水深测量是保障海洋开发、近海工程、军事部署等方面的一项重要的工作。浅海是集中了岛礁、浅滩等碍航危险物较多的海区,浅海水深测量对于保障船舶航运安全具有重要的意义。常见的水深测量方法是利用安装在测量船上的测深设备和定位设备直接进行测量,需要测量船按计划测量航线在测量海区上进行航行,对于存在暗礁的危险海区、存在主权争议或被他国非法侵占的岛礁附近海区,往往无法完成水深测量工作。随着我国海洋卫星技术的进步和发展,使用遥感观测海洋信息的能力得到增强,利用遥感数据进行海洋信息提取与要素定量反演逐渐成为新的研究课题。发展基于卫星遥感信息平台的水深反演技术,并将其应用于获取存在危险或争议的浅水海区的水深已成为一种新颖的水深测量手段,对于航运安全,海洋开发,军事部署等具有重要意义。本文以南海美济礁区域为研究对象,利用与区域相对应的高分二号(GF-2)多光谱数据,在对遥感影像进行辐射定标、大气校正、几何校正与水陆分离等预处理的基础上,研究基于高分数据的浅海水深反演方法。首先分析浅海水体的光谱特性,定量描述辐射能量从卫星传感器端穿过大气到海表面,再从海表平面传输到海底能量变化过程,分析辐射能量与水深的关系,探究利用辐射能量进行水深反演的可行性。其次,介绍常用的传统水深反演方法,主要包括统计相关模型和半理论半经验模型。统计相关模型是直接通过分析遥感影像光谱波段值和实测水深值之间的相关关系而建立水深反演模型,计算相对比较简单,但由于感影像光谱波段值与实测水深值的事实相关性无法保证,统计相关模型反演获得的水深结果并不准确。半理论半经验模型是依据辐射能量在水体中的衰减特性,将理论解析模型与经验参数相结合建立反演水深模型,可获得较高的反演精度。本文利用经过预处理的高分多光谱数据和水深样本分别建立了单波段、多波段和波段比值模型。最后,针对定量水深反演,提出以透水波段比值和归一化主成分特征指数作为水深反演因子,可有效去除水体杂质悬浮物、叶绿素与海底地质的影响。本文提出了基于水体特征参数的神经网络水深反演方法。介绍BP神经网络实现原理、模型结构与训练过程,重点介绍神经网络水深反演方法的实现过程。利用高分多光谱数据与水深样本实现神经网络水深反演模型的仿真试验。结果表明,与简单神经网络水深反演方法比较,该方法可以得到精度更高的反演效果;与传统水深测量方法相比,该方法可实现对浅海水域大范围、快速的测量,并且具有很好的实用性,解决特定水域环境水深信息的有无问题,丰富了水深测量的手段。