Effizient und präzise die Flachwassertiefe mit hoher räumlicher Auflösung zu erhalten, kann Unterstützungsdaten für die Schifffahrt, die Erforschung und den Schutz mariner Ressourcen usw. bereitstellen. In diesem Artikel haben wir eine Methode zur Inversion der Wassertiefe vorgestellt, die das Merkmal des geografischen Standorts als Modellierungselemente integriert und ein Modell zur Inversion der Wassertiefe auf der Grundlage des Back Propagation Neural Network (BPNN) mit verschiedenen Satellitenbildern wie Sentinel-2, Landsat 9, separat gebaut und die Zuverlässigkeit und Genauigkeit der vorgeschlagenen Methode getestet in der Meeresregion der Insel Weizhou in China und der Meeresregion der Insel Molokai in den USA. Die Ergebnisse zeigen: Im Modellauswahlprozess haben wir festgestellt, dass die Genauigkeit des maschinellen Lernmodells höher ist als die aller anderen empirischen Modelle, wobei die Genauigkeit des BPNN-Modells am höchsten ist. Die Integration des geografischen Standortmerkmals kann die Genauigkeit der Wassertiefeninversion erheblich verbessern. Die Ergebnisse der experimentellen Verifikation zeigen: Die Genauigkeit der Tiefeninversion von Weizhou Island R² stieg von 0,7666 auf 0,9952, der RMSE von 2,5016 m auf 0,3578 m ; das Gebiet der Insel Molokai erreichte ebenfalls 0,9939, der RMSE von 3,0165 m auf 1,0189 m. Dies deutet darauf hin, dass das von uns erstellte Modell zur Inversion der Wassertiefe eine hohe Genauigkeit, Zuverlässigkeit und Portabilität aufweist und effektiv zur Messung der Flachwassertiefe eingesetzt werden kann. Darüber hinaus führte die Hinzufügung des geografischen Standortmerkmals gleichzeitig mit der Hinzufügung des Vegetationsindex nicht zu besseren Ergebnissen, sondern verringerte die Modellierungsgenauigkeit des Modells leicht, was darauf hinweist, dass das blinde Hinzufügen von Modellierungselementen nicht zu einer Erhöhung der Modellgenauigkeit führt, und die Korrelation zwischen den verschiedenen Modellierungselementen analysiert und eine umfassende Analyse zur Auswahl und Aufgabe von Modellierungsfaktoren durchgeführt werden sollte.

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