基于对象样本增强提升多波束数据稀有类海底沉积物制图：东韩海（日本海）陆架案例

《Frontiers in Marine Science》：Object-based sample augmentation improves rare-class seabed sediment mapping from multibeam data in the East Sea (Sea of Japan)

　　

基于多波束测深仪（multibeam echo-sounder, MBES）数据的海底沉积物分类受稀疏、类别不平衡的地面真值制约，尤其是粗砾石，基于像元的分类器难以分辨。本研究利用基于对象的样本增强（object-based sample augmentation）绘制东韩海（日本海，East Sea (Sea of Japan)）西南部陆架的海底沉积物图，该方法在经校准的回波散射（backscatter, BS）与水深（bathymetry）的简单线性迭代聚类（Simple Linear Iterative Clustering, SLIC）超像素间传播野外样品标签。在20个随机种子重复随机交叉验证（cross-validation, CV）下，基于对象的增强将稀有类（Gravel，砾石）的F₁分数（F₁-score）从仅像元基线的0.036提高至0.436，且该增益在空间块交叉验证下持续存在；该空间块交叉验证是一种在空间留出站点上的场景内空间稳健性检验（0.024至0.311），其中SLIC超过所有测试的固定邻域尺度。这些稀有类估计仅基于8个独立的Gravel野外站点，应在此背景下解释。将原始稀有类锚点过采样至相同训练规模仅恢复该增益的少数部分，表明大部分改进来自新传播的像元而非锚点复制。特征空间与多样本诊断为该超像素内标签传播假设提供了经验支持。所得砾石—砂—泥图再现了受深度控制、向海变细的相带格局，与狭窄、河流供给陆架上的水动力分选一致。专家解释的Rock评估进一步表明，在可用的单频每位置回波散射—水深特征空间中，暴露基岩无法在可接受权衡下与粗砾石可靠分离。总体而言，该方法恢复了基于像元制图在很大程度上遗漏的稀有粗底质相，同时识别了纯声学底质判别的局限，从而加强了支撑底栖生境制图、海洋空间规划和海底工程的基线海底沉积物图。

海底沉积物图支撑海洋地质调查、底栖生境制图、海洋空间规划、地质灾害评价和近海工程，但野外观测难以提供连续全覆盖信息，多波束测深仪（multibeam echo-sounder, MBES）回波散射（backscatter, BS）与共位水深成为监督分类的重要信息源。核心问题是地面真值稀疏且类别不平衡：粗砾石因沉积环境局限以及抓斗、箱式取样器难以穿透和保留而采样稀少；暴露基岩无法被取样器回收，因而在样品方案中结构性缺失。基于像元的分类器在稀有类样本极少时易失效或产生噪声。已有补救包括半监督学习与空间信息增强；后者又分固定邻域传播和对象基图像分析传播。Hu et al. 曾以SLIC分割BS图像扩大稀疏样本并提升随机森林（Random Forest, RF）总体精度，但总体精度可能被常见类主导，未隔离稀有类表现，也较少在标准化每类训练规模后比较对象自适应传播与固定几何邻域，并检验空间交叉验证（cross-validation, CV）下是否仍成立；同时，暴露基岩能否在声学特征空间中与粗沉积物分离尚不清楚。为此，研究人员在约340 km²的东韩海（日本海）西南陆架开展研究，使用双传感器校准BS镶嵌和247个粒级分类表层样品，比较仅像元基线、替换平衡像元控制、固定邻域与SLIC增强，并在随机CV和空间块CV下评价，最后用专家解释Rock数据评估基岩可分性。结果表明，SLIC增强显著提升稀有类Gravel的F₁分数，从仅像元基线的0.036升至0.436（随机CV），空间块CV下由0.024升至0.311，并超过所有测试固定邻域尺度；替换平衡仅恢复少数增益，距离纯化无稳健改善；暴露基岩在现有单频每位置BS—水深特征空间中不能以可接受权衡与粗砾石可靠分离；最终三类图呈深度控制、向海变细格局。该研究的意义在于以标签高效方式恢复基于像元制图常遗漏的稀有粗底质相，同时明确纯声学分类的极限，为底栖生境制图、海洋空间规划、渔业生境管理和近海工程提供更稳健基线。

关键技术方法概括（不超过250字）：研究区为东韩海（日本海）西南陆架约340 km²，水深约?18至?329 m；2024年两个航次，近岸R2SONIC 2024（300 kHz），远海Kongsberg EM2040（200 kHz）与EM304（20–32 kHz）；EM304水深用于数字高程模型，EM2040 BS用于声学镶嵌，重叠区经验校准R2SONIC至EM2040；采集247个表层沉积物样品（10 Gravel、140 Sand、97 Mud；30个边缘样品排除后保留8个Gravel站点），按简化Folk方案分类；提取13个像元特征，采用两通道SLIC超像素传播标签，以200棵树RF分类；评价包括5折超像素分层CV、20种子重复随机CV和空间块CV，并用33,846个场景内专家解释Rock点评估基岩可分性。

研究结果：3.1 传感器间回波散射校准（Inter-sensor backscatter calibration）：利用重叠区4,126,089对共定位像元拟合BS_corr=0.918×BS_R2SONIC?2.135，r²=0.776；校正后残差均值?0.01 dB、均方根误差（root-mean-square error, RMSE）2.52 dB，传感器边界平均绝对差0.008 dB、95分位0.025 dB，虽残差随深度有约1.1 dB分箱变化但属二阶，校准产生辐射一致镶嵌。3.2 SLIC分割质量与标签传播有效性（SLIC segmentation quality and label-propagation validity）：紧凑度m=0.05时5,000请求段中产生4,864段，边界召回0.280、段内BS标准差1.501 dB；全场景N=60,000产生59,815段、平均边长约75 m；216个锚点超像素中仅1个含两个Sand样品且类别一致；216个锚点23,220对质心距离中，同类别中位1.96、不同类别中位2.52，比例1.29×，锚点级置换检验p<10^-4，但P(same1为0.569、Gravel F₁为0.059；固定邻域至13×13像元时Gravel F₁为0.439；SLIC+RF的Gravel F₁为0.483，总体精度（overall accuracy, OA）0.815、Cohen’s kappa（κ）0.656、Macro-F₁0.717；单分区纯化p=85看似较高，但20种子重复CV下不持续；留一站CV中8个Gravel站点5个被多数投票恢复，站点召回62.5%，像元准确率59.4%±42.5%，误分站点B082、G117、G125分别具 offshore深水、深度边缘、低BS等差异。3.4 参数敏感性（Parameter sensitivity）：联合段数N与纹理窗口w扫描显示，N=60,000、w=21时Gravel F₁为0.500±0.018（共同掩膜），w=91为0.424；N=20,000、w=91为0.523；三个尺度匹配工作点区间重叠，最终选(60,000,21)因最细、保留97.6%像元且窗口最小；纯化扫描中随机CV p=100最高（0.436），空间块CV p=100亦最高（0.311），总体精度变化<0.01、κ和Macro-F₁变化<0.02，变异主要集中于Gravel F₁。3.5 特征重要性与深度消融（Feature importance and depth ablation）：RF基尼重要性以深度最高（28.7%），其次局部BS均值17.4%、BS_corr11.9%、BPI_broad9.6%，四项灰度共生矩阵（gray-level co-occurrence-matrix, GLCM）特征合计13.1%，地形与形态特征合计44.9%；移除深度使Gravel F₁由0.483降至0.282（?42%），Macro-F₁0.580；去深度并去两个水深位置指数（bathymetric position index, BPI）为0.304，声学-only预测子集为0.310；单特征BS为0.228、深度0.306、二者0.382。3.6 最终海底分类图（Final seabed classification map）：drop-edge掩膜后覆盖83,003,101像元（有效BS像元97.6%，约332 km²）；超像素多数投票修改4.56%像元，投票后Mud 48.65%、Sand 45.81%、Gravel 5.55%；Gravel呈狭窄近岸带并于河口附近出现粗斑块，Sand占中间深度，Mud主导较深海域。3.7 基岩可分性评估（Bedrock separability assessment）：33,846个场景内专家Rock点中候选规则仅满足1,253点（3.7%），其余判为Sand 58.5%、Gravel 36.9%、Mud 1.0%；区域级回收在25、50、100、200 m连接距离下分别为4.5%、3.5%、1.1%、0%，深度分层上浅区规则回收2.3%且Gravel占68.5%，中陆架回收6.0%且Sand占92.7%；标准化均差以BS最大（Cohen’s d=1.56）、深度1.33、去趋势BS 1.29；放宽规则至BS_detrended>+5 dB且BPI_broad>0时专家召回42.6%但吸收50.0%背景Gravel，表明基岩不能在可接受权衡下可靠分离。3.8 空间交叉验证稳健性（Robustness under spatial cross-validation）：空间块由k-means分5块，像元-only Gravel F₁随机/空间为0.036/0.024，替换平衡为0.133/0.068，固定13×13为0.368/0.240、21×21为0.401/0.275、31×31为0.420/0.286、39×39为0.410/0.284，SLIC+RF为0.436/0.311；随机CV下SLIC与峰值Fixed 31×31差异未分辨（p=0.13），空间块CV下SLIC优于39×39（p=0.010）和31×31（p=0.005）；变差函数估计范围超出2 km拟合窗口，留出站点最近训练站点中位3.6 km、约27%在2 km内，像元精度与最近训练距离无单调关联（ρ=0.01），Gravel单独呈负关联（ρ=?0.25）且无留出Gravel站点超过5 km，故空间块CV为场景内空间稳健性检验而非独立地理验证。

讨论部分总结：4.1 对象基样本增强的有效性在于不改变分类器结构、预测子集和CV协议而通过超像素传播增加稀有类训练代表性，主要增益来自新传播像元而非类别平衡；传播假设由特征空间与多样本诊断间接支持，但同类别与不同类别分布仍明显重叠，故非严格验证。4.2 SLIC与固定邻域比较表明，固定邻域随尺度增至31×31像元达峰后于39×39略降，尺度匹配后SLIC剩余优势与对象自适应几何一致；随机CV下SLIC与峰值固定邻域差异未分辨，空间块CV下SLIC优于所有固定尺度，说明自适应几何在空间留出站点上更稳健，但空间块CV仅增加训练—测试地理分离而非消除空间依赖。4.3 距离纯化在稀有类稀疏情形无稳健改善，远距像元可能是传播所需类内广度而非噪声，修剪会削弱空间CV泛化，建议稀有类稀疏时在空间CV下评估纯化。4.4 基岩限制具有物理基础：高频声学穿透浅，薄沉积覆盖可使返回由覆盖沉积物主导；专家数字化与分类器共享BS和水深，不能区分真正声学极限与共同盲点；确认需视频、抓斗拒采、多频或浅地层剖面等独立证据。4.5 沉积解释上，三类图与狭窄、陡、河流供给陆架的深度控制水动力分选一致，Gravel限于近岸和河口；深度移除显著降低Gravel F₁，声学-only预测子集仍保留技能，但深度同时具物理和统计代理含义。4.6 局限包括仅8个Gravel站点、重复CV区间为分区变异而非独立站点不确定性、仅三个主要假设比较其余为探索性、Gravel站点空间与仪器混杂（7个近岸300 kHz、1个offshore 200 kHz且未回收）、采样方法偏差、基岩可分性限制、经验设置数据集特异，以及制图分辨率受平均超像素边长约75 m限制。

研究结论翻译：基于对象的样本增强可显著改善稀疏MBES样品的稀有类海底沉积物分类。将野外样品标签在双通道SLIC超像素上传播，使稀有类Gravel的F₁分数在20种子随机CV下从0.036升至0.436，且在空间块CV下持续改善（0.024至0.311；配对p<0.001），其中对象基传播超过所有测试固定邻域尺度，包括在边长、面积和边界暴露上近似匹配的固定足迹。这些稀有类结果基于8个独立Gravel野外站点，其中7个位于300 kHz近岸带，5个在留一站测试中被回收；报告区间描述分区变异而非独立站点不确定性，Gravel性能以当前双传感器调查配置为条件。替换平衡的仅像元控制显示，类别平衡本身仅恢复该增益的少数，因此大部分归于传播像元。基于距离的标签纯化无稳健改善，未采用。在单频每位置、2 m回波散射—水深特征空间中，暴露基岩无法在可接受权衡下与粗砾石可靠分离；因此最终分类保留三类沉积物，再现受深度控制、向海变细的相带分布。该框架需联合选择段数和纹理窗口，其标签传播假设由特征空间检验间接支持。这些是方法学原则，但经验操作参数和传感器间校准具有数据集特异性，转移至其他陆架需重新推导。由于无需额外野外采样、新仪器或分类器改动即可增加稀有类技能，该方法为常规MBES调查的区域海底底质制图提供标签高效途径，直接关系底栖生境制图、海洋空间规划、渔业生境管理和近海工程。更广泛地，该研究将一个正面方法学结果（对象基增强带来且经空间CV存活的大的稀有类增益）与一个明确负面发现（基岩可分性的特征空间限制）配对，从而在同一数据集上量化纯声学分类能解决与不能解决的内容。解决基岩并将稀有类扩展到Gravel之外，可能需要同位置多频或浅地层观测，而非进一步改进单频每位置声学分类。