浅海水深测量是海洋测绘中的一项重要内容,对海洋的开发与利用具有重要意义。传统船载测深受天气条件等因素的影响,并且我国海域辽阔,部分海域测量船只难以抵达。遥感测深技术以其大范围、灵活性、经济性等特点成为浅海水深测量的主要手段之一。浅海的海底底质复杂多样,不同类型的底质对水深反演的影响不同,通过底质分类削弱复杂海底对水深反演的不良影响是提高水深反演精度的方法之一。Stumpf 比值模型、Lyzenga对数模型广泛应用于遥感水深反演中,具有模型简单、参数较少的特点。本次研究的主要目的包括:(1)探究海底底质分类对Stumpf比值模型、Lyzenga对数模型的影响;(2)研究根据模型反演水深差异进行底质分类的可行性。本文利用GeoEye-1多光谱高空间分辨率遥感影像与实测水深数据,于我国南海西沙群岛甘泉岛周边的浅海海域进行遥感水深反演。所做的工作主要包括数据预处理、SVM底质分类、结合底质分类的Stumpf 比值模型水深反演、结合底质分类的Lyzenga对数模型水深反演、基于模型反演水深差异的大津法底质分类。主要结论如下:(1)在未分类混合底质的前提下,Stumpf比值模型的MSE、MAE高于Lyzenga对数模型,Stumpf比值模型可以削弱复杂底质对水深反演的不良影响,更适用于大面积、复杂底质海域。(2)底质分类后,在四个分区及总研究区域内,分区模型精度均高于底质未分类的全区模型精度。底质分类可以提高Stumpf比值模型、Lyzenga对数模型在甘泉岛海域的反演精度,但其对Stumpf 比值模型的提高效果小于对Lyzenga对数模型的提高效果。(3)根据反演水深差异进行底质分类的分类精度介于55%—70%间,最优分类结果为直方图拉伸后的混合-沙底模型差异的分类结果,最优总体分类精度为67.7085%,最优Kappa系数为0.3568。对于同一幅图像,拉伸方式影响大津法的分类结果和分类精度。