基于Sentinel-2波浪反演的全球1公里海岸带水深测量数据集发布

《Scientific Data》：Global 1-km Coastal Bathymetry from Sentinel-2 Wave Inversion using the Satellite-to-Shores (S2hores) Toolbox

本刊推荐：针对全球海岸带水深数据稀缺、陈旧的瓶颈问题，研究人员开发了Satellite-to-Shores（S2Shores）工具箱，通过处理260万景Sentinel-2影像，采用波浪色散关系反演技术，生成了首套30角秒（约1公里）分辨率的全球海岸带水深数据集。该数据在10-40米水深范围内验证精度达RMSE 2-5米（R2>0.7），填补了GEBCO等全球产品在近岸区域的空白，为海岸灾害评估、气候变化研究及数值模拟提供了可复现的基础数据支撑。

　　

在全球气候变化和海平面上升的背景下，海岸带作为陆海交互作用的关键区域，其地形地貌数据对灾害预警、航运安全和生态系统保护具有至关重要的意义。然而令人遗憾的是，全球超过80%的海岸线缺乏可靠且更新的水深数据。传统船载测深方式成本高昂、效率低下，在偏远海域尤其难以实施，导致现有全球水深产品（如GEBCO、ETOPO2022）在近岸区域存在显著空白或精度不足。这种数据缺口严重制约了风暴潮模拟、海岸侵蚀评估等关键研究的发展。

为突破这一瓶颈，由法国国家空间研究中心（CNES）领衔的国际团队在《Scientific Data》发表了突破性数据集——基于Sentinel-2波浪反演的全球1公里海岸带水深产品。该研究创新性地运用海浪与海底相互作用的物理学原理，通过分析Sentinel-2卫星影像中波浪传播特征的变化来反演水深，实现了大范围、低成本的海底地形测绘。

技术方法层面，研究团队构建了自动化处理流水线S2Shores，其核心技术包括：（1）基于Radon变换和离散傅里叶变换（DFT）的波浪参数提取，从Sentinel-2的B2（绿光）和B4（红光）波段识别主导波长与波速；（2）应用线性波分散关系（linear wave dispersion relation）进行水深反演，并利用FES2022潮汐模型校正平均海平面基准；（3）开发时空合成算法，对2019-2023年间260万景影像进行像素级中值合成；（4）采用余弦渐变加权函数与GEBCO2020数据进行无缝融合。

数据质量验证显示，该产品在10-40米水深区间表现最优，在孟加拉湾区域与实测数据对比的均方根误差（RMSE）为2.57米，决定系数（R²）达0.79。在吉伦特河口等复杂水文区域成功识别出主航道地形特征，但在强潮流、高浊度区域存在4-5米误差，且仅20%的30米以深数据达到国际海道测量组织（IHO）的CATZOC-C级标准。

研究团队通过CNES的TREX高性能计算平台实现了处理流程的规模化部署。整套算法以模块化Python包形式开源，包含S2Shores科学计算库和BathyLauncher批处理接口，支持API（应用程序编程接口）和CLI（命令行界面）两种调用方式。

该数据集作为首个基于物理原理的全球海岸带水深产品，建立了可复现的技术范式。其创新性体现在三个方面：一是突破了光学水深反演在浑浊水体的限制，将有效探测深度扩展至60米；二是通过高性能计算实现了百万级影像的自动化处理；三是采用时空合成技术显著提升数据可靠性。尽管在涌浪混杂海域和强潮汐区域仍存在局限，但为海岸数值模型提供了关键基础数据，未来可通过融合ICESat-2激光测高等技术进一步提升精度。

数据集已通过Hydroweb数据门户开放获取，配套的源代码、技术文档和示例工作流均在GitHub平台共享。这项研究不仅填补了全球近岸水深数据的空白，更开创了基于物理机制的大尺度遥感反演新路径，对推动海岸带可持续发展具有里程碑意义。