首页|基于多源数据融合的澎湖水道数字水深模型构建

基于多源数据融合的澎湖水道数字水深模型构建

扫码查看
原文链接
  • 万方数据
  • 维普
为了在澎湖水道生成一个高质量的数字水深模型(Digital Bathymetric Model,DBM),分析了不同DBM在不同子区域之间的差异,利用自适应分区域空间加权融合方法构建了一个新的DBM.结果表明,在当前使用最为广泛的DBMs中,SRTM30_PLUS、GEBCO_2021、SRTM15_PLUS这3种DBM质量较好,均方根误差(Root Mean Squared Error,RMSE)为7.931～8.016 m,而ETOPO1、GEBCO_2014和TOPO V19.1质量较差,RMSE为11.439～20.105 m;利用本文研究方法所构建的澎湖水道数字水深模型的RMSE为6.970 m,其精度比GEBCO_2021、SRTM30_PLUS和SRTM15_PLUS模型分别高12％、13％和12％,利用本研究方法所构建的DBM恢复了高精度水深点,保留了地形细节信息.研究结果可为从多个数据集中及时重建和更新大规模海底地形提供参考,并推广应用于其他环境和区域中.
Construction of Penghu Channel Digital Bathymetric Model Based on Multisource Data Fusion

multi-source bathymetric datadigital bathymetric modelschart dataweighted fusion

熊桂芳、王波、朱长德、张国栋、郭澍

展开 >

南京信息工程大学遥感与测绘工程学院,江苏南京210044

航天远景(南京)科技有限公司,江苏南京210046

多源水深数据 数字水深模型 海图数据 加权融合

江苏省高等学校自然科学研究项目

22KJB170016

2024

10.12362/j.issn.1671-6647.20220606002

海洋科学进展
中国海洋学会 国家海洋局第一海洋研究所

海洋科学进展

CSTPCD北大核心
影响因子：0.532
ISSN：1671-6647
年,卷(期)：2024.42(1)
  • 24