基于模糊隶属度的多核SVR遥感水深融合探测

遥感是海岸带浅海和岛礁周边水深探测的重要手段,支持向量回归(SVR)是广泛应用于数据回归的机器学习模型。本文将SVR引入多光谱遥感水深探测,针对单核SVR模型在浅水区水深反演中误差较大的问题,以单核SVR模型反演不同水深段的模糊隶属度作为决策融合因子,提出了基于模糊隶属度的多核SVR遥感水深融合探测方法,并以我国西沙群岛中的北岛为实验区,与单核SVR模型和传统的对数线性水深遥感模型开展对比实验。实验结果表明:1)基于模糊隶属度的多核SVR融合模型在25 m以浅的水域,平均绝对误差0.99 m,平均相对误差8.2%;2)融合模型的平均相对误差分别比以RBF、Sigmoid、多项式、线性为核函数的四种单核SVR模型提高了1.7%、4%、4.4%、4.8%,比对数线性模型提高了5.5%;3)对于不同水深段,多核SVR融合模型在0~15 m的3个水深段内平均相对误差比四种单核SVR模型提高了0.7%至54.9%不等,在0~25 m的5个水深段内比对数线性模型提高了1.1%至20.4%不等。