Данные гиперспектрального отражения удалённого зондирования R_rs (Remote sensing reflectance) имеют важное прикладное значение для обратного вывода параметров качества прибрежных морских вод. Однако гиперспектральные датчики ограничены сложностью технологий и высокой стоимостью, а гиперспектральные данные полевых наблюдений значительно зависят от окружающей среды, что затрудняет обеспечение широкого охвата. Для преодоления этих ограничений в данной работе предлагается высокоэффективная модель восстановления гиперспектрального R_rs на основе сетей Колмогорова-Арнольда (KAN), которая обучается напрямую на спутниковых данных и восстанавливает из мультиспектрального R_rs гиперспектральное R_rs, которое по распределению высоко согласуется с реальными наблюдениями и является непрерывным. В работе использовались данные 2-го уровня гиперспектрального R_rs прибрежного океанского гиперспектрального имиджера HICO (Hyperspectral Imager for the Coastal Ocean) в качестве обучающей выборки, подвергнутые ресемплингу под 6 основных мультиспектральных датчиков для восстановления гиперспектрального R_rs в диапазоне 400—719 нм (с интервалом 1 нм). Эксперименты показали, что модель KAN превосходит традиционные эмпирические модели Li_2017 и модели глубокого обучения DNN (Deep Neural Network), CNN (Convolutional Neural Network) по качеству восстановления на всех датчиках, среднеквадратичная ошибка RMSD составляет 2.25×10⁻⁴ (sr⁻¹), средняя абсолютная ошибка MAE 1.60×10⁻⁴, средняя абсолютная процентная ошибка MAPE 0.0534, коэффициент детерминации R² 0.9982 и смещение Bias -0.1×10⁻⁴, что демонстрирует хорошую обобщающую способность и стабильность. Дополнительная валидация показала, что гиперспектральное R_rs, восстановленное с помощью KAN, дает лучшие результаты при обратном выводе концентрации хлорофилла-а (Chlorophyll-a, Chl-a), значительно улучшая точность, особенно в областях с высокой концентрацией. Предложенная модель восстановления гиперспектрального R_rs на основе KAN предоставляет новый подход для преодоления ограничений традиционных моделей, зависимых от измеренных или смоделированных данных, и улучшения производительности обратного зондирования сложных водных тел.

Сеть KAN; гиперспектральное отражение; восстановление отражения удалённого зондирования; обратный вывод параметров качества воды; прибрежные воды; отражение удалённого зондирования воды