列公式计算：NDWI=···············································RGreen——绿波段地表反射率值；RNIR——近红外波段地表反射率值。7.3水深数据处理5a)去除被影像噪声淹没的水深点；8水下地形提取方法8.1.3水深提取应采用下列公式计算：Z=c1−c0···············································n——某一固定常数，通常取1000；R(λi)——第i个波段的地表反射率。8.2.3水深提取应采用下列公式计算：Z=a0+∑1ailn······································a0和ai——线性回归系数；8.3神经网络法水下地形提取8.3.3将经过预处理的遥感影像多个波段地表反射率作为输入层的输入值、水深值作为输出层的输出注：BP神经网络是由输入层、隐含层、输出层组成的一种前馈神经网络。6波段1波段2波段n输出层输入层Z(水深值)中间层(隐层)9成果质量检查9.1.1利用实测水深数据测试样本，对水下地形提取结果进行精度评价。定量评价指标使用RMSE和MRE。9.1.2精度评价按照以下公式计算：RMSE=√··············································MRE=···············································RMSE——均方根误差；n——实测水深样本数量。9.1.3