基于观测光谱反射率分区的异质珊瑚礁水域卫星测深模型选择：结合ICESat-2与Sentinel-2

《Journal of Marine Science and Engineering》：Observed Spectral-Reflectance Zoning for Model Selection in Satellite-Derived Bathymetry of Heterogeneous Coral Reef Waters Using ICESat-2 and Sentinel-2

　　

准确且空间连续的浅水测深（bathymetry）支撑珊瑚礁地貌学研究、生态系统评估和海洋资源管理。然而，由底质属性、水深和水柱条件引起的光谱异质性使模型选择复杂化。本研究评估测深模型性能在观测光谱反射率分区之间是否存在差异，以及分区模型选择是否改善整体反演。研究分析了Lingyang Reef、Huaguang Reef和East Cay Reef的ICESat-2测深点、Sentinel-2影像和Allen Coral Atlas数据。利用Allen Coral Atlas数据识别的代表性底质类别，用于推导Sentinel-2绿波段反射率阈值。随后将水体像元划分为高、中、低反射率区。在各区内构建并验证波段比（band-ratio）、多元线性回归（multiple linear regression, MLR）、随机森林（random forest, RF）和极端梯度提升（extreme gradient boosting, XGBoost）模型。三个研究区平均而言，MLR在高反射率区表现最佳，平均R²和RMSE分别为0.71和0.49 m。RF在中反射率区取得最佳平均表现，平均R²和RMSE分别为0.89和0.62 m。在低反射率区，RF和XGBoost优于Stumpf和MLR，XGBoost平均R²和RMSE分别为0.85和1.20 m。将不同反射率区的最优输出集成并平滑以生成连续测深图。集成分区方法在三个礁的RMSE分别为0.76、0.61和0.84 m，相对最佳统一模型分别数值降低约3.8%、4.7%和12.5%。这些发现表明，观测光谱反射率分区为将测深模型匹配到不同反射率条件提供了实用基础，支持异质珊瑚礁水域的测深制图。

准确且空间连续的浅水测深是理解珊瑚礁地貌演化、评估生态系统状况以及支撑海洋资源可持续利用与管理的基础，也为海洋环境监测、海岸工程、航行安全和岛礁空间规划提供地理空间信息。传统浅水测深主要依赖船载声呐和机载LiDAR测深（airborne LiDAR bathymetry, ALB），但前者受船只可达性、调查效率和作业成本限制，后者受飞行成本、天气、空域和航线配置影响，难以在广阔珊瑚礁环境重复获取空间连续测深数据。卫星测深（satellite-derived bathymetry, SDB）因覆盖广、可重复观测和获取效率高而成为重要补充。光学SDB通过光传播与衰减估算水深，现有方法包括经验模型、半分析模型和机器学习模型。经验模型如Lyzenga多光谱模型和Stumpf对数波段比模型简单高效，但性能依赖定标样本代表性和局部光学条件一致性；半分析模型显式关联反射率与水柱属性、底质反射率和深度；机器学习模型可刻画非线性光谱—深度关系。近年来，多时相观测、特征提取与优化、神经网络、多尺度特征学习和域对齐等提高了数据驱动SDB表达复杂光谱—深度关系的能力，但也更强调训练数据代表性和跨获取日期、地理区域及水体光学条件的模型泛化。ICESat-2经光子提取和折射校正后可提供清澈浅水中的稀疏沿轨深度观测，与Sentinel-2影像结合可支持空间连续测深制图，但在异质珊瑚礁环境中选择合适的模型仍具挑战。

在光学浅水中，进入水体的部分太阳辐射到达海底并反射回传感器，水体离水光谱信号同时包含水柱和海底贡献。不同海底底质具有不同固有反射特征，沙、碎石、岩石、海草、微藻垫和珊瑚在相近水深可产生不同光谱响应，而相似光谱观测可在不同底质反射率背景下对应不同深度。这种光谱歧义增加了在异质礁环境中应用统一测深模型的复杂性，且其影响可能因模型类型而异：经验模型依赖相对一致的光谱模式，半分析模型需要可靠的底质和水柱光学参数化，机器学习模型对训练数据代表性和分布敏感。已有研究通过底质反射率反演、沉积物信息神经网络、底质类型自适应经验模型和考虑空间与光谱底质特征的高光谱方法将底质信息纳入测深；分区和底质信息方法也改善了复杂礁环境反演。混合礁像元常表现过渡光谱特征，而详细底质分类需要大量现场数据或可靠先验信息。按观测光谱反射率对礁水进行分组，可在不需每个水体像元详细底质标签的情况下实用表示光谱异质性。但该策略仍依赖先验底质信息选择代表性样本以推导阈值，且非线性机器学习和深度学习模型在训练数据具代表性时可能已捕捉部分底质和水柱相关变异性，因此需评估显式分区在模型选择中的附加价值。研究人员在Lingyang Reef、Huaguang Reef和East Cay Reef研究四种测深模型在不同底质反射率条件下的适用性，将ICESat-2沿轨测深点与Sentinel-2多光谱影像结合，并利用Allen Coral Atlas底质类型数据表征六类代表性珊瑚礁底质的绿波段反射率分布；将研究区划分为高、中、低反射率区，在各区内独立构建并验证Stumpf波段比、MLR、RF和XGBoost模型，比较其在三个研究区的测深精度和适用性，并将各反射率区最优输出通过空间协调和边界平滑组合成连续测深图。研究旨在阐明所选测深模型的适用性如何随底质反射率条件变化，以及反射率分区能否为异质珊瑚礁水域模型选择提供实用依据。

关键技术方法方面，研究人员在Lingyang Reef、Huaguang Reef和East Cay Reef开展研究，使用ICESat-2 ATL03光子数据（17个产品30条波束用于训练，11个产品20条波束用于验证）、Sentinel-2 Level-2A影像、Allen Coral Atlas底质类型数据、Lingyang Reef和Huaguang Reef的ALB数据及East Cay Reef独立ICESat-2验证轨道；潮位采用Sansha潮位站观测插值和NAO.99b模型。方法包括ATL03海面检测、基于密度的聚类（DBSCAN）去噪、随机抽样一致性（RANSAC）分段多项式拟合、折射与潮位校正；Sentinel-2耀光校正（Hedley法）；以Allen Coral Atlas选择六类底质样本并据绿波段均值中点阈值划分高、中、低反射率区；分区构建Stumpf、MLR、RF和XGBoost，以R²、RMSE和MAE评价。

研究结果如下。4.1 ICESat-2 ATLAS测深提取结果：通过海面识别、光子去噪、折射校正和潮位归一化获得沿轨测深控制点；以两条代表性轨道为例，提取海面与海底光子序列并经折射校正后与礁地形变化较一致，与ALB验证的R²均为0.96，RMSE分别为0.19 m和0.15 m，支持将提取深度作为测深控制数据，但原文指出该结果受参考数据不确定性和时间不匹配影响，不应解释为独立建立的绝对精度。4.2 底质分区结果：研究人员按各礁六类代表性底质样本的Sentinel-2绿波段均值计算相邻组均值中点阈值，Lingyang Reef和Huaguang Reef的中—高反射率阈值相近（0.2620和0.2623），East Cay Reef较低（0.2184）；据此将影像重分类为高、中、低反射率区，高和中反射率区主要分布于浅礁坪和边缘，低反射率区占据较大潟湖和相对深水区域。4.3 不同测深模型精度比较：在各反射率区内分别构建Stumpf、MLR、RF和XGBoost并验证，高反射率区三礁最佳局部模型不同，但三礁平均MLR最佳（平均R²0.71，RMSE0.49 m，MAE0.40 m），Stumpf平均RMSE0.53 m；中反射率区RF和XGBoost通常优于Stumpf和MLR，三礁平均RF最佳（R²0.89，RMSE0.62 m，MAE0.46 m），XGBoost在Lingyang Reef和Huaguang Reef相近但East Cay Reef的RMSE增至1.06 m；低反射率区RF和XGBoost在三个礁均优于Stumpf和MLR，XGBoost平均R²0.85、RMSE1.20 m、MAE0.77 m，RF平均R²0.84、RMSE1.21 m、MAE0.78 m，Stumpf和MLR平均RMSE分别增至1.60 m和1.72 m。4.4 SDB结果：研究人员将各反射率区最优模型输出集成并平滑生成最终SDB图，与单一模型相比，集成分区结果保留RF或XGBoost在较深区域的较强响应，同时保持相邻反射率区之间相对连续过渡。4.5 测深剖面曲线：通过选取三个礁代表性剖面并与ICESat-2测深点比较，发现缓变段模型差异较小，坡折和深浅过渡处差异更明显；East Cay Reef深部MLR逐渐低估ICESat-2深度，RF和XGBoost更接近局部加深趋势，集成分区结果在三个研究区与ICESat-2剖面较一致并保持浅礁坪与深潟湖或礁缘之间的连续深度过渡。4.6 集成分区模型总体精度评估：集成分区模型在三个礁的R²分别为0.93、0.91和0.87，RMSE分别为0.76、0.61和0.84 m，MAE分别为0.54、0.42和0.48 m；相对各礁最佳统一模型RF，RMSE降低约3.8%、4.7%和12.5%，East Cay Reef降低最大；Huaguang Reef的RF的MAE（0.41 m）略低于集成模型（0.42 m）。利用Lingyang Reef独立ALB数据按0—5、5—10、10—15和15—20 m分层评估显示，所有模型误差随水深增加，0—10 m内模型间MAE和RMSE差异较小，超过10 m后Stumpf和MLR误差增长更快，RF和XGBoost增长较慢，但二者在15—20 m区间误差也增加，集成分区结果在四个深度区间保持相对较低误差。

讨论部分总结指出：5.1 模型适宜性方面，高反射率区MLR在Huaguang Reef和East Cay Reef取得最低RMSE（0.49和0.43 m），Lingyang Reef的XGBoost最佳但RMSE0.53 m仅略低于MLR的0.56 m，说明高反射条件下经验与线性模型仍有竞争力，模型复杂度提高并不一定带来精度提升；中、低反射率区RF和XGBoost优势更明显，较低反射条件下非线性模型总体有利，但相对表现仍具站点依赖性。底质反射率提供物理解释：相近深度和相似水柱条件下，较亮底质产生更强海底反射信号，使水深相关光谱变化更易检测；底质贡献较弱时水柱贡献和残余光谱变异性影响更大，固定波段比或线性波段组合可能难以充分表达光谱—深度关系。反射率类别描述的是Sentinel-2观测信号而非仅固有底质反射率，六类底质与三类反射率类别之间为统计关联而非固定光学分类。集成分区结果适应局部模型适宜性差异，East Cay Reef改善最大，Lingyang Reef和Huaguang Reef因统一RF已较高而改善较小，集成收益随各礁模型互补程度变化。5.2 水深影响方面，水深影响海底贡献强度及光谱组成，随深度增加海底贡献通常减弱，浅水中可区分的底质反射率差异在更大深度可能不明显；Lingyang Reef深度分层结果与底质信息减弱一致，0—10 m内模型差异小，超过10 m后经验与线性模型固定光谱关系效果下降，RF和XGBoost能更好表达校准样本所捕捉关系，但15—20 m误差也增加，集成分区结果同样受光学测深深度限制。低反射率区与较深潟湖区的空间重叠表明低观测反射率可能源于较暗底质、较长水路径衰减或二者共同作用，RF和XGBoost在这些区域表现更强与更复杂光谱—深度关系一致，而非仅由底质亮度解释；观测反射率为局部模型比较提供有用依据，但水深和水柱过程对解释性能差异仍关键。5.3 局限性方面，研究区为以较清澈浅水为主的珊瑚礁环境，结果可能不同于浑浊沿岸、河口或高悬浮物区域；水柱光学变异性未独立量化，其对方反射率区和模型性能差异的贡献未解析，结果应理解为观测光谱条件下的模型性能而非隔离底质反射率、水深或水柱变异性的影响。ICESat-2样点沿轨分布限制空间密度和覆盖，在较小反射率区和较深水层更明显，样本量较小可能影响模型校准和精度估计稳定性；ALB参考数据可用于Lingyang Reef和Huaguang Reef，East Cay Reef则用未参与训练和模型选择的独立ICESat-2轨道评估，参考覆盖差异限制跨站点可比性；跨时相比较假定普通条件下礁形态大体稳定，但不能排除波浪、海流、生态过程或风暴引起的局部变化，潮位校正不能消除这些变化；缺少更高精度多波束参考数据时，测量不确定性和时间变化无法分离，验证统计代表跨数据集一致性而非独立建立的绝对精度；集成分区模型与最佳统一模型之间RMSE差异的置信区间未估计，统计显著性未检验，未来应采用基于轨道或空间块的重采样考虑空间依赖性。高、中、低反射率分区是连续底质和光谱异质性的简化表示，混合像元中珊瑚、沙、碎石、植被等比例未显式量化，反射率区也可能与水深差异重叠；分区策略的业务化可迁移性尚未验证，各礁采用本地推导阈值和校准模型，未进行留一礁试验，若无Allen Coral Atlas或等效底质信息，当前阈值推导需替代代表性样本来源，基于影像的样本选择或无监督反射率分组可能提供替代方案但需单独验证；未来应使用更多独立测深数据集和更广水体条件评估观测到的模型性能模式，并在反射率和深度区间更均衡采样，结合现场底质光谱、混合底质组成定量信息和独立水柱光学测量，以区分底质反射率、水深和水柱光学变异性对测深模型性能的各自影响。

研究结论部分翻译如下：本研究将ICESat-2测深控制点与Sentinel-2多光谱影像结合，在Lingyang Reef、Huaguang Reef和East Cay Reef的高、中、低观测绿波段反射率区内评估四种测深模型。主要结论如下：（1）模型性能在观测反射率区之间变化。MLR在高反射率区取得最佳平均表现，R²为0.71，RMSE为0.49 m。RF在中反射率区取得最高平均精度，R²为0.89，RMSE为0.62 m。（2）在三个礁的低反射率区，RF和XGBoost始终优于Stumpf和MLR。XGBoost平均R²为0.85，RMSE为1.20 m，RF结果非常接近。（3）利用Lingyang Reef的ALB数据进行深度分层分析显示，超过10 m后模型间差异更明显，RF和XGBoost误差增长慢于Stumpf和MLR；然而，观测反射率和水深的独立贡献仍未解析。（4）集成局部选择的模型在Lingyang Reef、Huaguang Reef和East Cay Reef的RMSE分别为0.76、0.61和0.84 m，相对每个研究区最佳单一模型降低约3.8%、4.7%和12.5%；这些改善是在所评估数据集上观察到的，其统计显著性尚未检验。观测绿波段反射率分区为局部模型比较和选择提供了实用基础。然而，观测反射率包含底栖属性、水深和水柱光学条件，其独立影响未量化。应用于其他礁需要本地校准和验证。