《International Journal of Digital Earth》:Global seafloor topography model based on a frequency-domain filter combination method
编辑推荐:
海底地形是广泛海洋学与地球物理研究的基础。研究人员采用一种新的频域滤波组合方法,构建了全球海底地形模型,以下简称 SYSU_FGGM。其中,短波长分量(<65 km)利用重力-地质法(GGM)和 `swot_02` 重力异常进行重建,长波长分量(>65 km)
海底地形是广泛海洋学与地球物理研究的基础。研究人员采用一种新的频域滤波组合方法,构建了全球海底地形模型,以下简称 SYSU_FGGM。其中,短波长分量(<65 km)利用重力-地质法(GGM)和 `swot_02` 重力异常进行重建,长波长分量(>65 km)则来源于 `topo_25.1` 模型。研究采用美国国家环境信息中心(National Centers for Environmental Information, NCEI)提供的船载单波束测深数据以及 GEBCO_2024 提供的多波束测深数据对模型精度进行评估。SYSU_FGGM 模型优于空间分辨率为 1′ × 1′ 的 `topo_25.1`、DTU21 和 SDUST2023BCO 模型,相对于单波束数据计算的深度差标准差分别降低了 13.0 m、20.4 m 和 3.0 m。基于与多波束格网的外部精度检验,SYSU_FGGM 在西太平洋、北大西洋中部和极区代表性区域相较现有模型表现出更优或相当的性能。SYSU_FGGM 有效发挥了 GGM 在短波长地形重建方面的优势,同时缓解了其在长波长建模中的局限性。这种新的频域滤波组合方法显著提升了全球海底地形估计的精度与空间一致性。
该文发表于《International Journal of Digital Earth》,聚焦于全球海底地形反演精度提升这一核心问题。海底地形数据是重建地质演化三维空间框架的重要基础,也是识别海底断层、滑坡等活动构造形态的关键依据,同时深刻影响海洋环流、营养物质输运以及底栖生境结构等海洋过程。尽管船载声学测深能够提供高精度水深数据,但其成本高、覆盖效率有限,并受航线与环境条件制约,因此难以支撑全球尺度海底地形的完整测绘。当前全球仍有超过 70% 的海底缺乏充分的直接声学测量,未测区域主要依赖基于卫星测高(satellite altimetry)的海洋重力数据开展间接反演。已有研究表明,海底地形与重力异常在二维傅里叶变换域中存在明确联系,结合挠曲均衡补偿理论,可利用重力信号对海底地形进行反演。然而,不同方法在不同波长尺度上的表现并不一致:重力-地质法(GGM)擅长恢复短波长地形,而传统 Smith and Sandwell 体系更适于处理中长波信息。如何兼顾短波细节恢复与长波稳定性,仍是全球海底地形建模中的关键难题。基于这一背景,研究人员提出频域滤波组合框架,将 SWOT_02 海洋重力异常与 GGM 生成的短波信息,与 `topo_25.1` 模型的中长波信息进行融合,以构建新的全球海底地形模型 SYSU_FGGM,并系统评估其全球及区域适用性与精度表现。
研究所采用的关键技术方法主要包括三类。其一,以 SIO 发布的 1′ × 1′ 分辨率 SWOT_02 全球自由空气重力异常模型为基础,结合 NCEI 预处理后的 114,507,390 个船载单波束测深点及其 1′ × 1′ 块平均结果,利用重力-地质法(GGM)建立基准海底地形模型,并通过迭代方式确定经验密度差参数为 1.0 g/cm
3。其二,采用频域滤波组合方法,以 65 km 为最优截止波长,对 GGM 结果施加高通滤波,对 `topo_25.1` 施加低通滤波,构建初始融合模型。其三,依据不同水深区间的模型误差特征,设计线性加权函数,对浅海过渡带进行深度自适应融合,并利用 GEBCO_2024 相对 GEBCO_2022 新增的多波束格网数据,在西太平洋、北大西洋中部和极区开展独立外部验证。
**3.1. Bathymetric model**
研究人员最终构建的 SYSU_FGGM 为 1′ × 1′ 分辨率的全球海底地形模型,采用 WGS84 坐标系统,以平均海平面为垂向基准,覆盖范围为南纬 80° 至北纬 80°。陆地区域高程直接取自 `topo_25.1`,从而保证全球产品的连续覆盖。模型以 netCDF 格式发布,包含纬度、经度与水深三个变量。研究显示,SYSU_FGGM 与 `topo_25.1` 的差异在大多数海域较小,通常控制在 ±40 m 范围内,说明融合模型在全球尺度上保持了较好的整体一致性。较大的差异主要分布于洋中脊、断裂带及构造活动强烈区域,且正负差异均可超过 ±100 m,表明这些区域的短波地形结构更加复杂,模型差异更多反映了不同方法对高频地形起伏恢复能力的差别。相较之下,在深海平原和稳定深海盆地,两者差异较小,说明新模型主要在复杂海底地貌区实现了针对性的改进。
**3.2. Comparison with NCEI-released shipborne single-beam bathymetric depths**
研究利用 NCEI 发布、经异常值剔除但未进行块平均处理的船载单波束测深剖面,对 SYSU_FGGM 进行了全球精度检验,并与多种已发布全球海底地形模型进行对比。结果表明,SYSU_FGGM 相对于 114,507,390 个单波束观测点的均方根误差(RMS)和标准差(STD)分别为 77.6 m 和 76.8 m。与同为 1′ × 1′ 分辨率的 `topo_25.1`、DTU21 和 SDUST2023BCO 相比,SYSU_FGGM 的深度差标准差分别降低 13.0 m、20.4 m 和 3.0 m,对应相对精度提升分别为 14%、21% 和 4%。这一结果说明,研究提出的频域融合策略能够在保持全球一致性的同时,显著增强 1′ 级分辨率模型的地形表达能力。尽管 SYSU_FGGM 的整体精度略低于原始 GGM 模型,但文中指出这主要是由于长波分量引入后,在测线附近带来了局部且很小的误差;与此同时,SYSU_FGGM 仍明显优于多种现有 1′ 模型。研究还指出,该模型低于 SRTM15_V2.6 和 GEBCO_2022 的原因,主要在于后两者具有 15″ 分辨率,并整合了更多高质量多波束数据及区域编译成果,因此在局部细节表达上具有先天优势。误差分布直方图进一步显示,SYSU_FGGM 的误差分布更集中于 0 附近,且对称性更好;在 [?200 m, 200 m] 区间内可覆盖 96% 的观测值,表现出较强稳定性。分深度区间比较结果表明,SYSU_FGGM 在 0–3000 m 水深范围内优于 `topo_25.1`、DTU21、SDUST2023BCO、SRTM15_V2.6 及 GEBCO_2022,在 3000–6000 m 范围与其他 1′ 模型相近,但仍受分辨率限制而逊于 15″ 模型;在 >6000 m 深海区间,尤其是 7000–8000 m 范围内,SYSU_FGGM 表现出更明显优势,较 5 个对比模型的 RMS 降低 23.7–51.6 m。研究据此认为,该模型在近岸与深海平坦区域表现尤其突出,而在形态极复杂地形中则与现有模型大体相当。
**3.3. Bathymetric model validation for different regions**
为避免验证数据与建模数据之间的依赖关系,研究进一步选取 GEBCO_2024 相对于 GEBCO_2022 新增的多波束格网数据,在西太平洋、北大西洋中部及极区三个区域开展独立外部验证。空间差异分布表明,较大误差主要位于大陆坡、海台、海山、海槽、洋脊和海沟等近岸复杂地貌区,这反映了模型分辨率限制、GGM 对非线性信号纳入不足以及重力异常模型在岛礁复杂海域解析精细地形能力的局限。
在西太平洋区域,模型差异主要集中于南海东南部、苏拉威西海和菲律宾海西部。精度统计显示,SYSU_FGGM 相对多波束验证数据的 RMS 和 STD 分别为 131.9 m 和 130.7 m,在该区域所有对比模型中表现最佳。与 `topo_25.1`、DTU21、SDUST2023BCO、SRTM15_V2.6 和 GEBCO_2022 相比,其 RMS 相对改善分别达到 19%、40%、10%、22% 和 22%。误差分布分析显示,在 [?200 m, 200 m] 范围内,SYSU_FGGM 可覆盖 90% 的验证数据,比 DTU21 提高 9%,并在不同深度区间中普遍优于以往模型,部分区间与 SDUST2023BCO 相当。仅在 ?3000 m 至 ?1000 m 深度范围内,其精度略低于 GGM,文章认为这与 topo 系列模型长波分量带来的局部地形误差有关。
在北大西洋中部区域,SYSU_FGGM 相对验证水深取得最低的 RMS 和 STD,分别为 107.4 m 和 105.9 m,优于 GGM、`topo_25.1`、DTU21、SRTM15_V2.6 及 GEBCO_2022。然而,与 SDUST2023BCO 相比,其 RMS 和 STD 分别高出 27.5 m 和 27.1 m。误差分布与分深度区间评估均表明,SYSU_FGGM 在该区域总体排名第二,始终低于 SDUST2023BCO,尤其在 4000–5000 m 深度范围内差距更为明显。文中将 SDUST2023BCO 的优势归因于多层感知机(MLP)驱动的多源数据训练和区域特异训练策略。尽管如此,SYSU_FGGM 相较大多数传统模型仍具有明确改进,说明频域融合框架具备较好的普适提升效果,但在某些区域仍受基础模型误差和方法约束限制。
在极区,验证点主要位于楚科奇海和波弗特海部分区域。与缺乏充分测深约束的 GGM 模型相比,SYSU_FGGM 的精度提升十分显著:RMS 误差由约 200–300 m 降至数十米量级,[?200 m, 200 m] 区间覆盖比例由 82% 提高至 98%。相较 DTU21、SDUST2023BCO 和 GEBCO_2022,SYSU_FGGM 的 RMS 分别降低 19.5 m、11.6 m 和 16.2 m,STD 分别降低 19.2 m、9.7 m 和 15.4 m,显示滤波组合与后续融合过程在高纬度资料稀缺地区具有明显优势。不过,SYSU_FGGM 较基准组合版 `topo_25.1` 的 RMS 和 STD 分别略高 7.2 m 和 7.3 m,提示全球统一的 65 km 截止波长在极区未必最优,且 GGM 本身在该区的建模能力相对有限。总体而言,SYSU_FGGM 继承了 topo 系列模型在极区的稳定性,并较多种对比模型表现更优。
综合讨论部分可以看出,该研究的核心贡献在于提出了一种兼顾短波恢复能力与长波稳定性的全球海底地形建模框架。传统 GGM 虽能较好重建短波起伏,但在长波信息恢复方面容易受重力异常插值偏差影响;而 topo 系列模型在中长波上更稳定,却难以充分表达短波细节。SYSU_FGGM 通过频域分解、滤波组合和深度自适应加权,实现了两类模型优势互补,从而在全球大部分海域提升了模型精度与空间连续性。文章同时指出,该方法仍存在局限,例如全球统一截止波长难以充分适应不同海区的非线性特征、空间变异密度差和复杂海底地质条件;在 0–1000 m 浅海区,受复杂海岸地貌、沉积条件变化和浅水过程影响,基于重力的测深反演精度仍然偏低。因此,未来仍需探索区域化建模策略,并结合机器学习方法与地球物理先验信息,以进一步提高不同海洋环境下的适应性与反演精度。
研究结论部分可概括为:研究人员提出了一种新的 GGM 频域滤波组合方法,并结合 SWOT_02 海洋重力异常场,建立了新的 1′ × 1′ 全球海底地形模型 SYSU_FGGM。该模型融合了 GGM 在短波长反演方面的优势与 `topo_25.1` 在长波长稳定性方面的优势,在空间分辨率与整体一致性之间实现了有效平衡。通过引入深度自适应加权策略,不同频域谱分量在不同水深区间得以无缝集成,从而有效减弱浅水误差传播,并保留高频地形信号。这些改进使 SYSU_FGGM 尤其适用于传统 GGM 表现欠佳的复杂形态构造区。大量船载单波束测深验证表明,SYSU_FGGM 在全球大多数海域显著提升了模型精度;相对于 `topo_25.1`、DTU21 和 SDUST2023BCO,其相对精度分别提高 14%、21% 和 4%。基于 GEBCO_2024 新增多波束格网的评估进一步表明,该模型在南海部分区域、北大西洋中部和极地海域表现优越,并优于 `topo_25.1`、DTU21 和 GEBCO_2022 等多个全球模型。因此,这种通过谱波长融合框架整合多种海底地形反演方法的新策略,为全球海底地形建模提供了可扩展且高精度的解决方案,可为海洋学研究和地球物理应用提供支持。同时,研究也指出,全球统一滤波截止波长对区域非线性特征表达存在内在限制,浅海水深反演精度仍受复杂海岸地貌和沉积环境影响,未来应进一步发展区域特异建模与机器学习增强方法。