在中国应用遥感和机器学习算法进行沉船易发区域测绘

《Journal of Archaeological Science》：Application of remote sensing and machine learning algorithms for shipwreck susceptibility mapping in China

中国近海船难易发性研究通过整合遥感数据与机器学习技术，系统分析16项条件因子（地理、水文、沉积），构建MLP-FR、RF-FR、SVM-FR模型，其中随机森林模型表现最佳（训练AUC 0.995，验证AUC 0.901），识别出高优先级勘探区域，揭示近海距离、叶绿素浓度及海洋动力条件为关键影响因素，为水下文化遗产调查与海洋生态保护提供新方法。

　　

陈俊辉|唐飞|林和山|陈勇|陈玉月|林佩如|黄波|林学平

中国福建省福州市海洋与渔业研究院岛屿研究中心

摘要

沉船既是文化时间胶囊，也是增强海洋生物多样性的生态避难所。然而，系统化、大规模的沉船定位方法仍然有限。本研究提出了一种创新方法，通过整合遥感数据和机器学习技术来绘制中国邻近海域的沉船易发区域地图。我们整理了一份历史沉船清单，并分析了16个影响因素，这些因素被分为地理空间、水动力和沉积作用三类。这些因素通过频率比（FR）值进行处理，作为多层感知器（MLP-FR）、随机森林（RF-FR）和支持向量机（SVM-FR）三个集成模型的输入。模型性能通过统计指标和ROC-AUC曲线进行评估，其中RF-FR模型的表现最佳，训练集的AUC为0.995，验证集的AUC为0.901。所得出的易发区域地图为考古探索指明了优先区域。特征重要性分析显示，靠近海岸线、叶绿素浓度和海洋条件是影响沉船发生的主要因素。这一可扩展且成本效益高的框架为水下遗产调查提供了有价值的工具，并在海洋保护和旅游规划中具有潜在应用。

引言

沉船是我们全球遗产的重要组成部分，据估计全世界海洋中分布着大约三百万处沉船（Paxton等人，2024年）。这些水下遗迹具有双重作用：它们既是文化瑰宝，展示了历史上的航海传统，也是生态避难所，支持着多样的海洋生物（Hickman等人，2024年）。作为人工礁石，沉船为从微生物到大型动物的各种生物提供了栖息地，促进了深海生物多样性的发展（Hamdan等人，2021年；Meyer等人，2017年）。例如，对葡萄牙南部一处17世纪沉船的研究显示，其生物多样性水平与附近的自然礁石相当，凸显了它们在海底类似岛屿的作用（Coelho等人，2012年；Stieglitz，2013年）。

从文化角度来看，沉船是海洋考古学家研究最多的独特遗址（Gibbins和Adams，2001年）。它们揭示了造船技术、航海知识和历史上的贸易网络。例如，印度尼西亚附近的9世纪贝伦蒂翁沉船提供了公元第一个千年西方印度洋与中国之间直接贸易的证据（Flecker，2001年）。此外，沉船还作为地质考古标志，有助于重建历史海岸线和过去的近岸动态（Fernández-Montblanc等人，2018年）。

寻找沉船的工作依赖于多种遥感技术，包括激光雷达（Character等人，2021年）、侧扫声纳（Character等人，2025年）和卫星雷达（Taher等人，2022年）。这些工具生成的图像通过先进的算法进行分析，如改进的Canny边缘检测算法（Li等人，2021年，Li等人，2021年）、多波束局部场景鲁棒定位算法（Pan等人，2024年）和CSC-YOLO算法（Jiao等人，2025年）。然而，这些方法主要关注海底地形，可能会影响其准确性。此外，这些方法通常劳动密集、成本高昂且范围有限，不适合大规模沉船探索。

为了克服这些挑战，我们提出了一种创新方法，结合地理空间、水动力和沉积数据，利用机器学习算法绘制沉船易发区域地图。这种方法帮助水下考古学家将搜索重点放在最有希望的区域，同时也有助于保护海洋环境和围绕历史遗址规划海洋旅游。

研究区域

本研究的研究区域涵盖了中国邻近海域约2.96 × 10⁶平方公里的范围，如图1所示。其陆地边界由中华人民共和国的大陆海岸线界定（数据来源：国家地理信息目录服务）。由于与邻国的海上边界尚未确定（Qi，2023年；Schultheiss，2021年；Smith，2010年；Su，2004年），其海洋边界从北到南依次为：

沉船易发区域测绘方法

沉船易发区域测绘的计算过程包括以下步骤。方法步骤的顺序在图6中进行了标注。

频率比系数

工作流程初始阶段的结果由频率比（FR）系数表示。当距离海岸线超过145.9公里、大气相对涡度超过2.4?10^?4 s^?1、表面风应力旋转超过9?10^?6 N m^?3、pH值超过8.30以及溶解氧超过361 mmol m^?3时，FR系数为0。在这些参数特征的区域内，未记录到沉船位置。最高的FR值出现在...

结论

本研究成功展示了遥感和机器学习在中国邻近海域沉船易发区域测绘中的潜力。通过整合16个影响因素，包括水深、距离海岸线的距离和沉船密度，我们开发并评估了三个混合模型：MLP-FR、RF-FR和SVM-FR。RF-FR模型取得了最高的准确率（训练集0.966，验证集0.825），体现了其处理复杂非线性关系的能力。

CRediT作者贡献声明

陈俊辉：撰写——审稿与编辑。唐飞：方法论。林和山：资源获取。陈勇：软件开发。陈玉月：验证。林佩如：初稿撰写。黄波：数据整理。林学平：正式分析。

数据可用性声明

本研究支持的数据可在Zenodo平台上公开获取，链接为：https://doi.org/10.5281/zenodo.17211853

结果可重复性

可重复性编辑可以下载所有材料并重现作者呈现的结果。

写作过程中使用生成式AI和AI辅助技术的声明

在准备本工作时，作者使用了Grok工具来润色语言。使用该工具后，作者根据需要对内容进行了审查和编辑，并对出版物的内容负全责。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

本工作得到了福建省自然科学基金（编号：2023J01163741）的支持。