고해상도 해양 저수지의 수심을 효율적으로 정확하게 얻으면 해상 운송, 해양 자원 조사 및 보호 등을 지원 데이터를 제공할 수 있습니다. 본 논문은 모델링 요소로 지리적 위치 특성을 도입한 수심 추정 방법을 제시하고 Back Propagation Neural Network (BPNN)을 기반으로 한 수심 추정 모델을 구축했습니다. Sentinel-2, Landsat 9 등 다양한 원격 감지 이미지를 사용하여 중국의 Wěi zhōu dǎo 해역과 미국의 Mò luò kǎi dǎo 해역에서 제시된 방법의 정확성과 적용 가능성을 검증했습니다. 결과는 모델 선택 프로세스에서 기계 학습 모델의 모델링 정확도가 다른 모든 경험적 모델보다 높음을 발견했으며 그중 BPNN 모델의 모델링 정확도가 가장 높았습니다. 지리적 위치 요소를 도입하면 수심 추정 정확도를 크게 향상시킬 수 있습니다. 실험 검증 결과에서 Wěi zhōu dǎo 지역의 추정 정확도 2가 0.7666에서 0.9952로 향상되었으며 RMSE는 2.5016m에서 0.3578m로 줄었습니다. Mò luò kǎi dǎo 지역 2는 0.9939로, RMSE는 3.0165m에서 1.0189m로 달성되었습니다. 본 논문에서 구축된 수심 추정 모델은 정확도가 높고 신뢰성이 강하며 이식성이 우수하여 얕은 해양 측정에 효과적으로 사용할 수 있습니다. 또한 지리적 위치 요소를 추가로 추가하는 동시에 식물 지수 특성을 추가했더니 더 나은 결과를 얻지 못했고 모델의 모델링 정확도가 약간 감소하였습니다. 이는 맹목적으로 모델링 요소를 추가하여 모델의 정확도를 높일 수 없다는 것을 보여주며 각 요소 간의 상관 관계를 분석하고 ganz ey gregister eigenbeck modeling factors.를 신중히 분석하고 취사할 수 있다는 것을 보여 준다

광학 원격 감지; 근해 해역; 지리적 위치 특성; BPNN 모델; Wěi zhōu dǎo; Mò luò kǎi dǎo; 정확도 검증