Stima della batimetria costiera con Machine Learning e immagini satellitari

Le misure di batimetria vengono solitamente fatte mediante sonar che misura la profondità lungo la traiettoria di spostamento dell'imbarcazione dove è montato il sensore. Tecnologie recenti, e.g. multi-beam, prendono un ventaglio di misure in senso ortogonale a questa direzione, acquisendo quindi un corridoio più o meno largo di misure. E' possibile sfruttare i valori di assorbanza della luce, che differiscono in funzione della lunghezza d'onda della stessa, e delle caratteristiche del mezzo che attraversa, per stimare valori di profondità. I metodi possono essere empirici o basati su modelli fisici. Vengono qui presentati i risultati dell'applicazione di due metodi di machine learning per stimare la profondità lungo costa, usando immagini satellitari e combinazioni di bande da esse derivate:

1) Il metodo Random Forest (RF) 2) Il metodo Support Vector Machine (SVM).

I risultati forniscono valori di errore quadratico medio (RMSE) di 0.228 m e 0.409 m rispettivamente per questi due metodi. Circa 12000 misure di profondità eseguite su transetti mediante sonar sono state utilizzate per le operazioni di training e validazione. L'autocorrelazione spaziale è stata minimizzata usando misure per la validazione. Tutte le operazioni sono state fatte usando funzioni implementate tramite librerie in R-CRAN.