Мелководные моря служат критически важными переходными зонами, соединяющими сушу и глубокий океан, обеспечивая необходимые ресурсы для навигации, рыболовства, разведки энергоресурсов и развития островных рифов. Точные батиметрические данные составляют основу для морской инженерии, обеспечения безопасности каналов, оценки ресурсов и экологического восстановления. Однако почти 50% мировых мелководных зон всё ещё не имеют надёжной информации о глубине, что создаёт серьёзное препятствие для управления прибрежными территориями и устойчивого развития океана.
Для решения этой задачи исследовательская группа под руководством профессора Ние Шэна из Института аэрокосмической информации Китайской академии наук (AIRCAS) разработала новый батиметрический картографический фреймворк. Этот фреймворк объединяет косвенную инверсию данных LiDAR спутника Elevation Satellite-2 (ICESat-2) с наблюдениями дистанционного зондирования из различных источников.
Основные компоненты фреймворка
- Волновая косвенная батиметрия: использует данные ICESat-2 для оценки глубины воды на основе анализа волновых флуктуаций.
- Многоисточниковая интеграция данных: объединяет оптические, синтетические апертурные радарные (SAR) и LiDAR наблюдения.
- Стратегия временного переноса образцов: расширяет охват за пределы областей, обнаруживаемых LiDAR, путём повторного использования опорных точек, полученных с помощью ICESat-2, в разные временные фазы.
Принцип работы
- Прогрессивное адаптивное окно для локального периода (PAWLP): метод, лежащий в основе фреймворка, позволяет динамически сопоставлять локальные волновые флуктуации для извлечения репрезентативных периодов волн. Используя линейную волновую теорию, он оценивает глубину воды даже в регионах, где эхо от дна моря отсутствует.
- Сравнение с традиционными подходами: PAWLP обеспечивает более высокую точность и стабильность в различных водных условиях, улучшая пространственную согласованность и надёжность батиметрических результатов.
Результаты
Для расширения охвата за пределы областей, обнаруживаемых LiDAR, исследователи ввели стратегию временного переноса образцов, которая повторно использует опорные точки, полученные с помощью ICESat-2, в разные временные фазы. Интеграция оптических изображений Sentinel-2, текстурных характеристик SAR, высоты приливов и скорости приливных течений позволяет объединить многоисточниковую и мультитемпоральную информацию в рамках модели регрессии случайного леса.
Проверка по эталонным измерениям показывает хорошее согласование как в мутных, так и в прозрачных водах, значительно повышая точность определения глубины и пространственной непрерывности.
Новый фреймворк расширяет пространственный охват и диапазон глубин батиметрической инверсии, особенно в мутных водах, обеспечивая более точное и надёжное картографирование топографии морского дна. Эти достижения обеспечивают ценную поддержку для мониторинга прибрежных территорий, управления ими и широкого спектра морских приложений.
Предоставлено:
[Китайская академия наук](https://phys.org/partners/chinese-academy-of-sciences/)