Высокоточное и бесконтактное измерение глубины воды имеет решающее значение для управления и охраны ландшафтов цветущих озер. Спутниковая дистанционная съемка не способна захватывать мелкие подводные осадочные особенности цветущих озер. В последние годы технологии дистанционного зондирования с использованием легких и компактных беспилотных летательных аппаратов постепенно применяются для сверхвысокоточного измерения глубины воды в мелководных районах. Однако классическая логарифмическая модель глубинной инверсии плохо приспосабливается к широко распространенному в цветущих озерах явлению рассеяния Релея. В этой статье проводится исследование метода инверсии глубины цветущих озер на основе изображений с беспилотников с использованием моделей машинного обучения. В качестве экспериментальной области выбран Хуохуокай в Цзючжайгоу, провинция Сычуань, Китай. Были проведены обучение и валидация моделей глубинной инверсии на основе случайного леса (RF), опорных векторов (SVM) и многоуровневого перцептрона (MLP) с ошибками RMSE соответственно 0,816 м, 0,945 м и 0,832 м. Экспериментальные результаты показывают, что модели машинного обучения имеют более высокую точность инверсии глубины по сравнению с традиционной логарифмической моделью. Среди них модели случайного леса и многоуровневого перцептрона более подходят для глубинной инверсии цветущих озер на основе изображений с беспилотных аппаратов, чем модель опорных векторов.

цветущие озера; беспилотники; аэрофотосъемка; инверсия глубины; машинное обучение; случайный лес; опорные векторы; многоуровневый перцептрон