论文简介：水深估计在多个领域内都至关重要，包括导航、环境监测和资源管理。然而，传统的深度测量方法，例如测深学，通常既昂贵又耗时，尤其是在偏远或难以抵达的地区。本研究探索了机器学习技术在水深估计中的应用，特别关注了百度大模型中的Easy DL模型在卫星图像中的应用。该研究使用了印度Rushikonda海滩的Sentinel-2卫星数据，并使用ACOLITE软件将其处理为遥感反射率，比较了几个机器学习算法的性能，包括Stumpf模型、Log-Linear模型和百度Easy DL模型，以实现准确的水深估计。结果表明，Easy-DL模型优于传统方法，特别是在0-11米的深度范围内表现优异。这项研究展示了机器学习在遥感领域的巨大潜力，提供了即使在复杂的沿海环境中也能实现准确的水深估计。此外，它强调了全面的训练数据集和集成学习技术在提高准确性方面的关键作用。这项研究为进一步探索机器学习在遥感中的应用打开了新的途径，并强调了在线模型API在简化遥感数据处理方面的前景。