波感知物理信息神经网络：融合光学扰动校正与重力波传播约束的卫星测深方法

《Remote Sensing》：Wave as Disturbance and Signal in a Physics-Informed Framework for Shallow Water Bathymetry

　　

摘要

卫星测深（SDB）通常将海面视为辐射干扰源，然而同一海面波场也可通过重力波传播携带水深信息。本文提出了一种波感知物理信息神经网络（WA-PINN），在统一的浅水测深框架内同时表征这两种角色。光学几何流将哨兵-2号（Sentinel-2）多光谱观测数据与海底地形相结合。扰动流通过Cox–Munk关系将欧洲中期天气预报中心再分析第五版（ERA5）风场强迫转换为均方斜率（MSS），并将粗糙度相关的太阳耀斑贡献引入光学物理约束。信号流从哨兵-2号海面纹理中提取局部波长、传播方向和波速，并利用有限水深重力波色散关系对预测水深进行约束。波有效性因子（WVF）根据提取波场的相干性和物理合理性控制色散约束的影响程度。三个流通过共享水深预测器进行融合，并受监督水深损失、光学物理损失和波浪色散物理损失的约束。该框架在加勒比海东北部的库莱布拉岛、圣托马斯岛和圣约翰岛进行了验证。完整的"双重角色"模型达到了1.21米的总体均方根误差（RMSE）、0.77米的平均绝对误差（MAE）和0.96的决定系数（R²）。相对于"斜率感知"配置，"扰动"模型和"信号"模型分别将RMSE降低了15.7%和12.8%，而完整模型将RMSE降低了29.7%。扰动贡献随风场强迫增强而增大，而信号贡献随WVF增大而增大。水深依赖性RMSE从0至5米处的0.82米增加到20至30米处的1.58米。这些结果表明，校正波浪引起的光学污染与利用波浪传播作为额外水深约束之间的互补性是有效的。