目的 长期煤炭开采在两淮矿区造成了显著的地表沉陷和水体形成，这使得精确测量水深对于合理利用水资源变得至关重要，使用遥感反演水深的方法可高效便捷获取大范围水深数据。方法 提出了一种多源数据融合反演模型，通过整合Sentinel-2卫星遥感资料与无人船采集的水深数据，分别建立了基于单一波段、多波段以及对数比值的模型分析方法。通过CatBoost机器学习算法分别对3种传统模型中拟合效果最佳的模型进行优化。结果 经过实验验证，发现绿色单波段模型、多波段模型以及绿色与红色比值对数模型的拟合优度分别达到了0.675、0.692和0.260;均方根误差分别为2.40、2.34和3.62m。在采用CatBoost机器学习算法进行优化后，传统模型的反演精度均有提升。拟合优度分别为0.755、0.762、0.386;均方根误差分别为2.03、1.96和3.17m; CatBoost单波段模型在4～12m区间反演精度最高，CatBoost多波段模型在0～4m及12～16m有最高的反演精确性。结论 研究证明，采用的多源数据融合技术能够有效提升水深反演的精度，为矿区水域治理及水资源管理提供了科学依据，展示了其在环境监测和资源管理中的潜在应用。

1 研究区概况及研究方法
1.1 研究区概况
1.2 反演方法与模型建立
1)多光谱反演水深的基本原理
2)水深反演模型
3)CatBoost改进的反演模型
4)模型精度检验
2 数据获取与处理
2.1 无人船水深数据获取
2.2 Sentinel-2数据源及预处理
2.3 数据匹配处理
2.4 反演因子选择
3 结果与讨论
3.1 模型建立与分析
3.2 分段精度分析
4 结论

[1]徐良骥,廉年刚,张坤.基于CatBoost模型的采煤沉陷水域水体深度反演[J].安徽理工大学学报(自然科学版),2024,44(05):1-9.