Orginal Article

Retrieval of island shallow water depth from the GaoFen-1 multi-spectral imagery

  • CHEN Benqing ,
  • YANG Yanming ,
  • LUO Kai
Expand
  • Third Institute of Oceanography, State Oceanic Administration, Xiamen, 361005, China

Received date: 2016-06-27

  Request revised date: 2016-11-04

  Online published: 2017-04-06

Supported by

High Resolution Earth Observation System Special Project (41-Y30B12-9001-14/16)

Promote Cross-Taiwan Strait Union Science and Technology Cooperation Fund (U1405234)

Scientific Research Foundation of Third Institute of Oceanography, State Oceanic Administration (2014017)

Copyright

热带海洋学报编辑部

Abstract

It is of great significance to fully exploit the oceanic application potential of the GaoFen-1 data, which is the first domestic high-resolution satellite of Earth observation in China. In this study, a GaoFen-1 multi-spectral image is used to retrieve the island shallow water depth of Jinqing Island in Xisha sea area by adopting the dual-band linear model and log-ratio model, after serials of image processing including image geometric correction, atmospheric correction and sun-glint correction. The accuracy of the two models is evaluated by using actual water depth data. Meanwhile, possible influence factors of retrieval accuracy of island shallow water depth from satellite data are discussed. It is shown that the result from the dual-linear model is obviously better than that from the log-ratio model, and the dual-band linear model is more suitable for the retrieving shallow water depth of Jinqing Island. For water depth less than 20 m, the overall root mean square (RMS) error is 1.8 m with RMS error of 1.14 m within 5 m, which reaches the level of accuracy of water depth inversion by satellite remote sensing.

Cite this article

CHEN Benqing , YANG Yanming , LUO Kai . Retrieval of island shallow water depth from the GaoFen-1 multi-spectral imagery[J]. Journal of Tropical Oceanography, 2017 , 36(2) : 70 -78 . DOI: 10.11978/2016064

岛礁周边浅海海域是滩、礁等碍航危险物较多的海区, 浅海水深测量作为舰船安全航行的保障, 一直是海洋测绘的重要内容(黄文骞 等, 2013)。传统水深测量方法主要是船载单波束或多波束测深法, 但对暗礁密布的危险海域以及存在争议或他国非法侵占的岛礁, 这些方法往往难以有效实施。近十多年发展起来的机载激光测深技术能够获取浅海水域密集的高精度水深点数据, 但应用成本昂贵, 对于有争议的敏感海区无法飞行作业(陈坚 等, 2002)。卫星遥感具有不受地理空间约束、费用低等优势。因此, 发展基于卫星遥感的岛礁周边浅海水深遥感反演技术, 并用于获取危险及争议海区的岛礁浅海水深信息, 已是当前海洋测绘急需解决的问题之一。
我国从20世纪90年代开始岛礁浅海水深卫星遥感反演。邸凯昌等(1999)利用18景26个时相的TM数据编制了1:25万比例尺的南沙群岛卫星遥感水深图集; 党福星等(2003)利用TM 遥感数据建立南海永暑礁附近海区的水深反演模型; 张鹰等(2009)利用MODIS影像和实测地形数据开展南黄海辐射沙脊群海域的水深遥感, 反演效果较好; 梁建等(2015)以西沙东岛为例开展水深控制点、检查点数量和比例尺对水深反演精度的影响分析。针对水深遥感反演技术, 国内外研究人员在原有水深反演理论模型和定量研究方法基础上, 提出了一系列改进方法与措施, 如人工神经网络(Sandidge et al, 1998)、对数波段比值算法(Stumpf et al, 2003)、划分底质类型反演方法(党福星 等, 2003)、地理空间自适应水深反演方法(Su et al, 2014)以及非线性模型(盛琳 等, 2015)等。高光谱和高空间分辨率卫星遥感数据的应用进一步提高了水深遥感反演精度(Jay et al, 2014; Eugenio et al, 2015)。
高分一号作为首颗对地观测系统的国产高分辨率卫星, 目前应用于岛礁周边开展浅海水深反演的相关研究较少。因此, 充分挖掘高分一号卫星数据的海洋应用潜力, 开展水深遥感反演研究, 获取远海与争议岛礁的周边浅海水深数据, 具有重要意义。
研究以西沙群岛晋卿岛周边浅海水域为研究区域, 利用国产高分一号卫星多光谱数据, 在高分一号卫星数据几何校正、大气校正以及耀斑校正处理等预处理基础上, 应用常用的双波段线性模型和对数比值模型开展晋卿岛周边浅海水深反演, 并利用实测水深数据开展精度评价, 对比不同模型反演结果进行分析。

1 研究区域与数据

1.1 研究区域

本文选取西沙群岛晋卿岛为研究区域(图 1 a)。晋卿岛位于永兴岛西南约75km, 是中国西沙群岛永乐环礁里最南端的椭圆形岛, 长约950m, 最宽处约420m, 面积约0.21km2。晋卿岛为砂岛, 沙堤高出海面约3~5m, 沙滩砂质洁白, 砂粒细小。岛上植被发育好, 海滩地带比较广泛地发育了海滩岩。晋卿岛西侧多为浅滩区, 东侧海底地形坡度徒且水深大, 易受风浪影响。
Fig. 1 Location of Jinqing Island (a) and acquired Gaofen-1 satellite image (b). The red box in (b) denotes the study area

图1 西沙晋卿岛位置分布(a)及获取的高分一号卫星数据(b)(红框为研究区域)

1.2 高分一号卫星数据

获取西沙晋卿岛2014年5月9日高分一号卫星多光谱图像(图 1 b)用于开展水深遥感反演研究。高分一号卫星数据的波段范围、分辨率和定位精度等相关参数见表1。该景图像存在较明显的耀斑干扰信息, 在晋卿岛周边浅海区域内分布有少量的云, 成像时刻的潮位110cm, 接近当日高潮位。
Tab. 1 Related parameters of Gaofen-1 satellite image

表1 高分一号卫星图像相关参数

传感器 波长/mm 分辨率/m 幅宽/km 自主定位精度
全色 0.45~0.90 2.0 60 优于50m
多光谱 蓝波段: 0.45~0.52
绿波段: 0.52~0.59
红波段: 0.63~0.69
近红外波段: 0.77~0.89
8.0 60

1.3 实测水深点数据

在2013年晋卿岛研究区域8m×8m网格实测水深数据的基础上, 随机选取均匀分布的5个断面共142个实测水深点作为水深参考数据(图2)。水深数据水平定位精度在1m左右, 水深精度约为0.2m。在水深参考点进入水深遥感反演模型前进行潮汐订正补偿, 同时在研究区域内沿岸随机选择40个断面共827个水深点(图2)作为水深反演结果的验证点。
Fig. 2 Reference points (a) and accuracy validation points (b) of water depth

图2 水深参考点(a)与验证点分布(b)

2 水深遥感反演

2.1 遥感图像预处理

2.1.1 图像几何校正
遥感图像与实测水深数据的精确定位匹配是保证水深反演模型精度的重要基础。高分一号卫星数据自主定位精度在50m以内, 在空间定位上无法保证与实测水深点的严格匹配。研究采用自主定位精度高的GeoEye-1图像(定位精度约为3m)对高分一号图像进行几何精校正, 共选取10个控制点, 几何校正方法采用一次多项式, 几何校正后的均方根(root mean square, RMS)总体误差为10m左右, 大大提高了定位精度。为保持原有光谱信息, 采用最邻近像元法进行像元重采样。
2.1.2 暗像元大气校正
暗像元法是一种仅通过遥感影像本身信息, 而不需要野外场地测量等辅助数据, 并能够适用于历史影像数据和偏远区域的一种大气校正方法。
根据大气简化理论模型, 在不考虑大气下界半球反照率S(非常小, 可忽略不计)的情况下, 地表反射率R可表达为:
上式中卫星接收到的表观辐亮度Lsat可由卫星影像像元直接求得, 太阳天顶角θZ可根据日期和时间计算, 大气层外相应波长的太阳光谱辐照度E0可由光谱传感器响应函数计算求得。
要获得地表反射率R, 需确定大气程辐射Lp、大气上行透过率Tv、大气下行透过率Tz和天空光漫射到地表的光谱辐照度Ed四个未知参数。根据对大气参数的不同简化假设, 暗像元法可分为4种不同的大气校正模型, 具体模型参数及计算详见郭红等(2014)的文章, 其中DOS3模型综合考虑瑞利散射和气溶胶光学厚度因素, 计算精度略低于过程复杂的辐射传输模型, 因此研究采用DOS3模型对晋卿岛高分一号多光谱数据开展大气校正处理。
暗像元目标选取是大气校正的重要过程, 一般可选取深且清洁水体、浓密植被、阴影等作为暗像元目标(陈蕾 等, 2012; 陈启东 等, 2014)。本文采用清洁深水区的像元作为暗像元目标, 各波段反射率根据陈启东等(2014)分别设置为0.01、0.012、0.005和0.001。大气校正中用到的高分一号图像各波段的辐射定标系数和大气层外波段太阳辐照度列于表 2表 3为DOS3算法经过迭代稳定后的各大气参数, 其中蓝绿波段的大气气溶胶光学厚度分布为0.54和0.32。为比较大气校正效果, 在大气校正前后的图像上分别选取岛陆植被和实测水深约0.5m处的珊瑚礁盘为样区(图3)。统计并分析平均反射率变化(图4)可知, 经过DOS3大气校正, 植被的几个光谱吸收谷和反射峰特征更加明显。而对珊瑚礁盘而言, 由于珊瑚礁大多共生藻类, 其大气校正后的波段光谱出现蓝波段吸收和绿波段反射峰特征, 在近红外波段, 由于水体对近红外波段的强烈吸收, 珊瑚礁近红外强反射特征消失。这些光谱特征与徐兵(2013)在广东徐闻珊瑚礁保护区的实测光谱特征是一致的。分析表明DOS3大气校正算法较好地去除了大气辐射的影响。
Fig. 3 Location distribution of two objects for evaluating atmospheric effect of DOS3

图3 用于DOS3大气校正效果比较的两种地物样区的位置分布图

Fig. 4 Reflectance comparison of two different objects before and after atmospheric correction

图4 大气校正前后两种不同地物反射率比较

Tab. 2 Radiance calibration coefficients and solar exoatmospheric irradiances constant of Gaofen-1 satellite

表2 高分一号图像各波段的辐射定标系数和大气层外波段太阳辐照度

波段 增益值/ (W·m-2·Sr-1·µm-1) 偏移值/
(W·m-2·Sr-1·µm-1)
E0 /
(W·m-2)
蓝波段 0.2247 0.0 1944.98
绿波段 0.1892 0.0 1854.42
红波段 0.1889 0.0 1542.63
近红外波段 0.1939 0.0 1080.81

注: 高分一号定标系数采用2014年外场绝对辐射定标系数

Tab. 3 Atmospheric parameters after iteration and stability of DOS3 algorithm

表3 DOS3算法经过迭代稳定后的各大气参数

蓝波段 绿波段 红波段 近红外波段
迭代次数 3 3 3 2
Tv 0.59 0.73 0.78 0.80
Tz 0.58 0.72 0.77 0.79
Ed/(W·m-2·µm-1) 774.89 484.85 333.45 210.36
光学厚度 0.54 0.32 0.25 0.23
Lp/(W·m-2·µm-1) 61.76 38.66 26.54 16.81
2.1.3 太阳耀斑校正
太阳耀斑使得水体信息被菲涅尔反射信号所淹没, 影响水深信息提取精度。Goodman等(2008)的案例研究表明, 影像耀斑引起的水深反演误差可达到30%以上。目前针对高分辨率卫星遥感数据的耀斑校正算法主要包括Hochberg等(2003)提出的算法以及在此基础上改进的Hedley等(2005)算法和Lyzenga等(2006)算法。
采用Hedley等(2005)算法对获取的高分一号卫星数据进行耀斑校正。该算法认为由于水体的菲涅尔反射不依赖波长, 近红外波段与可见光波段的耀斑分布存在线性相关, 即近红外波段耀斑强的像元, 可见光耀斑反射也强(图5)。具体算法公式如下:
其中, Lwb(λ)为波段耀斑校正后的像元值; L(λ)为波段耀斑校正前的像元值, Lmin(NIR)为红外波段的最低值, L(NIR)为红外波段的像元值, b(λ)为斜率。
Fig. 5 Graphical interpretation of sun glint correction method of Heldley et al (2005)

图5 Hedley等(2005)的算法示意图

算法具体操作步骤为: a)在经过大气校正后的影像上, 选取一个或多个包含不同程度耀斑的典型区域, 确定近红外波段的最低值Lmin(NIR); 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, 确定斜率b(λ); c)根据耀斑校正公式获取整幅影像耀斑校正后的像元值。
统计表明, 典型耀斑区域可见光波段与近红外波段数据相关性较好, 相关性在0.88~0.94间, 满足算法的假定条件。图 6为耀斑校正前后图像及其局部放大对比, 可见耀斑校正算法可较好地去除图像耀斑干扰信息, 改善了高分一号多光谱图像质量。
Fig. 6 Image and its corresponding magnification before and after sun glint correction (a, b: before correction; c, d: after correction)

图6 耀斑校正前后图像及其对应的局部放大图(a、b: 校正前; c、d: 校正后)

2.2 水深遥感反演模型

水深遥感反演技术的关键是建立有效反映遥感影像光谱值与水深信息关系的解析模型。目前, 在水深反演模型构建方面主要有物理模型、半经验模型和统计模型。半经验模型是基于光在水体中的辐射衰减特性, 采用理论模型与经验参数相结合的方式对模型进行了简化, 由于计算过程需要的光学参数少, 且具有较高的反演精度, 成为当前水深遥感中应用较为广泛的模型(许海蓬 等, 2014)。研究采用目前常用的双波段线性和对数比值模型开展西沙晋卿岛周边浅海水深遥感反演。
2.2.1 双波段线性模型
光在水体中随深度增加呈指数衰减。Philpot (1987, 1989)利用了一个简单辐射传输模型作为推导水深反演算法的物理基础。该辐射传输模型表达如下:
其中Rw为传感器接收到的离水反射率, R为光学深水水体反射率, Rb为海底底质反照率, g为水体向上和向下漫射衰减系数的函数, z为水深。
对上式方程变形, 可得到水深反演的理论公式:
在上式理论公式的基础上, Lyzenga(1978, 1981, 1985)发展了一个双波段线性模型进行水深反演。在满足不同海底类型波段反射比一致和水体性质均一的条件下, 该模型能较好地纠正不同海底反照率的影响, 适用于海底反照率变化的浅海区域水深反演。其表达为:
式中a0a1a2为经验回归系数, 通过实测水深数据与水面反射率统计回归分析获取。实际上, 对于低反照率海底(如可见光波段的高密度藻类、海草等), 当海底反照率Rb< R, Rb-R为负值。根据辐射传输模型, 此时离水辐射率Rw信号随着水深z不断增强, 因此, 该模型的水深反演误差大大增加。
2.2.2 对数比值模型
一般而言, 随着水深增加, 波段离水反射率减小, 但短波段的衰减程度要小于长波段, 故随深度增加, 两个波段的反射率对数比值越大。而根据Philpot(1989)研究, 不同底质反照率在波段间的比值变化相似, 其波段对数比值的变化就更小。因此, 波段对数比值不仅与水深具有良好相关性, 也一定程度上消除底质影响。基于以上认识, Stumpf等(2003)提出双波段对数比值模型, 将两个可见光波段离水反射率对数比值与水体深度通过线性关系进行关联, 并应用于IKONOS海岛图像区域, 取得了较好的效果。
双波段对数比值模型公式为:
式中, i为短波段, j为长波段, m1为斜率常数, m0为水深z为0m时, 对数比值的偏移量, n为某一固定常数, 是为保证任何情况下对数值为正数且保证对数比值与深度z呈线性关系而设定的。

3 结果分析

图 7图 8分别为对数比值和双波段线性模型反演并经过潮汐订正后获取的高分一号图像水深结果图及其精度验证散点图。由于不在研究深度范围内, 图中对岛礁周边大于20m水深区域进行了掩膜处理。对比可知, 对数比值模型反演结果不理想, 验证点的反演值与实测值离散性相当大, 相关性仅为0.55, 特别是在10m以浅水深区域, 误差偏大; 相对于对数比值模型, 双波段线性模型反演结果与实测水深数据相当一致, 验证点的水深反演值与实测值相关性较好, 达到0.84, 仅部分受云、云影与超过20m水深的区域水深反演误差较大。
Fig. 7 Estimated water depth map from the log-ratio model (a) and dual-band linear model by using Gaofen-1 image

图7 对数比值(a)和双波段线性(b)模型高分一号图像水深反演结果图

Fig. 8 Scatter plots of retrieved water depths from the log-ratio model (a) and dual-band linear model (b) versus actual water depths

图8 对数比值(a)和双波段线性模型(b)水深反演结果验证散点图

综上, 基于双波段线性模型的晋卿岛高分一号多光谱数据水深反演结果要明显好于双波段对数比值模型。
进一步分析双波段线性反演结果的误差分布情况, 发现大部分误差较大的验证点主要分布于晋卿岛东部(图9), 这部分区域受到其东部上空薄云及其云阴影影响, 由此导致反演水深误差增大, 因此这些异常验证点应予以剔除。剔除这些异常验证点后, 反演水深与实测水深的相关系数R提高到0.91, 均方根误差降低为1.8m(图10)。其中0~5m水深范围内, 反演均方根误差为1.14m(表4), 随水深增加, 水深反演均方根误差增大, 在15~20m深度区间达到3.33m。
Fig. 9 Graphical display of the outlier points

图9 误差较大验证点分布区域

Fig. 10 Same as Fig. 8b, except after eliminating the outlier points

图10 剔除验证异常点后双波段线性模型
水深反演结果验证散点图

Tab. 4 Error estimation of different water depth ranges

表4 不同深度水深反演误差分析

水深范围/m 0~5 5~10 10~15 15~20
验证点数/个 349 233 113 22
均方根误差(RMS)/m 1.14 1.89 2.67 3.33

4 结论与讨论

4.1 结论

本文以西沙群岛晋卿岛为研究区域, 应用高分一号卫星多光谱数据开展岛礁周边浅海水深遥感反演, 对比分析了双波段线性与对数比值模型的反演结果, 并利用大量的高精度实测水深点数据对反演结果进行精度验证。研究结果表明, 双波段线性模型的反演精度与稳定性要明显优于对数比值模型, 更适合应用于岛礁周边的水深反演研究。精度验证表明, 高分一号数据在晋卿岛周边20m以浅海域的水深反演总体均方根误差小于2.0m, 在5m以浅区域的RMS误差在1.0m左右, 达到了目前水深遥感反演的精度水平。

4.2 讨论

水深遥感反演精度受大气条件、水体耀斑与光学性质以及海底类型复杂性等诸多因素影响。具体到本文工作, 我们认为影响高分一号卫星多光谱数据反演晋卿岛周边浅海水深精度的主要因素包括以下几个方面。
大气条件均匀假设。尽管采用暗像元大气校正算法去除了均匀大气的影响, 但实际上由于晋卿岛周边存在着不均匀薄雾、薄云及其相应云影等非均匀大气条件影响, 这些区域大气校正效果可能不佳, 由此导致大气校正后的水体反射率产生误差, 从而在水深反演模型中引入误差, 这可能是影响水深反演精度的一个重要原因。
水体光学性质一致性假设。水深遥感反演模型假设岛礁周边区域的水体光学性质(水体向上和向下漫射衰减系数的函数, 即g值)均匀一致。实际上由于岛礁周边不同区域(如礁盘内外)的水动力差异以及底栖生境的不同, 其水体组分(叶绿素、悬浮物)与浓度也存在差异, 由此可能引起水体光学性质的空间不均匀分布。
为此, 我们在晋卿岛周边不同区域均匀底质上分别取了3个剖面, 根据单波段水深反演理论公式:
式中, , , 当底质反射率均一时, 上式满足线性关系, 其斜率即为该断面的g值。利用实测水深数据z和图像反射率数据X, 统计获得了3个剖面的g值。结果表明3个剖面的g值并不一致, 越靠近礁盘区域, 其g值越大。因此g值一致性假设可能也是影响晋卿岛周边浅海水深反演精度的另外一个重要因素。
海底底质混合像元影响。尽管高分一号卫星多光谱图像分辨率达到8m, 空间分辨率较高, 但晋卿岛周边浅海区域的海底底质类型多样, 包括有珊瑚礁、砂质以及藻类等, 特别是在底质类型过渡区域混合像元情况严重, 由此导致海底反射率不确定性增加, 降低水深反演精度。

The authors have declared that no competing interests exist.

1
陈坚, 金翔龙, 2002. 机载激光测深技术进展及应用[J]. 海洋通报, 21(6): 75-82.

CHEN JIAN, JIN XIANGLONG, 2002. Advances in and application of airborne laser bathymetry technology[J]. Marine Science Bulletin, 21(6): 75-82 (in Chinese).

2
陈蕾, 邓孺孺, 何颖清, 等, 2012. 基于海岛阴坡植被和短波红外水体的遥感水色大气校正——以ETM影像为例[J]. 海洋学报, 34(5): 183-190.

CHEN LEI, DENG RURU, HE YINQING, et al, 2012. The ocean color atmospheric correction based on water body characteristics of SWIR and vegetation on the shadow side of oceanic island: A case study of ETM data[J]. Acta Oceanologica Sinica, 34(5): 183-190 (in Chinese).

3
陈启东, 邓孺孺, 陈蕾, 等, 2014. 西沙群岛岛礁区域WorldView-2影像大气校正[J]. 热带海洋学报, 33(3): 88-94.

CHEN QIDONG, DENG RURU, CHEN LEI, et al, 2014. Atmospheric correction of WorldView-2 data for the Xisha islands and reefs imagery[J]. Journal of Tropical Oceanography, 33(3): 88-94 (in Chinese).

4
党福星, 丁谦, 2003. 利用多波段卫星数据进行浅海水深反演方法研究[J]. 海洋通报, 22(3): 55-60.

DANG FUXING, DING QIAN, 2003. A technique for extracting water depth information from multispectral scanner data in the South China Sea[J]. Marine Science Bulletin, 22(3): 55-60 (in Chinese).

5
邸凯昌, 丁谦, 陈薇, 等, 1999. 南沙群岛海域浅海水深提取及影像海图制作技术[J]. 国土资源遥感, 41(3): 59-64.

DI KAICHANG, DING QIAN, CHEN WEI, et al, 1999. Shallow water depth extraction and chart production from TM images in Nansha islands and nearby sea area[J]. Remote Sensing for Land & Resources, 41(3): 59-64 (in Chinese).

6
郭红, 顾行发, 谢勇, 等, 2014. 基于ZY-3CCD相机数据的暗像元大气校正方法分析与评价[J]. 光谱学与光谱分析, 34(8): 2203-2207.

GUO HONG, GU XINGFA, XIE YONG, et al, 2014. Evaluation of four dark object atmospheric correction methods based on ZY-3CCD data[J]. Spectroscopy and Spectral Analysis, 34(8): 2203-2207 (in Chinese).

7
黄文骞, 吴迪, 杨杨, 等, 2013. 浅海多光谱遥感水深反演技术[J]. 海洋技术, 32(2): 43-46.

HUANG WENQIAN, WU DI, YANG YANG, et al, 2013. Multi-spectral remote sensing water depth retrieval technique in shallow sea[J]. Ocean Technology, 32(2): 43-46 (in Chinese).

8
梁建, 张杰, 马毅, 2015. 控制点与检查点数量和比例对水深遥感反演精度的影响分析[J]. 海洋科学, 39(2): 15-19.

LIANG JIAN, ZHANG JIE, MA YI, 2015. Analysis of the influence of the amount and proportion of control points and check points on the accuracy of bathymetry remote sensing inversion[J]. Marine Sciences, 39(2): 15-19 (in Chinese).

9
盛琳, 王双亭, 周高伟, 等, 2015. 非线性模型岛礁礁盘遥感水深反演[J]. 测绘科学, 40(10): 43-47.

SHENG LIN, WANG SHUANGTING, ZHOU GAOWEI, et al, 2015. Research on reefs bathymetry estimation by remote sensing based on nonlinear model[J]. Science of Surveying and Mapping, 40(10): 43-47 (in Chinese).

10
徐兵, 2013. 珊瑚礁遥感监测方法研究[D]. 南京: 南京师范大学: 1-107.

XU BING, 2013. Method study of coral reef remote sensing monitoring[D]. Nanjing: Nanjing Normal University: 1-107 (in Chinese).

11
许海蓬, 马毅, 梁建, 等, 2014. 基于半经验模型的水深反演及不同水深范围的误差分析[J]. 海岸工程, 33(1): 19-25.

XU HAIPENG, MA YI, LIANG JIAN, et al, 2014. Bathymetry inversion based on semi-empirical model and error analysis of different water depth ranges[J]. Coastal Engineering, 33(1): 19-25 (in Chinese).

12
张鹰, 张芸, 张东, 等, 2009. 南黄海辐射沙脊群海域的水深遥感[J]. 海洋学报, 31(3): 39-45.

ZHANG YING, ZHANG YUN, ZHANG DONG, et al, 2009. An underwater bathymetry reversion in the radial sand ridge group region of the southern Huanghai Sea using the remote sensing technology[J]. Acta Oceanologica Sinica, 31(3): 39-45 (in Chinese).

13
EUGENIO F, MARCELLO J, MARTIN J, 2015. High-resolution maps of bathymetry and benthic habitats in shallow-water environments using multispectral remote sensing imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 53(7): 3539-3549.

14
GOODMAN J A, LEE Z, USTIN S L, 2008. Influence of atmospheric and sea-surface corrections on retrieval of bottom depth and reflectance using a semi-analytical model: a case study in Kaneohe Bay, Hawaii[J]. Applied Optics, 47(28): F1-F11.

15
HEDLEY P J, HARBORNE, A R, MUMBY P J, 2005. Simple and robust removal of sun glint for mapping shallow-water benthos[J]. International Journal of Remote Sensing, 26(10): 2107-2112.

16
HOCHBERG E J, ANDREFOUET S, TYLER M R, 2003. Sea surface correction of high spatial resolution Ikonos images to improve bottom mapping in near-shore environments[J]. IEEE Transactions on Geoscience and Remote Sensing, 41(7): 1724-1729.

17
JAY S, GUILLAUME M, 2014. A novel maximum likelihood based method for mapping depth and water quality from hyperspectral remote-sensing data[J]. Remote Sensing of Environment, 147: 121-132.

18
LYZENGA D R, 1978. Passive remote sensing techniques for mapping water depth and bottom features[J]. Applied Optics, 17(3): 379-383.

19
LYZENGA D R, 1981. Remote sensing of bottom reflectance and water attenuation parameters in shallow water using aircraft and Landsat data[J]. International Journal of Remote Sensing, 2(1): 71-82.

20
LYZENGA D R, 1985. Shallow-water bathymetry using combined lidar and passive multispectral scanner data[J]. International Journal of Remote Sensing, 6(1): 115-125.

21
LYZENGA D R, MALINAS N P, TANIS F J, 2006. Multispectral bathymetry using a simple physically based algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 44(8): 2251-2259.

22
PHILPOT W D, 1987. Radiative transfer in stratified waters: a single-scattering approximation for irradiance[J]. Applied Optics, 26(19): 4123-4132.

23
PHILPOT W D, 1989. Bathymetric mapping with passive multispectral imagery[J]. Applied Optics, 28(8): 1569-1578.

24
SANDIDGE J C, HOLYER R J, 1998. Coastal bathymetry from hyperspectral observations of water radiance[J]. Remote Sensing of Environment, 65(3): 341-352.

25
STUMPF R P, HOLDERIED K, SINCLAIR M, 2003. Determination of water depth with high-resolution satellite imagery over variable bottom types[J]. Limnology and Oceanography, 48(1part2): 547-556.

26
SU HAIBIN, LIU HONGXING, WANG LEI, et al, 2014. Geographically adaptive inversion model for improving bathymetric retrieval from satellite multispectral imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 52(1): 465-476.

Outlines

/