• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    XGBoost算法在多光譜遙感淺海水深反演中的應(yīng)用

    2021-05-27 00:02:32趙露露朱金山
    海洋科學(xué) 2021年4期
    關(guān)鍵詞:底質(zhì)水深波段

    胡 鵬, 趙露露, 高 磊, 朱金山, 2, 3

    XGBoost算法在多光譜遙感淺海水深反演中的應(yīng)用

    胡 鵬1, 趙露露1, 高 磊1, 朱金山1, 2, 3

    (1. 山東科技大學(xué)測繪科學(xué)與工程學(xué)院, 山東 青島 266590; 2. 地理信息工程國家重點(diǎn)實驗室, 陜西 西安 710054; 3. 自然資源部海洋測繪技術(shù)重點(diǎn)實驗室, 山東 青島 266590)

    在多光譜遙感淺海水深反演過程中, 考慮到水體和底質(zhì)影響, 水深值和海水表面輻射亮度之間的線性關(guān)系不成立。本文以甘泉島南部0~25 m范圍的沙質(zhì)區(qū)域為研究區(qū)域, 利用GeoEye-1多光譜遙感影像和多波束實測水深數(shù)據(jù)構(gòu)建XGBoost非線性水深反演模型, 研究了XGBoost算法用于水深反演的性能。以決定系數(shù)(2), 均方誤差(MSE)和平均絕對誤差(MAE)作為評價指標(biāo), 并與3種傳統(tǒng)線性回歸模型進(jìn)行了對比分析。結(jié)果表明, XGBoost非線性水深反演模型的2、MSE和MAE分別為0.991、0.33 m和0.44 m, 擬合程度最好, 精度優(yōu)于線性回歸模型。為進(jìn)一步探究各模型在不同水深的反演精度, 將水深范圍分成3段(0~8 m, 8~15 m, 15~25 m)分別進(jìn)行精度驗證和誤差分析。結(jié)果表明, XGBoost模型在各分段的精度均優(yōu)于線性回歸模型, MSE依次為0.56 m, 0.14 m和0.43 m??梢? 在單一底質(zhì)區(qū)域下XGBoost模型的水深反演精度更高, 且反演效果更穩(wěn)定。

    光學(xué)淺海水深反演; XGBoost算法; 非線性回歸模型; 底質(zhì)類型

    我國海岸線漫長、海域遼闊, 擁有豐富的優(yōu)勢海洋資源, 水深信息探測對海上交通運(yùn)輸、海洋科學(xué)研究及海岸帶規(guī)劃管理等具有重要意義[1-2]。淺海水深信息作為海島礁、海岸帶重要的地形數(shù)據(jù), 時常受海上天氣變化、海底地形復(fù)雜多樣、時空限制、經(jīng)費(fèi)不足以及權(quán)益爭端海域難以進(jìn)入等影響, 水深信息現(xiàn)場探測工作難以開展[3]。

    20世紀(jì)60年代多光譜遙感衛(wèi)星升空, 為水深反演模型提供了多光譜遙感數(shù)據(jù), 光學(xué)水深遙感技術(shù)得到了迅速發(fā)展, 迄今為止常用的淺海水深反演模型主要有理論解析模型、半理論半經(jīng)驗?zāi)P秃徒y(tǒng)計模型三類[4]。

    Figueiredo等對Lyzenga利用雙層流近似假設(shè)建立的理論解析模型進(jìn)行了改進(jìn)[5-8]。理論解析模型精度高, 但實際應(yīng)用受到眾多水體光學(xué)參數(shù)難以獲取的限制。Su等[9]在Paredes等[10]和Stumpf等[11]建立的對數(shù)線性模型基礎(chǔ)上, 結(jié)合克里金插值建立了克里金反演水深模型。半理論半經(jīng)驗?zāi)P驮诒WC了反演精度的前提下, 減少了模型參數(shù)的輸入量和計算量。

    王艷姣等利用Landsat7 ETM+影像和實測水深數(shù)據(jù), 建立了動量BP人工神經(jīng)網(wǎng)絡(luò)模型反演水深信息[12]。邱耀煒等結(jié)合隨機(jī)森林算法構(gòu)建了甘泉島海域的非線性水深反演模型[13]。朱金山等針對海底底質(zhì)不均一情況, 提出了一種結(jié)合底質(zhì)分類與SVR算法的水深反演模型[14]??紤]到實際海底底質(zhì)并不均一, 不同海底底質(zhì)類型建立不同水深反演模型十分必要。

    有學(xué)者以海水波為切入點(diǎn)研究水深遙感, Adrien等提出了一種利用小波和互相關(guān)技術(shù)及線性色散關(guān)系進(jìn)行SPOT-5立體像對水深反演的方法[15]。Li等利用QuickBird高分辨率遙感影像提出了海浪譜測深反演方法[16]。目前XGBoost算法針對于光學(xué)淺海水深反演的應(yīng)用較少。

    本文以南海甘泉島南部海域為研究區(qū)域, 利用GeoEye-1多光譜遙感數(shù)據(jù)和多波束實測水深數(shù)據(jù)對沙質(zhì)底質(zhì)區(qū)域構(gòu)建XGBoost水深反演模型。以決定系數(shù)(2), 均方誤差(MSE)和平均絕對誤差(MAE)作為評價指標(biāo), 用實測水深樣點(diǎn)驗證XGBoost模型精度, 并同單因子、雙因子和多因子回歸模型進(jìn)行對比分析。進(jìn)一步探究在不同水深范圍, XGBoost算法在沙質(zhì)底質(zhì)區(qū)域反演水深的性能。

    1 XGBoost原理

    極限梯度提升算法, 即XGBoost(eXtreme Gradient Boosting)算法, 可用于解決非線性回歸問題。它由陳天奇提出設(shè)計, 致力于讓提升樹突破自身的計算極限, 以實現(xiàn)運(yùn)算快速, 性能優(yōu)秀的工程目標(biāo)[17]。與傳統(tǒng)的梯度提升算法相比, XGBoost進(jìn)行了許多改進(jìn), 它能夠比其他使用梯度提升的集成算法更加快速, 并被廣大學(xué)者認(rèn)為是在分類和回歸上都擁有超高性能的先進(jìn)評估器。

    XGBoost與決策樹、SVM等算法不同, 其核心是基于梯度提升樹實現(xiàn)的集成算法, 整體來說可以有三個核心部分: 集成算法本身, 用于集成的弱評估器, 以及應(yīng)用中的其他過程。XGBoost建模過程大致如下: 首先使用訓(xùn)練集建立一棵樹, 然后用這棵樹預(yù)測訓(xùn)練集, 每次迭代過程中都會增加一棵樹來擬合上次預(yù)測的殘差, 逐漸形成由眾多樹模型集成的強(qiáng)評估器, 各個葉子權(quán)重之和便是該樣本的預(yù)測值。XGBoost在傳統(tǒng)損失函數(shù)的基礎(chǔ)上引入了模型復(fù)雜度來衡量算法的運(yùn)算效率, 其目標(biāo)函數(shù)為:

    2 水深反演模型建立

    2.1 研究區(qū)域與數(shù)據(jù)處理

    本文選取西沙群島中的甘泉島南部海域作為研究區(qū)域, 如圖1a中紅色框所示, 其經(jīng)緯度范圍為16°29′55″N~16°30′17″N, 111°34′21″E~111°35′26″E。遙感影像為2013年2月18日獲取的GeoEye-1多光譜影像, 具有藍(lán)、綠、紅和近紅外四個標(biāo)準(zhǔn)波段, 空間分辨率為2 m, WGS-84坐標(biāo)系。

    為了進(jìn)行水深信息定量提取, 采用ENVI軟件對GeoEye-1影像進(jìn)行輻射定標(biāo)、FLAASH大氣校正和NDWI水陸分離等預(yù)處理。實測水深數(shù)據(jù)信息由DL-V3慣導(dǎo)接收機(jī)和R2Sonic 2024多波束測深儀采集, 其水平精度為0.2 m, 量程分辨率為1.25 cm, 采用CGCS2000國家大地坐標(biāo)系。由于遙感影像成像和水深數(shù)據(jù)采集存在時間差, 本文采用中國海事服務(wù)網(wǎng)(https://www. cnss.com.cn/tide/)提供的潮位信息進(jìn)行潮汐校正。

    為挑選單一底質(zhì)作為研究區(qū)域, 本實驗中采用支持向量機(jī)(SVM)進(jìn)行底質(zhì)分類。SVM基于統(tǒng)計學(xué)習(xí)理論, 具有自動找出區(qū)分地物類別較強(qiáng)支持向量的能力, 并具有較高的分類準(zhǔn)確率[18]。通過遙感影像目視解譯和水下視頻辨析選取沙質(zhì)底質(zhì)的像元作為SVM分類訓(xùn)練樣本, 并將分類后結(jié)果進(jìn)行矢量化輸出, 結(jié)果如圖1b所示。為了實現(xiàn)遙感影像與水深數(shù)據(jù)精確配準(zhǔn), 需要將遙感影像坐標(biāo)系轉(zhuǎn)換為水深數(shù)據(jù)坐標(biāo)系(CGCS2000), 配準(zhǔn)后結(jié)果如圖1c所示。

    2.2 線性回歸模型

    根據(jù)配準(zhǔn)后水深點(diǎn)數(shù)據(jù)的經(jīng)緯度坐標(biāo), 將遙感影像對應(yīng)位置的4個波段像元值分別提取到水深范圍在0~25 m的921個水深數(shù)據(jù)點(diǎn)上。將水深數(shù)據(jù)點(diǎn)按8︰2比例隨機(jī)劃分, 其中訓(xùn)練樣本點(diǎn)736個, 測試樣本點(diǎn)185個。為了挑選合適的模型反演參數(shù), 統(tǒng)計736個水深點(diǎn)值與GeoEye-1影像4個波段及6個波段組合的相關(guān)性如表1所示。根據(jù)表1, 選取1/2、4/2和4/3三個相關(guān)性強(qiáng)的反演因子, 分別組建單因子、雙因子和多因子線性回歸模型, 見表2。

    2.3 XGBoost模型

    太陽耀斑、水體類型、水體懸浮物質(zhì)和海底底質(zhì)等都會導(dǎo)致水深值和海水表面輻射亮度之間的線性關(guān)系并不成立, 從而影響模型反演精度。XGBoost采用多顆CART樹進(jìn)行預(yù)測, 泛化性能好, 非常適合解決復(fù)雜的非線性回歸問題。采用與線性模型相同的訓(xùn)練樣本, 構(gòu)建XGBoost水深反演模型。根據(jù)表1中各因子相關(guān)系數(shù), 選取4個波段(1、2、3、4)和6個波段組合信息(1/2、3/1、4/1、3/2、4/2、4/3)作為輸入特征, 實測水深信息作為輸入標(biāo)簽。

    圖1 研究區(qū)域及樣本點(diǎn)分布情況

    表1 水深值與GeoEye-1影像各波段及波段組合的決定系數(shù)

    因子B3/B1B4/B1B3/B2B4/B2B4/B3 決定系數(shù)R20.3670.6680.1380.8050.702

    表2 線性回歸模型

    計算模型中各個特征的重要性, 圖2反映了10個特征對模型的貢獻(xiàn), 重要性值越大說明該特征與標(biāo)簽信息最密切。在10個特征中1/2重要性分?jǐn)?shù)最高, 說明該特征對模型的影響最大。

    構(gòu)建XGBoost模型過程中, 訓(xùn)練集和測試集的劃分會干擾模型的結(jié)果。使用K折交叉驗證(K-Fold Cross Validation)能夠觀察模型的穩(wěn)定性, 有效避免信息泄露對模型超參數(shù)的影響。交叉驗證是將數(shù)據(jù)劃分為K份, 依次使用其中一份作為測試集, 其他K– 1份作為訓(xùn)練集, 多次計算模型的精度來評估模型的平均精度。將網(wǎng)格搜索與學(xué)習(xí)曲線結(jié)合, 通過多次試驗對模型進(jìn)行優(yōu)化調(diào)參, 參數(shù)取值如表3所示, 其他參數(shù)缺省。

    圖2 特征重要性分?jǐn)?shù)

    表3 模型重要參數(shù)取值

    采用5折交叉驗證繪制模型調(diào)參后在不同訓(xùn)練樣本上的學(xué)習(xí)曲線, 來衡量模型反演水深的性能, 結(jié)果如圖3所示。圖3中隨著訓(xùn)練樣本數(shù)量增加, XGBoost模型的過擬合逐漸減輕, 泛化能力逐漸提高, 訓(xùn)練集和測試集的結(jié)果逐漸接近。

    圖3 XGBoost學(xué)習(xí)曲線

    3 結(jié)果與分析

    為了檢驗XGBoost模型水深反演能力, 以未參與建模的185個實測水深點(diǎn)作為驗證樣本, 并同線性回歸模型反演的水深值與水深實測值之間的誤差進(jìn)行對比分析。采用決定系數(shù)(2)、均方誤差(MSE)和平均絕對誤差(MAE)作為精度評價指標(biāo), 并繪制了各模型得到的水深反演值與實測值分布散點(diǎn)圖, 結(jié)果如圖4所示。圖4直觀反映了各模型反演水深值和實測水深值的偏離程度, 各驗證樣本點(diǎn)離圖中1︰1直線越接近說明離散程度越小, 反演結(jié)果越可靠, 模型具有較高精度。

    在3種線性模型中, 單因子模型(圖4a)總體偏移量較大, 精度最低, 均方誤差(MSE)和平均絕對誤差(MAE)為1.52 m和0.91 m, 多因子模型(圖4c)精度最高, MSE和MAE分別為0.58 m和0.59 m, 說明多因子線性模型結(jié)合多個波段信息后反演精度得到提高。XGBoost模型偏差明顯較小,2、MSE和MAE精度均優(yōu)于線性回歸模型, 分別為0.991 m、0.33 m和0.44 m。

    從總體上看, 4個水深反演模型的決定系數(shù)(2)均在0.95以上, 說明各模型的自變量與因變量均表現(xiàn)為強(qiáng)相關(guān)性。其中XGBoost模型性能最優(yōu), 說明XGBoost模型綜合利用10個特征信息后, 在其非線性回歸預(yù)測能力支撐下, 取得了較好的反演精度。

    為進(jìn)一步分析各模型水深反演能力, 將水深范圍分成3段(0~8 m, 8~15 m, 15~25 m), 分段比較分析XGBoost模型與其他三種線性回歸模型的精度, 結(jié)果如表4所示。從表4和圖4可以看出, 在8~15 m段XGBoost模型和線性模型的水深反演值與實測值偏離程度最小, 擬合程度最好, 各模型精度也優(yōu)于其他水深范圍。其中XGBoost模型的精度最高, MSE為0.14 m。在15~25 m段, 單因子模型(圖4a)離散程度較大, MSE高達(dá)2.59 m, 反演值整體偏低, 可能是此模型只包含了藍(lán)綠波段, 而沒有考慮到其他波段信息, 從而限制了其水深反演能力。在0~8 m段, 各模型擬合效果較差, 可能是該段的底質(zhì)較復(fù)雜混合像元較多, 導(dǎo)致SVM分類結(jié)果較差, 水深反演時受其他底質(zhì)類型影響。特別是2 m左右淺水區(qū)處于波浪破碎帶, 易受白色浪花干擾, 在一定程度上影響了反演結(jié)果。但是對于任意分段, 綜合利用多個波段特征信息的XGBoost模型的反演精度均優(yōu)于線性回歸模型。

    總體來說, XGBoost模型獲得的水深反演值與實測值之間的2最高、MSE和MAE最低, 結(jié)果表明采用XGBoost非線性模型進(jìn)行水深反演可取得較好的結(jié)果。

    4 結(jié)束語

    本文基于水深實測數(shù)據(jù)和GeoEye-1多光譜遙感影像, 構(gòu)建XGBoost非線性回歸預(yù)測模型對甘泉島南部0~25 m水深范圍內(nèi)沙質(zhì)區(qū)域進(jìn)行水深定量反演, 并同3種線性回歸模型進(jìn)行精度對比分析。結(jié)果分析表明: 模型中包含波段特征信息的個數(shù)在一定程度上影響反演精度, 對于任意分段, 綜合多個波段信息構(gòu)建的XGBoost模型的反演精度均優(yōu)于線性回歸模型。由此可見, XGBoost非線性模型更適合反演甘泉島南部沙質(zhì)海域。

    圖4 水深反演值與實測值散點(diǎn)圖

    表4 各模型水深反演結(jié)果分段比較

    本文的研究工作仍存在不足之處, 在構(gòu)建各模型時, 研究范圍只針對海底底質(zhì)類型為沙子的區(qū)域, 未對其他底質(zhì)類型區(qū)域展開研究。在前期使用SVM分類器進(jìn)行單一底質(zhì)分類時, 0~8 m段沙子和其他底質(zhì)類型混合較為嚴(yán)重, 導(dǎo)致該分段范圍受混合像元影響較大, 誤將其他底質(zhì)類型分入沙子類型, 從而影響反演精度。選取空間分辨率較高和光譜波段范圍較寬的遙感影像在一定程度上能提高SVM分類精度和水深反演精度。

    [1] 王晶晶, 田慶久. 海岸帶淺海水深高光譜遙感反演方法研究[J]. 地理科學(xué), 2007(6): 109-114.WANG Jingjing, TIAN Qingjiu. Study on inversion method of deep hyperspectral remote sensing for coastal shallow water[J]. Geographic Science, 2007(6): 109-114.

    [2] 張鷹, 張蕓, 張東, 等. 南黃海輻射沙脊群海域的水深遙感[J]. 海洋學(xué)報, 2009, 31(3): 39-45. ZHANG Ying, ZHANG Yun, ZHANG Dong, et al. Remote sensing of water depth in the radial sand ridges of the South Yellow Sea[J]. Acta Oceanographica Sinica, 2009, 31(3): 39-45.

    [3] 王艷姣, 董文杰, 張培群, 等. 水深可見光遙感方法研究進(jìn)展[J]. 海洋通報, 2007(5): 93-102. WANG Yanjiao, DONG Wenjie, ZHANG Peiqun, et al. Research progress of water depth visible light remote sensing method[J]. Ocean bulletin, 2007(5): 93-102.

    [4] 馬毅, 張杰, 張靖宇, 等. 淺海水深光學(xué)遙感研究進(jìn)展[J]. 海洋科學(xué)進(jìn)展, 2018, 36(3): 5-25. MA Yi, ZHANG Jie, ZHANG Jingyu, et al. Progress in optical remote sensing of shallow water depth[J]. Progress in Marine Science, 2018, 36(3): 5-25.

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

    [6] FIGUEIREDO I N, PINTO L, GON?ALVES G. A modified Lyzenga’s model for multispectral bathymetry using Tikhonov regularization[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 13(1): 53-57.

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

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

    [9] SU H, LIU H, WU Q. Prediction of water depth from multispectral satellite imagery—The regression kriging alternative[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(12): 2511-2515.

    [10] PAREDES J M, SPERO R E. Water depth mapping from passive remote sensing data under a generalized ratio assumption[J]. Applied Optics, 1983, 22(8): 1134- 1135.

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

    [12] 王艷姣, 張鷹. 基于BP人工神經(jīng)網(wǎng)絡(luò)的水體遙感測深方法研究[J]. 海洋工程, 2005, 23(4): 33-38.WANG Yanjiao, ZHANG Ying. Research on water remo-te sensing sounding method based on BP artificial neural network[J]. Ocean Engineering, 2005, 23(4): 33-38.

    [13] 邱耀煒, 沈蔚, 惠笑, 等. 基于WorldView-2數(shù)據(jù)和隨機(jī)森林算法的遙感水深反演[J]. 遙感信息, 2019, 34(2): 78-82.QIU Yaowei, SHEN Wei, HUI Xiao, et al. Remote sensing water depth retrieval based on worldview-2 data and random forest algorithm[J]. Remote Sensing Information, 2019, 34 (2): 78-82.

    [14] 朱金山, 宋珍珍, 趙露露. 結(jié)合底質(zhì)分類與SVR算法的多光譜影像測深[J]. 地理空間信息, 2019, 11: 44-46.ZHU Jinshan, SONG Zhenzhen, ZHAO Lulu. Multispectral image bathymetry combined with sediment clas-sification and SVR algorithm[J]. Geospatial Information, 2019, 11: 44-46.

    [15] POUPARDIN A, IDIER D, DE MICHELE M, et al. Water depth inversion from a single SPOT-5 dataset[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 54(4): 2329-2342.

    [16] LI J, ZHANG H, HOU P, et al. Mapping the bathymetry of shallow coastal water using single-frame fine-resolution optical remote sensing imagery[J]. Acta Oceanologica Sinica, 2016, 35(1): 60-66.

    [17] CHEN T, GUESTRIN C. Xgboost: A scalable tree boosting system[C]//ACM SIGKDD International Con-ference on Knowledge Discovery and Data Mining ACM. San Francisico: CA, 2016: 785-794.

    [18] 閆琰, 董秀蘭, 李燕. 基于ENVI的遙感圖像監(jiān)督分類方法比較研究[J]. 北京測繪, 2011(3): 14-16. YAN Yan, DONG Xiulan, LI Yan. Comparative study on supervised classification methods of remote sensing image based on envi[J]. Beijing Surveying and Mapping, 2011(3): 14-16.

    Application of XGBoost algorithm on multispectral shallow water bathymetry retrieval

    HU Peng1, ZHAO Lu-lu1, GAO Lei1, ZHU Jin-shan1, 2, 3

    (1. Geomatics College, Shandong University of Science and Technology, Qingdao 266590, China; 2. State Key Laboratory of Geographic Information Engineering, Xi’an 710054, China; 3. Key Laboratory of Marine Mapping Technology, Ministry of Natural Resources, Qingdao 266590, China)

    In optical shallow water bathymetry retrieval, due to the influence of the water and sediment types, the relationship between the water depth and sea surface reflectance is nonlinear. In this study, we built a nonlinear depth inversion model that uses the XGBoost algorithm. The research area was a 0–25 m sandy area around Ganquan Island in the South China Sea. GeoEye-1 multispectral data and in-situ multibeam data were used to investigate the depth inversion performance of the XGBoost algorithm. To evaluate the retrieved bathymetry results, we calculated the correlation coefficient (2), mean square error (MSE), and mean absolute error (MAE) values. We then compared the XGBoost bathymetry results with those of three linear regression models, and found the XGBoost nonlinear depth inversion model to have the best fitting performance and better precision, with2, MSE and MAE values of 0.991, 0.33, and 0.44 m, respectively. To further explore the performance of each model at different depths, we divided the water depth into three ranges (0–8 m, 8–15 m, 15–25 m). The results show that, in each depth range, the XGBoost model’s accuracy was better than those of the linear regression models. The MSE values in each depth range are 0.56, 0.14, and 0.43 m, respectively. Based on these results, we can conclude that, compared to other models, the depth inversion accuracy of the XGBoost model is higher, and its inversion effect is more stable in a single sediment region.

    optical shallow water depth inversion; XGBoost algorithm; nonlinear regression model; sediment type

    Dec. 26, 2019

    P237

    A

    1000-3096(2021)04-0083-07

    10.11759/hykx20191226002

    2019-12-26;

    2020-01-09

    地理信息工程國家重點(diǎn)實驗室開放研究基金資助項目(SKLGIE2017-Z-3-3); 國家重點(diǎn)研發(fā)計劃課題(協(xié)作)-極區(qū)海域水聲環(huán)境觀測與聲場特性研究(2018YFC1405903); 測繪地理信息公益性行業(yè)科研專項(201512034)

    [Project Supported by Open Research Foundation of National Key Laboratory of Geographic Information Engineering, No. SKLGIE2017-Z-3-3; National Key Research and Development Project (Cooperation) - Underwater Acoustic Environment Observation and Sound Field Characteristics in Polar Waters, No. 2018YFC1405903; Special Scientific Research Project of Surveying and Mapping Geographic Information Public Welfare Industry, No. 201512034]

    胡鵬(1996—), 男, 湖南湘潭人, 碩士研究生, 研究方向為海洋遙感, E-mail: hupeng_1996@163.com; 朱金山(1974—),通信作者, E-mail: zhujinshan@sdust.edu.cn, 電話: 0532-86057276

    (本文編輯: 楊 悅)

    猜你喜歡
    底質(zhì)水深波段
    春日暖陽
    書法靜水深流
    河北水利(2022年10期)2022-12-29 11:48:12
    基于水深分段選擇因子的多光譜影像反演水深
    海洋通報(2022年4期)2022-10-10 07:40:32
    不同發(fā)育階段中華絨螯蟹對底質(zhì)的喜好性研究
    一種ReliefF和隨機(jī)森林模型組合的多波束海底底質(zhì)分類方法
    海洋通報(2022年2期)2022-06-30 06:06:28
    用于海底目標(biāo)識別與底質(zhì)分類的多波束水體波形預(yù)處理
    海洋通報(2021年1期)2021-07-23 01:55:24
    文蛤的底質(zhì)選擇性及潛沙能力研究
    M87的多波段輻射過程及其能譜擬合
    日常維護(hù)對L 波段雷達(dá)的重要性
    西藏科技(2015年4期)2015-09-26 12:12:58
    GPS RTK技術(shù)在水深測量中的應(yīng)用
    三级国产精品欧美在线观看| 免费播放大片免费观看视频在线观看| 亚洲av电影在线观看一区二区三区 | 青青草视频在线视频观看| 国产亚洲精品久久久com| 国产91av在线免费观看| 人人妻人人爽人人添夜夜欢视频 | 国产免费又黄又爽又色| 在线a可以看的网站| 亚洲天堂av无毛| 综合色av麻豆| 国产黄色视频一区二区在线观看| 男女那种视频在线观看| 肉色欧美久久久久久久蜜桃 | 成人综合一区亚洲| 成年女人看的毛片在线观看| 国产伦精品一区二区三区视频9| 在线观看美女被高潮喷水网站| 狂野欧美白嫩少妇大欣赏| 在线观看一区二区三区激情| 久久久久久久久久人人人人人人| 亚洲精品成人久久久久久| 欧美性猛交╳xxx乱大交人| 亚洲国产精品成人久久小说| av在线老鸭窝| 国产女主播在线喷水免费视频网站| 亚洲怡红院男人天堂| 69人妻影院| 国产中年淑女户外野战色| 日韩电影二区| 欧美精品人与动牲交sv欧美| 国产成人精品婷婷| 精品人妻熟女av久视频| av专区在线播放| 大话2 男鬼变身卡| 精品久久久久久久久av| 日韩 亚洲 欧美在线| 黄色欧美视频在线观看| 久久久久久九九精品二区国产| 国产亚洲91精品色在线| 青春草亚洲视频在线观看| 最后的刺客免费高清国语| 免费黄网站久久成人精品| 伊人久久精品亚洲午夜| 成人国产麻豆网| av在线播放精品| 欧美丝袜亚洲另类| av专区在线播放| 国产免费一级a男人的天堂| 国产精品国产三级国产av玫瑰| 亚洲婷婷狠狠爱综合网| 国产一区有黄有色的免费视频| 欧美最新免费一区二区三区| 久久精品国产自在天天线| 综合色丁香网| 蜜桃久久精品国产亚洲av| 欧美激情久久久久久爽电影| 亚洲成人中文字幕在线播放| 校园人妻丝袜中文字幕| 亚洲不卡免费看| 三级经典国产精品| 七月丁香在线播放| 老司机影院成人| 你懂的网址亚洲精品在线观看| 久久精品人妻少妇| 精品少妇久久久久久888优播| 日本黄色片子视频| 99久久九九国产精品国产免费| 欧美日韩精品成人综合77777| 观看美女的网站| 免费看av在线观看网站| 夫妻性生交免费视频一级片| 男女下面进入的视频免费午夜| 观看美女的网站| 国产精品久久久久久久久免| 国产一区二区三区综合在线观看 | 视频中文字幕在线观看| 欧美高清性xxxxhd video| 色综合色国产| 各种免费的搞黄视频| 最近手机中文字幕大全| 亚洲丝袜综合中文字幕| 国产精品无大码| 黄色怎么调成土黄色| 国产精品伦人一区二区| 亚洲成色77777| 美女国产视频在线观看| 久久久久精品性色| 高清视频免费观看一区二区| 亚洲欧美日韩无卡精品| 午夜亚洲福利在线播放| 亚洲国产精品国产精品| 亚洲av日韩在线播放| 精品久久国产蜜桃| 国产69精品久久久久777片| 国产精品99久久久久久久久| 自拍偷自拍亚洲精品老妇| 深爱激情五月婷婷| 亚洲不卡免费看| 黄色日韩在线| 亚洲一级一片aⅴ在线观看| 啦啦啦中文免费视频观看日本| 久久国内精品自在自线图片| 欧美97在线视频| 交换朋友夫妻互换小说| 欧美一区二区亚洲| 99久久人妻综合| 成人亚洲欧美一区二区av| 一级毛片 在线播放| 免费观看的影片在线观看| 免费黄频网站在线观看国产| 1000部很黄的大片| 久久综合国产亚洲精品| 真实男女啪啪啪动态图| 汤姆久久久久久久影院中文字幕| 日本爱情动作片www.在线观看| 中文字幕亚洲精品专区| 国产午夜福利久久久久久| 国产精品三级大全| 亚洲av不卡在线观看| 网址你懂的国产日韩在线| 亚洲国产精品专区欧美| 精品人妻熟女av久视频| 成人免费观看视频高清| 少妇的逼好多水| 熟女人妻精品中文字幕| 特级一级黄色大片| 免费电影在线观看免费观看| 国产 精品1| 免费av观看视频| 成人黄色视频免费在线看| 卡戴珊不雅视频在线播放| 精品人妻一区二区三区麻豆| 国内精品美女久久久久久| 夫妻午夜视频| 精品99又大又爽又粗少妇毛片| 亚洲成人av在线免费| 777米奇影视久久| 精品人妻熟女av久视频| 人妻制服诱惑在线中文字幕| 国产精品久久久久久精品电影| 国产亚洲av嫩草精品影院| 99久久精品一区二区三区| 亚洲精品久久久久久婷婷小说| 综合色丁香网| 久久久久久久亚洲中文字幕| 22中文网久久字幕| 欧美zozozo另类| 亚洲天堂国产精品一区在线| 国产精品一区二区性色av| 欧美国产精品一级二级三级 | 国产精品一区www在线观看| 亚洲精品一二三| 日本欧美国产在线视频| 久久精品熟女亚洲av麻豆精品| 亚洲真实伦在线观看| 校园人妻丝袜中文字幕| 联通29元200g的流量卡| 婷婷色综合大香蕉| 亚洲成人久久爱视频| 亚洲,欧美,日韩| 成人国产麻豆网| 老司机影院成人| 色5月婷婷丁香| 亚洲欧美成人综合另类久久久| 亚洲综合精品二区| 赤兔流量卡办理| 日韩中字成人| 五月天丁香电影| kizo精华| 亚州av有码| 97精品久久久久久久久久精品| 91精品一卡2卡3卡4卡| 又大又黄又爽视频免费| 麻豆乱淫一区二区| 高清午夜精品一区二区三区| 欧美少妇被猛烈插入视频| 亚洲精品中文字幕在线视频 | 噜噜噜噜噜久久久久久91| 中文字幕制服av| 高清午夜精品一区二区三区| 嫩草影院精品99| 亚洲人成网站在线播| 天堂中文最新版在线下载 | 黄色欧美视频在线观看| 精品国产三级普通话版| 久久99热6这里只有精品| 黄色日韩在线| 观看美女的网站| 男女那种视频在线观看| 精华霜和精华液先用哪个| 禁无遮挡网站| 人妻制服诱惑在线中文字幕| 国产av不卡久久| 韩国高清视频一区二区三区| 国产有黄有色有爽视频| 国产精品爽爽va在线观看网站| 日本三级黄在线观看| 久久久久久九九精品二区国产| 国产高清有码在线观看视频| 欧美一级a爱片免费观看看| 国产精品偷伦视频观看了| 国语对白做爰xxxⅹ性视频网站| 久久久精品免费免费高清| 国产黄色免费在线视频| 久久久久九九精品影院| 国产成人freesex在线| 免费不卡的大黄色大毛片视频在线观看| 久久久久国产精品人妻一区二区| 成年版毛片免费区| 中国国产av一级| av在线app专区| 亚洲精品视频女| 久久久久久久精品精品| 久久久欧美国产精品| 亚洲欧美成人综合另类久久久| 亚洲人与动物交配视频| 国产有黄有色有爽视频| 国产免费视频播放在线视频| 国产在线男女| xxx大片免费视频| 特大巨黑吊av在线直播| 亚洲精品乱码久久久久久按摩| 亚洲色图综合在线观看| 成人综合一区亚洲| 精品国产乱码久久久久久小说| 在现免费观看毛片| 国产白丝娇喘喷水9色精品| 亚洲欧美成人综合另类久久久| 午夜福利视频1000在线观看| 不卡视频在线观看欧美| 激情五月婷婷亚洲| 国产大屁股一区二区在线视频| 2022亚洲国产成人精品| 最近手机中文字幕大全| 亚洲最大成人中文| 一级片'在线观看视频| 久久久久久久大尺度免费视频| 欧美精品一区二区大全| 一个人观看的视频www高清免费观看| 日韩欧美一区视频在线观看 | freevideosex欧美| 下体分泌物呈黄色| .国产精品久久| 亚洲精品国产成人久久av| 国产日韩欧美亚洲二区| 日本色播在线视频| 男人爽女人下面视频在线观看| 亚洲最大成人中文| 免费大片18禁| 成年女人在线观看亚洲视频 | 成人一区二区视频在线观看| 视频区图区小说| 麻豆成人午夜福利视频| 一级毛片黄色毛片免费观看视频| 久久精品久久精品一区二区三区| 亚洲av中文字字幕乱码综合| 成人国产av品久久久| 精品久久久久久久久亚洲| 国产 精品1| 九九在线视频观看精品| 我要看日韩黄色一级片| 小蜜桃在线观看免费完整版高清| 一区二区av电影网| 亚洲精品国产av蜜桃| 婷婷色麻豆天堂久久| 亚洲人与动物交配视频| 亚洲av一区综合| 亚洲在久久综合| 免费观看a级毛片全部| 听说在线观看完整版免费高清| 日韩一区二区三区影片| 日日摸夜夜添夜夜添av毛片| 久久国产乱子免费精品| 69人妻影院| a级毛色黄片| 国产淫语在线视频| 伦理电影大哥的女人| 免费观看a级毛片全部| 国产精品一及| 亚洲精品日本国产第一区| 亚洲精品一二三| 国产黄频视频在线观看| 免费大片18禁| 久久久久久久久久久丰满| 只有这里有精品99| 国产乱来视频区| 亚洲av欧美aⅴ国产| 欧美xxxx黑人xx丫x性爽| 特级一级黄色大片| 少妇裸体淫交视频免费看高清| 成人欧美大片| 精品久久国产蜜桃| 欧美潮喷喷水| 国产亚洲91精品色在线| 欧美一级a爱片免费观看看| 久久久成人免费电影| 久热久热在线精品观看| 亚洲熟女精品中文字幕| 男人狂女人下面高潮的视频| av在线观看视频网站免费| 黄色视频在线播放观看不卡| 制服丝袜香蕉在线| 最近手机中文字幕大全| 久久久久久久久久久免费av| 免费观看性生交大片5| 欧美日本视频| 97在线视频观看| 男女那种视频在线观看| 高清日韩中文字幕在线| 国产 一区 欧美 日韩| 99热国产这里只有精品6| 青春草国产在线视频| 天天躁夜夜躁狠狠久久av| 国产精品嫩草影院av在线观看| 一个人看的www免费观看视频| 日本爱情动作片www.在线观看| 久久亚洲国产成人精品v| 久久久国产一区二区| 国产 一区 欧美 日韩| 99久久精品热视频| 丝瓜视频免费看黄片| 亚洲天堂av无毛| 国产乱来视频区| 国产乱人视频| 熟女人妻精品中文字幕| 精品人妻偷拍中文字幕| 下体分泌物呈黄色| 天天躁夜夜躁狠狠久久av| 好男人在线观看高清免费视频| 色网站视频免费| 超碰av人人做人人爽久久| 亚洲av在线观看美女高潮| 久久女婷五月综合色啪小说 | 插逼视频在线观看| 国产男人的电影天堂91| 晚上一个人看的免费电影| 国产精品久久久久久久电影| 又粗又硬又长又爽又黄的视频| 美女视频免费永久观看网站| 国产精品.久久久| 国产成人福利小说| 成年免费大片在线观看| 伦理电影大哥的女人| 一本色道久久久久久精品综合| 一个人观看的视频www高清免费观看| 99热这里只有精品一区| 午夜福利在线观看免费完整高清在| 免费av毛片视频| 啦啦啦中文免费视频观看日本| 99热这里只有是精品在线观看| 亚洲无线观看免费| 国产精品国产三级专区第一集| 少妇的逼好多水| 日本欧美国产在线视频| 亚洲综合色惰| 亚洲精品国产色婷婷电影| 少妇熟女欧美另类| 熟女av电影| 91午夜精品亚洲一区二区三区| 一级a做视频免费观看| 熟女人妻精品中文字幕| 另类亚洲欧美激情| 国产爱豆传媒在线观看| 精品久久久久久久久av| 亚洲成人久久爱视频| 欧美潮喷喷水| 99视频精品全部免费 在线| 亚洲成人精品中文字幕电影| 偷拍熟女少妇极品色| 亚洲精品中文字幕在线视频 | 成人美女网站在线观看视频| 亚洲欧美精品专区久久| 国产淫片久久久久久久久| 国产精品99久久久久久久久| 亚洲国产欧美在线一区| 欧美 日韩 精品 国产| 午夜福利在线观看免费完整高清在| 最近手机中文字幕大全| 两个人的视频大全免费| 国产精品一区www在线观看| 国产爱豆传媒在线观看| 人妻系列 视频| 婷婷色麻豆天堂久久| 久久久久国产精品人妻一区二区| 日韩人妻高清精品专区| 在线免费观看不下载黄p国产| 天天躁夜夜躁狠狠久久av| 国产黄色视频一区二区在线观看| 午夜福利在线在线| 美女视频免费永久观看网站| 26uuu在线亚洲综合色| 特大巨黑吊av在线直播| 26uuu在线亚洲综合色| 九九爱精品视频在线观看| 亚洲av成人精品一二三区| 99久久人妻综合| 久久久久久久久大av| 免费黄频网站在线观看国产| 中文精品一卡2卡3卡4更新| 在线观看一区二区三区激情| 日韩av免费高清视频| 久久久精品免费免费高清| 国产精品爽爽va在线观看网站| 国产精品不卡视频一区二区| 综合色丁香网| 亚洲成色77777| 一区二区三区乱码不卡18| 99精国产麻豆久久婷婷| 国产精品嫩草影院av在线观看| 成人毛片a级毛片在线播放| 熟女人妻精品中文字幕| 亚洲欧美精品专区久久| 中文字幕免费在线视频6| 久久久成人免费电影| 久久久a久久爽久久v久久| 国产成年人精品一区二区| 男女无遮挡免费网站观看| 一级毛片电影观看| 十八禁网站网址无遮挡 | 91久久精品国产一区二区三区| 日韩欧美一区视频在线观看 | 大片电影免费在线观看免费| 日韩欧美一区视频在线观看 | 黄色怎么调成土黄色| 岛国毛片在线播放| 亚洲综合精品二区| 天天躁夜夜躁狠狠久久av| 国产视频内射| 3wmmmm亚洲av在线观看| 乱码一卡2卡4卡精品| 欧美精品国产亚洲| 少妇的逼水好多| 国产高清国产精品国产三级 | 欧美日韩视频精品一区| 国产爽快片一区二区三区| 亚洲av.av天堂| 成人美女网站在线观看视频| 91久久精品国产一区二区三区| 麻豆成人av视频| 国产高清有码在线观看视频| 99视频精品全部免费 在线| 亚洲精品日本国产第一区| 亚洲精品视频女| 亚洲精品中文字幕在线视频 | 亚洲自偷自拍三级| 大又大粗又爽又黄少妇毛片口| 国国产精品蜜臀av免费| 欧美激情国产日韩精品一区| 男男h啪啪无遮挡| .国产精品久久| 国产精品熟女久久久久浪| 亚洲精品亚洲一区二区| 欧美日韩亚洲高清精品| 一本色道久久久久久精品综合| 久久这里有精品视频免费| 亚洲最大成人av| 亚洲国产日韩一区二区| 一级毛片我不卡| 国产精品一区二区性色av| 久久精品国产亚洲网站| av国产免费在线观看| 极品少妇高潮喷水抽搐| 欧美另类一区| 精品少妇黑人巨大在线播放| 精品久久久久久久末码| 亚洲av欧美aⅴ国产| 欧美丝袜亚洲另类| 日韩不卡一区二区三区视频在线| 欧美一级a爱片免费观看看| 亚洲最大成人av| 国产精品一区二区三区四区免费观看| 大香蕉97超碰在线| 自拍偷自拍亚洲精品老妇| 欧美日韩亚洲高清精品| 亚洲自偷自拍三级| 日日摸夜夜添夜夜添av毛片| 好男人视频免费观看在线| 两个人的视频大全免费| 男人狂女人下面高潮的视频| 日韩大片免费观看网站| 97超碰精品成人国产| 日本爱情动作片www.在线观看| 国产老妇女一区| 精品人妻熟女av久视频| 久久国产乱子免费精品| 国产精品麻豆人妻色哟哟久久| 国产精品三级大全| 岛国毛片在线播放| 亚洲精品日本国产第一区| 国产精品成人在线| 又爽又黄a免费视频| 国产成年人精品一区二区| 国产精品麻豆人妻色哟哟久久| 99热网站在线观看| 亚洲va在线va天堂va国产| 下体分泌物呈黄色| www.av在线官网国产| 中国三级夫妇交换| 亚洲图色成人| 国产午夜精品久久久久久一区二区三区| 精品人妻熟女av久视频| 男的添女的下面高潮视频| 午夜福利视频1000在线观看| 国产男女超爽视频在线观看| 91久久精品国产一区二区成人| 不卡视频在线观看欧美| 黄色怎么调成土黄色| 国产精品99久久久久久久久| 在线观看美女被高潮喷水网站| 亚洲无线观看免费| 欧美一区二区亚洲| 国产精品99久久久久久久久| 亚洲av一区综合| 一个人看视频在线观看www免费| 视频中文字幕在线观看| 国产探花极品一区二区| 精品少妇久久久久久888优播| 亚洲在久久综合| 69人妻影院| 大香蕉久久网| 欧美激情在线99| 国产欧美亚洲国产| 亚洲最大成人手机在线| 国产 一区精品| 99久久人妻综合| a级毛片免费高清观看在线播放| 免费大片黄手机在线观看| 在线 av 中文字幕| 黄片wwwwww| 亚洲在线观看片| 亚洲精品久久午夜乱码| 国产精品一区二区性色av| 亚洲精品中文字幕在线视频 | 人妻一区二区av| 亚洲精品国产av成人精品| av在线观看视频网站免费| videos熟女内射| av在线天堂中文字幕| 亚洲成人av在线免费| 少妇熟女欧美另类| 99久久中文字幕三级久久日本| 欧美老熟妇乱子伦牲交| 精品久久久精品久久久| 日产精品乱码卡一卡2卡三| 涩涩av久久男人的天堂| 久久人人爽av亚洲精品天堂 | 亚洲av福利一区| 亚洲最大成人中文| 日韩亚洲欧美综合| 看非洲黑人一级黄片| 国产色婷婷99| 久久6这里有精品| 国产爱豆传媒在线观看| 别揉我奶头 嗯啊视频| 亚洲最大成人av| 在线天堂最新版资源| 免费看av在线观看网站| 啦啦啦在线观看免费高清www| www.av在线官网国产| 熟女人妻精品中文字幕| www.色视频.com| 久久久欧美国产精品| 一级毛片我不卡| 亚洲自拍偷在线| 亚洲三级黄色毛片| 卡戴珊不雅视频在线播放| 边亲边吃奶的免费视频| 别揉我奶头 嗯啊视频| 我要看日韩黄色一级片| 成年女人看的毛片在线观看| 女的被弄到高潮叫床怎么办| 欧美国产精品一级二级三级 | 国产毛片a区久久久久| 精品一区二区三区视频在线| 少妇人妻 视频| 欧美日本视频| 一本一本综合久久| 亚洲自拍偷在线| 日韩电影二区| 一区二区三区免费毛片| 街头女战士在线观看网站| 男女那种视频在线观看| 亚洲欧美日韩卡通动漫| 亚洲av国产av综合av卡| 日本一本二区三区精品| 免费观看无遮挡的男女| 天天躁夜夜躁狠狠久久av| 精品人妻一区二区三区麻豆| 在线观看美女被高潮喷水网站| 成人毛片60女人毛片免费| 国产久久久一区二区三区| 舔av片在线| 日本黄大片高清| 欧美极品一区二区三区四区| 欧美国产精品一级二级三级 | 99久久九九国产精品国产免费| 少妇人妻精品综合一区二区| 久久久久久久久大av| 免费看光身美女| 水蜜桃什么品种好| 日韩大片免费观看网站| 岛国毛片在线播放| 久久久久性生活片| 国产亚洲91精品色在线| 国产精品一区二区在线观看99| 成人鲁丝片一二三区免费| 国产男人的电影天堂91| 免费av不卡在线播放| 色视频www国产| 国产国拍精品亚洲av在线观看| 久久久久久久久久久免费av| 性色av一级| 亚洲内射少妇av| 九九在线视频观看精品|