浅水海床分类技术综述：声学、光学与多源数据融合的进展与挑战

《Journal of Sea Research》：Advances in shallow water seabed classification: acoustic, optical, and multi-source data fusion

　　

摘要

浅水海床分类在海洋资源开发、生态保护和海岸工程中发挥着关键作用。本文对该领域的最新进展进行了全面的叙述性综述，重点聚焦于三个核心技术领域：声学技术、光学技术和多源数据融合。为提供超越单一模态综述的整合视角，文献通过统一的数据—方法框架进行组织，并以演进为导向，从基于点的采样和传统特征分析，到全域制图、基于学习的分类和多模态融合进行综合梳理。声学方法提供广泛的空间覆盖，在浑浊水体条件下仍适用，但分类性能受声学散射歧义、系统配置和观测尺度影响。光学方法在光学浅水区提供高分辨率光谱和视觉信息，但水柱衰减、浊度、光照变化和有限的穿透深度限制了其适用性。多源融合可以利用互补的声学、光学、测深、环境和原位信息，但其有效性取决于精确的空间配准、尺度一致性、数据质量和稳健的验证；跨传感器和处理阶段的误差传播仍是一个关键挑战。深度学习、自监督学习、小样本学习和物理引导融合的最新进展正在扩展特征表示和融合策略，但标注数据有限和跨区域可迁移性仍未解决。未来工作应重点关注稳健的多源集成、不确定性感知验证、动态监测以及标准化的分类和评估框架。

Qiuhua Tang|Yujie Zhang|Jiaxin Wan|Haodong Zhao|Jie Li

自然资源部第一海洋研究所，中国青岛 266061