Regression Models for Dense Bathymetry in Turbid Coastal Areas xxxxxxxxxxx xxxxxxxxxxx Steven Martinez Vargas Consejo Nacional de Investigaciones Cient´ ıficas y Tecnol´ ogicas Instituto Argentino de Oceanograf´ ıa Departamento de Ingenier´ ıa El´ ectrica y de Computadoras Universidad Nacional del Sur Bah´ ıa Blanca, Argentina Email: stevenmv.91@gmail.com xxxxxxxxxxx xxxxxxxxxxx Claudio Delrieux Consejo Nacional de Investigaciones Cient´ ıficas y Tecnol´ ogicas Departamento de Ingenier´ ıa El´ ectrica y de Computadoras Universidad Nacional del Sur Bah´ ıa Blanca, Argentina Email: cad@uns.edu.ar xxxxxxxxxxx xxxxxxxxxxx xxxxxxxxxxxxx xxxxxxxxxxxxx Alejandro Vitale Consejo Nacional de Investigaciones Cient´ ıficas y Tecnol´ ogicas Instituto Argentino de Oceanograf´ ıa Departamento de Ingenier´ ıa El´ ectrica y de Computadoras Universidad Nacional del Sur Bah´ ıa Blanca, Argentina Email: vitale.alejandro@gmail.com xxxxxxxxxxxxxx xxxxxxxxxxxxxx Katy Lorena Blanco Monroy Departamento de Ingenier´ ıa El´ ectrica y de Computadoras Universidad Nacional del Sur Bah´ ıa Blanca, Argentina Email: ktyblanco@gmail.com xxxxxxxxxxxx xxxxxxxxxxxx Abstract—We trained and analyzed the behavior and robust- ness of two regression models, Random Forest and Support Vec- tor Machine, with aerial hyperspectral images and echosounder measurements in an area of the Bahia Blanca estuary (Buenos Aires, Argentina) to generate a dense bathymetric map. This region of the estuary is characterized by high sediment transport, which makes its waters turbid, which makes bathymetric-optical estimates difficult. Images of 24 NIR and visible spectral bands acquired using a hyperspectral camera on board a UAV were used, together with 100 bathymetric data points surveyed with a sonar sensor on board a USV in an area of approximately 800 m 2 . The best model was Random Forest with a coefficient determination of 0.815 (for the test data), an RSME = 0.160 m, and an absolute mean error less than 1.3%. We performed ablation tests to evaluate the robustness of the models and using SHAP values we determined the bands with the highest incidence in the model. The results allow for dense and accurate reconstructions of the underwater profile in shallow and muddy regions of the Bahia Blanca estuary, showing the feasibility of merging hyperspectral images with sonar data in turbid shallow waters. Index Terms—Regression models, hyperspectral images, turbid coastal, bathymetry, unmanned vehicles. I. I NTRODUCCI ´ ON La precisi´ on en las mediciones batim´ etricas es de gran utilidad en innumerables aplicaciones tales como la protecci´ on de ecosistemas, la planificaci´ on costera en ´ areas con trafico pesado de embarcaciones [1], el monitoreo e investigaci´ on de inundaciones y erosi´ on, actividades de investigaci´ on ambien- tal, geomorfol´ ogica y biol´ ogica [2]. Esto ocurre especialmente en ´ areas con din´ amicas complejas como los estuarios. El estuario de Bah´ ıa Blanca, localizado al Sureste de la provincia de Buenos Aires, Argentina (Fig. 1(a)), comprende un ´ area de m´ as de 2500 km 2 de llanuras intermareales, canales altamente interconectados, islas, estanques, marismas y otros peque˜ nos cuerpos de agua de poca profundidad. Esta geograf´ ıa lo convierte en uno de los entornos costeros m´ as extensos y complejos del mundo [3], [4]. Los ciclos de marea generan efectos tanto erosivos como de transporte de sedimentos y lodos [5]. Este fen´ omeeno no solo enturbia el agua, sino que tambi´ en modifica la forma y el tama˜ no de las peque˜ nas caracter´ ısticas geogr´ aficas y geomorfol´ ogicas [6]. La falta de informaci´ on batim´ etrica amplia y precisa es una de las prin- cipales dificultades en la investigaci´ on ambiental del estuario. Las estimaciones precisas de la profundidad del agua son clave para determinar los factores relacionados con las inundaciones, los procesos erosivos y los h´ abitats ecol´ ogicos, entre muchos otros aspectos. La batimetr´ ıa tradicional utiliza medios directos tales como cables, varas, o dispositivos de ultrasonido activo a bordo de embarcaciones. Estos medios proporcionan solo informaci´ on puntual y espaciada relacionada con el tiempo y/o espacio de muestreo, por lo que son costosos y laboriosos si se requieren mediciones densas en regiones amplias, adem´ as de los riesgos operativos asociados en contextos de aguas poco profundas con dif´ ıcil nivel de acceso [7],[8]. Los enfoques m´ as recientes se basan en dispositivos activos