• <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
    欧美黑人精品巨大| 欧美日韩国产mv在线观看视频| svipshipincom国产片| 桃色一区二区三区在线观看| 亚洲国产欧美一区二区综合| 亚洲av电影在线进入| 国产精品久久久人人做人人爽| 久久人人精品亚洲av| 不卡一级毛片| 亚洲自偷自拍图片 自拍| 国产成人精品久久二区二区免费| 亚洲精品国产色婷婷电影| 一进一出抽搐动态| 久久久久国内视频| 日日干狠狠操夜夜爽| 午夜亚洲福利在线播放| 黄片小视频在线播放| 欧美av亚洲av综合av国产av| 男女午夜视频在线观看| 男人舔女人的私密视频| 日韩欧美国产一区二区入口| 在线观看免费视频日本深夜| av免费在线观看网站| 亚洲午夜理论影院| 亚洲精品国产色婷婷电影| 中文字幕最新亚洲高清| 午夜成年电影在线免费观看| 人妻久久中文字幕网| 成熟少妇高潮喷水视频| 午夜成年电影在线免费观看| 国产精品日韩av在线免费观看 | 亚洲午夜理论影院| 精品国产乱子伦一区二区三区| 两个人看的免费小视频| 黑人欧美特级aaaaaa片| 亚洲在线自拍视频| 久久久久久久久免费视频了| 久久人妻av系列| 久久人妻av系列| 一级毛片女人18水好多| 久久人妻av系列| 黑人欧美特级aaaaaa片| 精品一区二区三区av网在线观看| 91大片在线观看| xxx96com| 两个人看的免费小视频| 久久 成人 亚洲| 咕卡用的链子| 亚洲自偷自拍图片 自拍| 久久精品亚洲熟妇少妇任你| 亚洲精品一卡2卡三卡4卡5卡| 一二三四在线观看免费中文在| 亚洲精品一卡2卡三卡4卡5卡| 亚洲三区欧美一区| 久久精品91蜜桃| 午夜视频精品福利| 久久久久久人人人人人| 精品国产超薄肉色丝袜足j| 老汉色∧v一级毛片| 悠悠久久av| 男女午夜视频在线观看| 一级a爱片免费观看的视频| 美女午夜性视频免费| 一区福利在线观看| 黄色女人牲交| 日韩欧美一区视频在线观看| 久久精品aⅴ一区二区三区四区| 宅男免费午夜| 在线免费观看的www视频| 欧美黑人欧美精品刺激| 长腿黑丝高跟| 久久久水蜜桃国产精品网| 啦啦啦 在线观看视频| 90打野战视频偷拍视频| 成人亚洲精品一区在线观看| 亚洲人成77777在线视频| 99国产综合亚洲精品| 狠狠狠狠99中文字幕| 亚洲人成电影观看| 女警被强在线播放| 性欧美人与动物交配| 婷婷丁香在线五月| 国产精品一区二区在线不卡| 中出人妻视频一区二区| av网站在线播放免费| 国产片内射在线| 国产精品电影一区二区三区| 一级毛片高清免费大全| 国产精品久久久久成人av| 日韩免费高清中文字幕av| 欧美日韩精品网址| 老司机靠b影院| 国产深夜福利视频在线观看| 午夜a级毛片| 两个人免费观看高清视频| 亚洲久久久国产精品| 淫秽高清视频在线观看| 女生性感内裤真人,穿戴方法视频| 国产一区二区在线av高清观看| 一个人免费在线观看的高清视频| 欧美激情极品国产一区二区三区| 久久久国产精品麻豆| 免费观看人在逋| 大香蕉久久成人网| 久99久视频精品免费| 在线av久久热| 美女扒开内裤让男人捅视频| www.熟女人妻精品国产| 高潮久久久久久久久久久不卡| 一级毛片精品| 欧美国产精品va在线观看不卡| 国产精品免费视频内射| 日韩免费av在线播放| 精品电影一区二区在线| av中文乱码字幕在线| 国产又色又爽无遮挡免费看| 亚洲成人国产一区在线观看| 欧美激情极品国产一区二区三区| 在线看a的网站| 欧美精品一区二区免费开放| 热99re8久久精品国产| 国产av一区在线观看免费| 99精品在免费线老司机午夜| 精品一区二区三区av网在线观看| 丁香六月欧美| 欧美精品啪啪一区二区三区| 亚洲人成网站在线播放欧美日韩| 国产一区二区三区视频了| 999久久久精品免费观看国产| 纯流量卡能插随身wifi吗| 久久人人97超碰香蕉20202| 男女午夜视频在线观看| 天天影视国产精品| 不卡一级毛片| 亚洲自拍偷在线| 日韩欧美三级三区| 亚洲性夜色夜夜综合| 一边摸一边抽搐一进一小说| 亚洲第一欧美日韩一区二区三区| 老司机福利观看| 多毛熟女@视频| 美女福利国产在线| 国产精品一区二区精品视频观看| 不卡一级毛片| av中文乱码字幕在线| 他把我摸到了高潮在线观看| videosex国产| 老鸭窝网址在线观看| 午夜免费激情av| 人人妻人人澡人人看| 国产精品亚洲av一区麻豆| www.熟女人妻精品国产| 亚洲在线自拍视频| 中文字幕av电影在线播放| 777久久人妻少妇嫩草av网站| 女人被躁到高潮嗷嗷叫费观| av中文乱码字幕在线| 午夜福利一区二区在线看| 久久久水蜜桃国产精品网| 在线看a的网站| 久久性视频一级片| 一进一出抽搐动态| √禁漫天堂资源中文www| 我的亚洲天堂| 国产精品乱码一区二三区的特点 | 美国免费a级毛片| 麻豆久久精品国产亚洲av | bbb黄色大片| 久久午夜综合久久蜜桃| 色综合婷婷激情| 国产精品99久久99久久久不卡| 女人被躁到高潮嗷嗷叫费观| 国产主播在线观看一区二区| 男女床上黄色一级片免费看| 中文字幕另类日韩欧美亚洲嫩草| 麻豆av在线久日| 别揉我奶头~嗯~啊~动态视频| 精品午夜福利视频在线观看一区| 亚洲在线自拍视频| 久久精品亚洲熟妇少妇任你| 精品一区二区三区视频在线观看免费 | 成年女人毛片免费观看观看9| www国产在线视频色| 99精品在免费线老司机午夜| 777久久人妻少妇嫩草av网站| 999精品在线视频| 国产真人三级小视频在线观看| 国产欧美日韩精品亚洲av| 天堂中文最新版在线下载| 一区二区三区精品91| 两人在一起打扑克的视频| 怎么达到女性高潮| 亚洲欧美日韩另类电影网站| 午夜影院日韩av| 国产三级黄色录像| a在线观看视频网站| 亚洲免费av在线视频| 一级毛片女人18水好多| 国产精品1区2区在线观看.| 天天影视国产精品| 露出奶头的视频| 成人手机av| 婷婷丁香在线五月| 韩国av一区二区三区四区| 天堂俺去俺来也www色官网| 天天影视国产精品| 日韩欧美免费精品| 欧美日韩一级在线毛片| 91老司机精品| 欧美精品啪啪一区二区三区| 精品人妻1区二区| 欧美日本中文国产一区发布| 欧美精品一区二区免费开放| 国产片内射在线| 国产精品国产高清国产av| av天堂在线播放| 亚洲熟妇熟女久久| 亚洲黑人精品在线| 18禁黄网站禁片午夜丰满| 午夜免费鲁丝| 一级a爱视频在线免费观看| 亚洲欧美日韩无卡精品| 亚洲精品国产精品久久久不卡| www.www免费av| 国产精品永久免费网站| 手机成人av网站| 日韩成人在线观看一区二区三区| 99在线人妻在线中文字幕| 中国美女看黄片| 精品日产1卡2卡| 国产免费男女视频| 亚洲精品一区av在线观看| 欧美黄色片欧美黄色片| 久久天躁狠狠躁夜夜2o2o| 99久久综合精品五月天人人| 久久精品国产综合久久久| 免费在线观看影片大全网站| 亚洲成人国产一区在线观看| 夜夜爽天天搞| 自拍欧美九色日韩亚洲蝌蚪91| 欧美 亚洲 国产 日韩一| 亚洲精品一区av在线观看| 黄色视频,在线免费观看| 国产欧美日韩综合在线一区二区| 欧美大码av| 亚洲欧美激情在线| 精品人妻在线不人妻| 后天国语完整版免费观看| 欧美乱妇无乱码| 亚洲avbb在线观看| 又黄又爽又免费观看的视频| 亚洲国产毛片av蜜桃av| 视频区欧美日本亚洲| 一区在线观看完整版| 国产在线精品亚洲第一网站| 曰老女人黄片| 人人妻,人人澡人人爽秒播| 成年人免费黄色播放视频| 成人免费观看视频高清| 纯流量卡能插随身wifi吗| 最新美女视频免费是黄的| 色精品久久人妻99蜜桃| 亚洲精品国产区一区二| 在线播放国产精品三级| 三级毛片av免费| 国产高清国产精品国产三级| 精品福利观看| 午夜a级毛片| 久久亚洲真实| 99久久综合精品五月天人人| 女性被躁到高潮视频| 日本欧美视频一区| 最近最新中文字幕大全免费视频| 国产亚洲欧美精品永久| 免费日韩欧美在线观看| av在线播放免费不卡| 一级片免费观看大全| 黄色丝袜av网址大全| 夜夜看夜夜爽夜夜摸 | 亚洲精品中文字幕一二三四区| 可以免费在线观看a视频的电影网站| 午夜91福利影院| 新久久久久国产一级毛片| 欧美日韩亚洲综合一区二区三区_| 国产精品亚洲av一区麻豆| 757午夜福利合集在线观看| 男女做爰动态图高潮gif福利片 | 搡老岳熟女国产| 国产有黄有色有爽视频| 桃色一区二区三区在线观看| 黑人操中国人逼视频| 午夜免费成人在线视频| 99精国产麻豆久久婷婷| 在线av久久热| 在线观看66精品国产| 精品人妻在线不人妻| a在线观看视频网站| 久久热在线av| 免费在线观看影片大全网站| 欧美日韩中文字幕国产精品一区二区三区 | 又紧又爽又黄一区二区| 十八禁网站免费在线| 一进一出抽搐动态| 在线观看舔阴道视频| 精品久久久久久,| 亚洲精品中文字幕一二三四区| 人妻久久中文字幕网| 亚洲精品一卡2卡三卡4卡5卡| 天天影视国产精品| 中亚洲国语对白在线视频| 我的亚洲天堂| 久久久久久人人人人人| 国产精品二区激情视频| 国产精品秋霞免费鲁丝片| 国产成+人综合+亚洲专区| 美女大奶头视频| 亚洲aⅴ乱码一区二区在线播放 | 高潮久久久久久久久久久不卡| 国产精品亚洲一级av第二区| 国产午夜精品久久久久久| 成人手机av| 亚洲午夜理论影院| 国产精品久久久av美女十八| 亚洲精品中文字幕一二三四区| 亚洲国产中文字幕在线视频| 夜夜看夜夜爽夜夜摸 | 大香蕉久久成人网| 精品国产乱子伦一区二区三区| 国产欧美日韩一区二区三区在线| 国产免费现黄频在线看| 热99re8久久精品国产| 国产精品久久久久成人av| 久久久久久人人人人人| 久久中文字幕一级| 国产激情久久老熟女| 日韩精品中文字幕看吧| 婷婷六月久久综合丁香| 成人手机av| 91九色精品人成在线观看| 午夜福利一区二区在线看| 69精品国产乱码久久久| 中文字幕高清在线视频| 亚洲成人免费av在线播放| 免费人成视频x8x8入口观看| 国产在线精品亚洲第一网站| 97碰自拍视频| 少妇裸体淫交视频免费看高清 | 精品一区二区三区四区五区乱码| 真人做人爱边吃奶动态| 亚洲一区二区三区色噜噜 | 超色免费av| 中文字幕av电影在线播放| 色在线成人网| 一级片免费观看大全| 怎么达到女性高潮| 欧美av亚洲av综合av国产av| 国产成人影院久久av| 中文字幕av电影在线播放| 巨乳人妻的诱惑在线观看| 在线观看午夜福利视频| 在线观看免费高清a一片| 国产又爽黄色视频| 如日韩欧美国产精品一区二区三区| 视频区欧美日本亚洲| 国产成人一区二区三区免费视频网站| 美女国产高潮福利片在线看| 91精品三级在线观看| 一级片'在线观看视频| 欧美+亚洲+日韩+国产| 亚洲aⅴ乱码一区二区在线播放 | 国产精品国产高清国产av| 美女高潮到喷水免费观看| 91麻豆av在线| 国产无遮挡羞羞视频在线观看| 久久人妻福利社区极品人妻图片| 最近最新中文字幕大全电影3 | 亚洲五月婷婷丁香| 伦理电影免费视频| 久热爱精品视频在线9| 露出奶头的视频| 国产高清国产精品国产三级| 女人高潮潮喷娇喘18禁视频| 18美女黄网站色大片免费观看| 精品久久久精品久久久| 亚洲七黄色美女视频| 亚洲国产精品合色在线| 国产三级黄色录像| 国产人伦9x9x在线观看| 在线观看免费日韩欧美大片| 欧美黄色淫秽网站| 精品一区二区三区视频在线观看免费 | 两个人看的免费小视频| 最好的美女福利视频网| 麻豆国产av国片精品| 少妇 在线观看| 久久人妻熟女aⅴ| 国产熟女xx| 国产三级黄色录像| xxx96com| 国产精品国产av在线观看| 午夜久久久在线观看| 午夜影院日韩av| 男女下面插进去视频免费观看| 免费av中文字幕在线| ponron亚洲| 成人免费观看视频高清| www.熟女人妻精品国产| 美女午夜性视频免费| 夜夜夜夜夜久久久久| 天天躁夜夜躁狠狠躁躁| 嫁个100分男人电影在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 在线观看免费视频网站a站| av福利片在线| 国产亚洲精品久久久久久毛片| av网站免费在线观看视频| 欧美激情久久久久久爽电影 | 国产精品偷伦视频观看了| 久久久久国产精品人妻aⅴ院| 精品久久久久久久毛片微露脸| 久久 成人 亚洲| 在线天堂中文资源库| 亚洲欧洲精品一区二区精品久久久| 日韩 欧美 亚洲 中文字幕| 可以免费在线观看a视频的电影网站| 日韩欧美国产一区二区入口| 欧美人与性动交α欧美精品济南到| 变态另类成人亚洲欧美熟女 | 这个男人来自地球电影免费观看| 757午夜福利合集在线观看| 丰满的人妻完整版| 久久草成人影院| 亚洲精品在线美女| 国产av精品麻豆| 精品国产乱子伦一区二区三区| 少妇被粗大的猛进出69影院| 国产97色在线日韩免费| 麻豆成人av在线观看| а√天堂www在线а√下载| 99久久99久久久精品蜜桃| 深夜精品福利| 成人三级做爰电影| 久久人人精品亚洲av| 制服诱惑二区| 丰满饥渴人妻一区二区三| av网站免费在线观看视频| 91九色精品人成在线观看| 国产亚洲欧美在线一区二区| 久久伊人香网站| 免费少妇av软件| 操美女的视频在线观看| 色哟哟哟哟哟哟| 久久久久久久久久久久大奶| 亚洲国产欧美日韩在线播放| 在线永久观看黄色视频| 日本wwww免费看| 国产99白浆流出| 国产精品久久久久久人妻精品电影| 美国免费a级毛片| 在线天堂中文资源库| 精品久久久久久久久久免费视频 | 亚洲黑人精品在线| 精品久久久精品久久久| 久久久久久大精品| 精品国内亚洲2022精品成人| 天堂动漫精品| xxx96com| 亚洲精品一二三| 在线播放国产精品三级| 国产高清激情床上av| 亚洲欧美精品综合久久99| 国产三级在线视频| 一级作爱视频免费观看| 国产乱人伦免费视频| 中文字幕人妻丝袜制服| 精品卡一卡二卡四卡免费| 女性生殖器流出的白浆| 久久午夜综合久久蜜桃| 80岁老熟妇乱子伦牲交| 亚洲国产中文字幕在线视频| 午夜a级毛片| 国产激情久久老熟女| 亚洲国产看品久久| 欧美一级毛片孕妇| 亚洲国产精品999在线| 97超级碰碰碰精品色视频在线观看| 自线自在国产av| 久久九九热精品免费| 天堂俺去俺来也www色官网| 午夜免费激情av| 亚洲成人免费电影在线观看| 国产精品久久视频播放| 国产精品99久久99久久久不卡| 人成视频在线观看免费观看| 丝袜美足系列| videosex国产| 亚洲激情在线av| 久久久国产一区二区| 巨乳人妻的诱惑在线观看| 91麻豆av在线| 国产又爽黄色视频| 欧美另类亚洲清纯唯美| av视频免费观看在线观看| 大香蕉久久成人网| 精品一区二区三区视频在线观看免费 | 亚洲七黄色美女视频| 国产熟女xx| 黄频高清免费视频| 热99国产精品久久久久久7| 大陆偷拍与自拍| 女人爽到高潮嗷嗷叫在线视频| 国产一卡二卡三卡精品| 多毛熟女@视频| 两个人免费观看高清视频| 高清在线国产一区| 欧美午夜高清在线| 欧美久久黑人一区二区| 日韩欧美三级三区| 黄片播放在线免费| 88av欧美| 久久热在线av| 久久天堂一区二区三区四区| 亚洲avbb在线观看| 午夜a级毛片| 国产高清videossex| 日韩欧美三级三区| 一级毛片女人18水好多| 日韩三级视频一区二区三区| 国产在线精品亚洲第一网站| 在线永久观看黄色视频| 日本三级黄在线观看| 国产精品久久久人人做人人爽| 夫妻午夜视频| 国产免费av片在线观看野外av| 丰满人妻熟妇乱又伦精品不卡| 亚洲成人国产一区在线观看| 黑人欧美特级aaaaaa片| 免费高清视频大片| 91精品国产国语对白视频| 色综合站精品国产| 中文字幕高清在线视频| 露出奶头的视频| 亚洲专区字幕在线| 在线看a的网站| 水蜜桃什么品种好| 免费看十八禁软件| 欧美日韩黄片免| 99久久国产精品久久久| 国产野战对白在线观看| 精品久久蜜臀av无| 国产蜜桃级精品一区二区三区| 日韩欧美在线二视频| 午夜免费观看网址| 黄色a级毛片大全视频| 免费高清视频大片| 美女福利国产在线| 中文字幕人妻丝袜制服| 国产精品一区二区精品视频观看| 亚洲国产欧美一区二区综合| 欧美日韩av久久| 最近最新免费中文字幕在线| 亚洲色图av天堂| 一级片免费观看大全| 黄网站色视频无遮挡免费观看| 男人操女人黄网站| 午夜视频精品福利| 久久久精品国产亚洲av高清涩受| 日本五十路高清| 色综合欧美亚洲国产小说| 在线永久观看黄色视频| 亚洲欧美日韩高清在线视频| 露出奶头的视频| 欧美精品啪啪一区二区三区| 久久精品成人免费网站| 动漫黄色视频在线观看| 一级作爱视频免费观看| 女人高潮潮喷娇喘18禁视频| 欧美日韩亚洲国产一区二区在线观看| 两个人免费观看高清视频| 精品一区二区三区av网在线观看| 女生性感内裤真人,穿戴方法视频| 亚洲午夜理论影院| 在线看a的网站| 成人特级黄色片久久久久久久| 操出白浆在线播放| 亚洲国产毛片av蜜桃av| 丰满人妻熟妇乱又伦精品不卡| 免费高清视频大片| 久久精品亚洲精品国产色婷小说| 老鸭窝网址在线观看| 中文亚洲av片在线观看爽| 日韩有码中文字幕| 免费av毛片视频| 国产伦一二天堂av在线观看| 99香蕉大伊视频| 免费av毛片视频| 老司机深夜福利视频在线观看| 麻豆国产av国片精品| 婷婷六月久久综合丁香| 美国免费a级毛片| 99精品久久久久人妻精品| 婷婷六月久久综合丁香| 亚洲精品av麻豆狂野| 成人亚洲精品一区在线观看| 老司机深夜福利视频在线观看| 亚洲五月天丁香| 精品国产超薄肉色丝袜足j| 亚洲人成伊人成综合网2020| 亚洲成人久久性| 两人在一起打扑克的视频| 午夜福利欧美成人| 伦理电影免费视频| 女生性感内裤真人,穿戴方法视频| 高清欧美精品videossex| 亚洲一区二区三区欧美精品|