基于多源卫星传感器的波罗的海浑浊水域海草床亚潮带遥感监测：传感器无关处理流程的创新应用

为解决波罗的海浑浊水域亚潮带海草床分布监测难题，研究人员通过构建传感器无关处理流程，系统评估Pléiades-1、WorldView-3、Planet SuperDove和Sentinel-2四种卫星传感器在植被检测、海草-藻类区分及覆盖度估算中的性能。研究发现高分辨率传感器（如Pléiades-1）能解析米级生境破碎化，而Sentinel-2等大范围传感器更适合区域评估，但所有传感器均无法区分海草与藻类。该研究为海草生态系统精准监测提供了传感器选择与预处理方法的重要参考。

　　

在全球海草床持续退化的背景下，波罗的海作为生态退化热点区域，其海草覆盖面积在过去150年间减少了67%。传统监测方法成本高昂且空间覆盖有限，而卫星遥感虽具成本效益，却面临传感器选择标准缺失、预处理流程不统一等挑战。针对这些问题，德国基尔大学等机构的研究团队在《Science of Remote Sensing》发表论文，创新性地构建了传感器无关处理流程，系统比较了四种卫星传感器在浑浊水域海草监测中的适用性。

研究采用多阶段技术路线：首先通过ACOLITE进行大气校正和耀斑校正，结合水柱校正(WCC)分离底质反射信号；随后提取水调整植被指数(WAVI/WEVI/WTDVI)并应用pyshepseg图像分割；最后基于XGBoost模型和SHAP特征选择方法，利用10,233个现场观测数据评估传感器性能。

3.1 SAV存在/缺失检测
Pléiades-1（0.5米分辨率）表现最优（平衡精度0.89），能准确识别1-2.5米水深的小尺度破碎化生境。Sentinel-2（10米）虽在区域尺度表现良好，但混合像元效应导致特异性仅0.61。深度分析显示所有传感器在>3米水深时性能下降，但高分辨率传感器衰减更缓慢。

3.2 海草与藻类区分
所有传感器均未能有效区分海草与藻类（平衡精度0.28-0.45），主要因多光谱数据难以捕捉色素差异（如褐藻墨角藻黄素特征）。该结果证实了在复杂光学水域中将所有水生植被(SAV)归为单一类的必要性。

3.3 海草覆盖度估算
回归模型MAE为15.2-20.5%，其中PSD复合影像表现最佳（R²
=0.56）。值得注意的是，高分辨率传感器能更准确反映破碎化格局，而复合影像虽降低噪声但可能高估密集草甸覆盖度（因短暂性漂流藻类干扰）。

讨论与意义
该研究首次系统评估了复合影像对海草监测的影响，发现时间合成能提升深水区特异性但可能引入偏差。特征选择揭示绿光波段及其衍生参数（占选定特征的65%）在CDOM（有色溶解有机物）主导水域的关键作用。实践层面，研究建议：精细生境研究选用Pléiades-1等VHR（甚高分辨率）传感器，大范围评估则优选Sentinel-2。技术层面，水柱校正和图像分割的组合显著提升了模型泛化能力，而WorldView-3的条纹效应警示需优化TDI（时间延迟积分）设置。

这项研究为制定海草遥感监测标准提供了方法论框架，其传感器-任务匹配策略可直接支持欧盟海洋战略框架指令(MSFD)的实施。未来需结合ICESat-2激光测深数据减少对外部水深数据的依赖，并探索高光谱传感器突破藻类识别瓶颈的可能性。