基于多光谱遥感与SPXY的采煤沉陷水域水深反演

Water Depth Inversion of Coal Mining Subsidence Waters Based on Multispectral Remote Sensing and SPXY

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。