研究人员开发出创新方法来利用卫星数据测量浅水深度

大气层的顶部是地球大气层和外层空间之间商定的边界。卫星穿越这个空间，促进全球通信和对地球进行成像，测量不断变化的冰层覆盖高度和土地质量变化。厦门大学和马萨诸塞大学波士顿分校的研究人员表示，虽然卫星技术非常先进，但为海岸线以外的每个浅水区生成准确的水深是一项长期挑战。

研究人员说，问题不在于收集的数据类型或数量，而在于如何将其转化为对近岸水域浅浅程度的准确估计。为了解决这一挑战，他们开发了一种机器学习算法，该算法使用来自两颗地球观测卫星的数据来确定光学浅水的深度。

他们于 2 月 3 日在Journal of Remote Sensing上发表了他们的方法。

“珊瑚礁、海草和海带床等近岸浅水环境是世界上最具社会经济意义和生产力的生态系统之一;其监测是许多政府机构的一项重要任务，”通讯作者兼名誉教授李忠平说。马萨诸塞大学波士顿分校环境学院。“除了监测此类生态系统中底部基质的变化外，一个理想的参数是底部深度，因为它不仅对导航很重要，而且对沿海过程的研究和沿海事件的管理也很重要，从监测风暴潮到选址风电场。”

海底深度测量(称为水深测量)通常是通过声纳进行的，但随着卫星技术的改进，越来越多的测量是通过卫星激光雷达进行的。

“虽然这些方法和系统提供了对底部深度的高精度测量，但它们成本高、耗时长，并且仅限于船只(用于声纳)可以到达的区域或卫星激光雷达绘制的线路，以及来自太空的数据无法形成高分辨率的测深图，”第一作者，厦门大学海洋与地球科学学院研究生赖文典说。

研究人员使用了来自地质调查局和宇航局卫星 Landsat 8 上的操作陆地成像仪以及来自 ICESat-2 上的先进地形激光高度计系统 (ATLAS) 仪器的公开数据，ICESat-2 是宇航局测量地球上各种高程点的卫星行星。ICESat-2 在兴趣点发射激光，并计算激光到达该点并返回卫星所需的时间。ATLAS 数据包含由卫星下行传输的所有光子(激光束的组成部分)的纬度、经度和时间。

该团队专注于大巴哈马银行和 Cay Sal 银行的数据测量，训练人工智能神经网络以了解位于同一地点的数据点如何共同指示深度。

“该算法准确地标记了光学浅水区和光学深水区 100% 的时间，”赖说。

研究人员指出，虽然结果是“有希望的”，但这项研究的重点是热带和亚热带地区，那里的水通常很清澈。但是，一旦收集到来自 Landsat 8 的成像数据，他们的方法就可以应用于其他地区。

“这个系统展示了传统算法所缺乏的强大的可移植性，”Lee 说。“我们计划将该系统应用于许多地区，目标是生成近岸浅水区的全球高分辨率测深图。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！