一种通过整合Sentinel 2 A/B-MSI与Landsat 8/9-OLI数据,在贫营养大洋中探测海底火山周边海水变色的光谱衍生方法

《Marine Pollution Bulletin》:A spectrally-derived method for detecting sea-water discoloration around submarine volcanoes in oligotrophic oceans by integrating Sentinel 2 A/B-MSI and Landsat 8/9-OLI data

【字体: 大 中 小 】 时间:2026年01月22日 来源:Marine Pollution Bulletin 4.9

编辑推荐:

  浅海海底火山喷发可能阻碍船舶航行,并改变海洋生态系统的生物学响应。卫星遥感能够及时、连续地提供危险区域周边火山活动信息,从而有助于评估喷发前、喷发中及喷发后的相关现象。其中,海水变色是水下火山活动最显著的指示现象之一,因为对其进行准确且及时的探测,有助于揭示海

  
浅海海底火山喷发可能阻碍船舶航行,并改变海洋生态系统的生物学响应。卫星遥感能够及时、连续地提供危险区域周边火山活动信息,从而有助于评估喷发前、喷发中及喷发后的相关现象。其中,海水变色是水下火山活动最显著的指示现象之一,因为对其进行准确且及时的探测,有助于揭示海底火山喷发的潜在前兆过程。在此框架下,研究人员提出了一种新的光谱衍生方法,通过整合Sentinel 2A/B-多光谱成像仪(MSI)和Landsat 8/9-陆地成像仪(OLI)卫星数据,用于在贫营养大洋中探测并制图海底火山周围的变色羽流。所开发的方法结合了两种变色探测算法,并以卡瓦奇火山(Kavachi Volcano,所罗门群岛,西南太平洋)这一代表性案例进行了测试,所用数据为2022年全年MSI-OLI集成数据集。结果显示,该方法具有令人满意的验证指标,在单传感器和集成式(多传感器)配置下,总体精度(OA)均接近90%。尽管遗漏误差(OE)范围为18%–20%,但极低的误判误差(CE,约2%)表明,该方法在火山成因变色海水制图方面具有较高可靠性。此外,该方法在海德德火山(Kaitoku Volcano,日本,西太平洋)上的可迁移性已得到验证,证实其能够在海水变色特征不同的情况下(例如化学组成差异)探测水下火山活动。该方法可望成为一种自动化预警工具,以支持海事监视系统对海底火山开展业务化监测。
该论文发表于《Marine Pollution Bulletin》,研究聚焦于贫营养大洋海底火山活动的卫星遥感识别问题,核心目标是建立一种可操作、可移植、可用于预警支撑的海水变色探测方法。研究背景在于,地球上大部分火山喷发发生于海洋环境,浅水海底喷发不仅会威胁航运安全,还会扰动海洋生态系统。然而,传统海底火山监测依赖水声、地震阵列、现场观测或偶发性海面记录,这些手段通常成本高、布设难、时效性有限,并且多在喷发已经发生后才发挥作用,不利于识别喷发前兆。海水变色由于直接反映火山物质释放、热液羽流或悬浮颗粒对海水光学性质的改变,因此被视为识别水下火山活动、尤其是潜在喷发前过程的重要遥感征兆。既往研究多依赖中低空间分辨率海色传感器,虽然适合观测大范围事件,却难以精细描绘尺度较小、形态狭长且边界复杂的海水变色斑块。因此,研究人员开展本项研究,意在利用更高空间分辨率的Sentinel-2A/B MSI与Landsat 8/9 OLI数据,建立针对贫营养海域海底火山变色羽流的半自动识别框架。

从研究设计看,研究人员选取所罗门群岛附近的Kavachi海底火山作为代表性试验区。该火山活动频繁,且自2021年10月以来持续有海水变色现象被报告,适合作为算法开发与验证对象。研究利用2022年全年可用的MSI和OLI影像,首先通过大气校正获取遥感反射率(Rrs,remote sensing reflectance,表征水体离水反射信号的关键光学量),再分析清洁海水、变色海水和高度变色海水的参考光谱形态。在此基础上,研究提出两套光谱判别算法:光谱衍生变色算法(SDD)与光谱衍生高强度变色算法(SDHD)。前者主要识别一般变色羽流,后者主要锁定颜色更强、通常更接近火山口的高强度羽流核心。论文的重要意义在于:一方面构建了一个以物理光谱差异为基础的跨传感器一致性探测方法,另一方面证明了该方法不仅适用于Kavachi,还可迁移至Kaitoku等其他海底火山区域,显示出面向业务化预警监测的潜力。

在技术方法上,研究主要采用以下关键路径:首先,收集2022年覆盖Kavachi火山的Sentinel-2A/B MSI和Landsat 8/9 OLI一级产品,并利用ACOLITE软件中的暗光谱拟合(DSF,Dark Spectrum Fitting)方法实施大气校正,生成L2级Rrs(λ)数据;其次,通过真彩色影像人工判读建立清洁、变色和高强度变色海水参考样本,提取其光谱特征并构建基于蓝波段比值、绿波段阈值、蓝绿比值及红—近红外比值的规则算法;再次,以人工判读参考掩膜为“海面真实值”进行精度验证,并使用PlanetScope-SuperDove8高分辨率数据开展交叉核验;最后,在Kaitoku火山案例中检验方法的可迁移性。样本数据来源主要包括Kavachi火山2022年全年30景多源卫星影像,以及Kaitoku火山2022年11月事件影像与日本海上保安厅航空照片。

以下结合论文结果部分进行凝练解读。

4.1. General performance of the SDD/SDHD algorithms
该部分主要通过真彩色影像与算法输出图的对照,评估SDD和SDHD两类算法对海水变色羽流的整体识别表现。结果表明,两类算法所识别的区域总体上与影像中可见的黄绿色或黄白色变色斑块高度吻合。SDHD主要定位羽流核心,即颜色最强、通常最靠近火山口的高反射区域;SDD则能够识别范围更广、颜色较淡、向外围漂移的变色区域。由多时相案例可见,在火山活动较强、羽流颜色显著时,两算法识别区域高度重合;而在羽流已经衰减、边界变模糊时,SDHD检测范围缩小,SDD仍可保持对外围较弱变色区域的一定敏感性。研究还利用近同时相的L8-OLI与S2B-MSI影像对比发现,两套传感器上的识别结果在空间结构上具有良好一致性,说明方法具备较好的跨平台互操作性。

4.2. Accuracy assessment of the discoloration algorithm
该部分基于人工判读构建的参考掩膜,对综合SDD和SDHD后的二元变色分类结果进行精度评价。研究将结果划分为真正例(TP)、真负例(TN)、假正例(FP)和假负例(FN),并计算总体精度(OA)、遗漏误差(OE)、误判误差(CE)和Cohen’s Kappa系数(K)。结果显示,不论在单一传感器配置还是MSI-OLI集成配置下,OA均接近90%,K约为0.8,表明算法与参考结果具有较高一致性。尤其值得注意的是,CE极低,均不超过约1%,说明算法极少把正常海水误识别为火山变色水体,可靠性较高。相较之下,OE约为18%–20%,提示方法存在一定低估倾向,主要集中在羽流边缘或羽流核心向清洁海水过渡的缓冲区。这意味着该方法在保证低虚警率的同时,对低强度或边缘性变色信号的敏感性略有限。

4.3. Cross-checking for validation by PlanetScope data
由于缺乏现场原位(in situ)观测数据,研究进一步使用3 m空间分辨率的PlanetScope-SuperDove8影像作为高分辨率参照,对2022年5月14日的L9-OLI结果进行交叉验证。结果表明,L9-OLI算法识别的变色区域不仅覆盖最明显的绿色羽流主体,还能识别部分较弱的支状羽流;漏检区域依然主要分布在变色与清洁海水的过渡地带。该验证获得的OA为90.43%,K为0.80,与主验证结果基本一致,进一步支撑了方法精度的稳健性。交叉验证还显示,部分漏检与绿波段阈值有关:当过渡区的Rrs(Green)低于设定阈值0.0075 sr?1时,算法会将其排除。因此,该结果不仅验证了方法可靠性,也解释了算法低估羽流边缘的主要机制。

4.4. Evaluation of the algorithm exportability
该部分用于检验方法是否能够推广至不同海域、不同类型海水变色事件。研究选择日本伊豆—小笠原弧的Kaitoku海底火山进行案例分析,并将Sentinel-2A MSI识别结果与日本海上保安厅后续航空照片进行比较。结果显示,SDD与SDHD识别出的变色区域与真彩色影像中的白绿色羽流斑块一致,其中SDHD可有效描绘羽流穹顶及高反射核心,且其识别出的约300 m直径羽流穹顶与航空观测结果相符。该案例中的海水变色以偏白色调为主,不同于Kavachi附近偏绿色的变色水体,提示其化学组成可能存在差异。尽管如此,算法仍能稳定识别,说明该方法对于不同颜色特征、不同可能成分背景下的火山变色羽流具有良好的可迁移性。

在讨论部分,论文重点强调了方法的可靠性、稳健性与业务应用前景。研究认为,传统机器学习方法虽然在多源数据自动分类方面具有潜力,但往往仍需人工筛除太阳耀斑、薄云等误分现象,而基于ACOLITE-DSF的大气校正与基于光谱规则的判别方法,在水色复杂度较高或存在耀斑影响时更有利于获得可信的Rrs(λ)并降低误判风险。论文还通过南太平洋一次异常浮游植物暴发案例进行了“排异”分析,表明蓝波段比值和绿波段阈值这两项关键判据能够有效避免将生物成因变色误识别为火山成因变色,从而支持方法对“相似外观异源过程”的区分能力。与此同时,研究也指出该方法对羽流边缘敏感性略低,未来可考虑在高生产力海域、浅海沿岸海域或更多传感器平台上扩展和优化阈值体系,并结合浊度、颗粒后向散射系数(bbp(λ))和490 nm漫衰减系数(kd(490))等水质指标,增强对水下火山活动强度和演化过程的定量表征能力。

研究结论部分可译述为:本研究提出了一种新的光谱衍生方法,通过整合Sentinel 2 A/B-MSI和Landsat 8/9-OLI数据,在贫营养大洋中探测并制图海底火山周围的海水变色羽流。研究基于Kavachi火山2022年发生的20次海水变色事件,刻画了清洁海水、变色海水和高度变色海水的参考Rrs(λ)光谱形态,并据此构建了识别火山成因变色羽流的光谱测试与阈值体系。为适应不同变色强度,研究提出SDD和SDHD两种算法配置,其中SDHD主要识别高强度羽流核心,SDD更适于识别范围更广、距离火山更远的较弱变色区域。综合两种算法后,该方法在单传感器和多传感器集成配置下均获得接近90%的总体精度、约0.8的K值以及极低的误判误差,说明其在识别海底火山相关变色海水方面具有较高可靠性。尽管存在18%–20%的遗漏误差,主要与羽流边缘敏感性不足有关,但其低虚警特征使其特别适合用于业务化监测。Kaitoku火山案例进一步证明,该方法能够在不同海水变色特征条件下探测水下火山活动。因此,该卫星海水变色探测方法可作为支持海底火山运行监测和早期预警的重要工具,在海底喷发向海面喷发转化之前提供连续、及时的信息。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号