الحصول الكفء والدقيق على عمق مياه البحر الضحلة عالية الدقة المكانية يمكن أن يوفر الدعم البياناتي للملاحة البحرية واستكشاف وحماية الموارد البحرية وغير ذلك. في هذا البحث، قدمنا طريقة لعكس عمق المياه تضم ميزة المواقع الجغرافية كعناصر النمذجة وقمنا ببناء نموذج لعكس عمق المياه على أساس شبكة BPNN (Back Propagation Neural Network) بشكل منفصل باستخدام صور الاستشعار النائي المختلفة مثل Sentinel-2 و Landsat 9 ، واختبرنا الموثوقية والدقة للطريقة المقترحة في منطقة بحر جزيرة ويزو في الصين ومنطقة جزيرة موروكاي في الولايات المتحدة. توضح النتائج: في عملية اختيار النموذج، وجدنا أن دقة نموذج التعلم الآلي أعلى من جميع النماذج التجريبية الأخرى، حيث كانت دقة نموذج BPNN الأعلى. يمكن أن تعزز ميزة المواقع الجغرافية بشكل جيد دقة عكس عمق المياه. توضح نتائج التحقق من الصحة: دقة عكس عمق جزيرة ويزو R² زادت من 0.7666 إلى 0.9952 ، RMSE انخفض من 2.5016 متر إلى 0.3578 متر؛ منطقة جزيرة موروكاي أيضا وصلت إلى 0.9939 ، RMSE انخفض من 3.0165 متر إلى 1.0189 متر. تشير إلى أن النموذج الذي قمنا ببنائه لعكس عمق المياه عالي الدقة وموثوق به ونقلي، يمكن استخدامه بفعالية في قياس عمق البحر الضحل. بالإضافة، إدخال ميزة المواقع الجغرافية مع إضافة ميزات مؤشر النباتات لم يحقق نتائج أفضل، بل جعل دقة إنشاء النموذج تنخفض قليلا، وذلك يدل على أن إضافة عناصر النمذجة بشكل عشوائي لا يمكن زيادة دقة النموذج، يجب تحليل تباين العناصر المختلفة وإجراء تحليل شامل لاختيار وتخليص عوامل النمذجة.

optical remote sensing;Offshore waters;Geographic location characterization;BPNN model;Weizhou Island;Molokai Island;accuracy validation