効率的かつ正確に高解像度の浅海水深を取得すれば、海上輸送、海洋資源調査および保護などにデータサポートを提供することができます。本論文では、地理的位置特性をモデリング要素として導入した水深逆推定法を提案し、Back Propagation Neural Network（BPNN）に基づく水深逆推定モデルを構築しました。Sentinel-2、Landsat 9などさまざまなリモートセンシング画像を使用して、中国のウェイジョウダオ海域とアメリカのモールカイダオ海域で本論文の方法の精度と適用性を検証しました。結果は、モデル選択プロセスで機械学習モデルのモデリング精度が他のすべての経験モデルよりも高いことが発見され、そのうちBPNNモデルのモデリング精度が最も高かったです。地理的な位置特性を導入すると、水深逆推定の精度が大幅に向上します。実験の検証結果から、ウェイジョウダオ地域の逆推定精度 ^ 2が0.7666から0.9952に向上し、RMSEは2.5016mから0.3578mに減少しました。モールカイダオ地域 ^ 2も0.9939に達し、RMSEは3.0165mから1.0189mに減少しました。本論文で構築した水深逆推定モデルは精度が高く、信頼性が高く、移植性が優れているため、浅海测深に効果的に使用することができます。さらに、地理的な位置特性の追加と同時に植生指数の特性を追加しても、より良い結果を得ることができず、かえってモデルのモデリング精度がわずかに低下しました。これは、無計画にモデリング要素を追加してもモデルの精度を向上させることはできず、各要素間の相関関係を分析して ganz eulich 自相関分析を行い、総合分析して、ファクタ

光学リモートセンシング; 近海海域; 地理的位置特性; BPNNモデル;ウェイジョウダオ;モールカイダオ; 精度検証