充分发挥Sentinel-2卫星观测在绘制大加勒比地区马尾藻分布图方面的潜力

《Remote Sensing of Environment》:Maximizing the potential of Sentinel-2 satellite observations in mapping Sargassum seaweed in the Wider Caribbean Region

【字体: 大 中 小 】 时间:2026年08月13日 来源:Remote Sensing of Environment 12.3

编辑推荐:

  •利用MSI数据改进了用于大规模绘制马尾藻分布的模型与方法。•有效降低了阳光反射、条纹现象、薄云及其他图像噪声的影响。•在马尾藻大量存在的近海区域,其监测结果与MODIS相当。•在马尾藻数量较少的月份,MSI检测到的马尾藻数量是MODIS的5倍之多。•MSI地图填补了MODIS在

  •利用MSI数据改进了用于大规模绘制马尾藻分布的模型与方法。•有效降低了阳光反射、条纹现象、薄云及其他图像噪声的影响。•在马尾藻大量存在的近海区域,其监测结果与MODIS相当。•在马尾藻数量较少的月份,MSI检测到的马尾藻数量是MODIS的5倍之多。•MSI地图填补了MODIS在近岸区域的数据空白,有助于提升区域评估精度。

引言
近年来,加勒比海地区(包括加勒比海和墨西哥湾)的马尾藻泛滥引发了严重的环境与社会经济问题,影响了沿海生态系统、渔业、旅游业以及公众健康(Hatt等人,2025;Hu等人,2026;Jin等人,2025;Langin,2018;Maurer等人,2021;Modestin等人,2022;Olguin-Maciel等人,2022;Smetacek和Zingone,2013;Rodríguez-Martínez等人,2025;van Tussenbroek等人,2017)。随着全球范围内浮游藻类爆发的日益频繁(Qi等人,2025),此类泛滥事件也愈发严重,因此对马尾藻进行有效监测对于及时预警并采取应对措施以减轻其带来的负面影响显得尤为重要。

在各种监测技术中,卫星遥感因其能够进行大范围且高频次的观测而发挥着关键作用。例如,中等分辨率的卫星传感器,如中分辨率成像光谱仪(MODIS)、可见光红外成像辐射计套件(VIIRS)、海洋与陆地颜色仪器(OLCI)以及海洋颜色仪器(OCI),已被广泛用于检测和量化大西洋中的马尾藻生物量(Berline等人,2020;Brooks等人,2019、2018;Hu等人,2025、2023;Johns等人,2020;Lazcano-Hernandez等人,2023;Qi等人,2026;Skliris等人,2022;Sun等人,2024;Wang和Hu,2016)。这类传感器能够提供高时间频率的 basin-scale观测数据,非常适合用于大规模的常态化监测工作(如马尾藻监测系统:https://optics.marine.usf.edu/projects/SaWS.html)。不过,它们也存在两大局限性。首先,由于空间分辨率较低,这些传感器可能无法识别出较小的马尾藻群落,从而导致监测结果的不确定性较大,目前这一问题尚未得到系统性的量化分析。其次,在近岸区域,由于靠近陆地、复杂的海岸环境以及较大的像素尺寸,算法的不确定性通常会显著增加,进而导致距离海岸线10公里以内的水域出现数据缺失现象(Hu等人,2023)。

相比之下,高分辨率卫星传感器,如Sentinel-2的多光谱仪器(MSI)、Landsat操作型陆地成像仪(OLI)、WorldView-2以及PlanetScope Dove/SuperDove,在检测小型马尾藻群落以及填补近岸区域的数据空白方面具有明显优势(Cuevas等人,2018;Descloitres等人,2021;Echevarría-Rubio等人,2025;Jiao等人,2026;Laval等人,2023;Lazcano-Hernandez等人,2023;Ody等人,2019;Putman等人,2025;Qi和Hu,2021;Sullivan等人,2025;Wang和Hu,2021、2020;Zhang等人,2022)。高分辨率传感器能够更清晰地呈现那些在中等分辨率产品中被模糊或遗漏的碎片化特征及沿海分布情况(Hu等人,2025)。此外,它们受云层影响的程度相对较小,因此能够提供更多无云观测数据,更便于实际应用(Feng等人,2017)。在方法论方面,近期基于机器学习与深度学习的研究表明,这类方法相较于传统的阈值法或指数法具有更高的性能(Arellano-Verdejo等人,2025;Echevarría-Rubio等人,2025;Laval等人,2023;Lazcano-Hernandez等人,2023;Sullivan等人,2025;Wang和Hu,2021、2020),进一步证明了高分辨率影像在提升马尾藻检测与量化精度方面的巨大潜力。正因如此,一些区域监测系统已经开始采用这类高分辨率传感器进行近乎实时的监测(Arellano-Verdejo等人,2025;Caballero等人,2020;Echevarría-Rubio等人,2025;Morell等人,2025;Putman等人,2025;Sullivan等人,2025)。然而,大多数相关研究都是基于局部案例开展的,其是否适用于在整个加勒比海地区进行系统性监测仍有待验证。

与中等分辨率传感器相比,高分辨率传感器的重访频率较低,信噪比也相对较低。此外,这类数据集更容易受到阳光反射以及条纹噪声的影响(Huang等人,2026;Jiao等人,2026;Sullivan等人,2025)。如图1所示,当在广阔的地理区域内应用MSI数据时,这些与观测相关的挑战就会更加凸显——不均匀的观测频率、覆盖范围内的阳光反射强度差异、探测器产生的条纹伪影以及多样的海岸背景都可能给检测条件带来极大波动。这些问题可能导致那些弱小、密度低或受阳光反射影响的马尾藻特征被遗漏,而在局部案例研究中,这类问题可能不太明显或未被充分体现。另外,尽管以往的研究曾使用样本图像来对比高分辨率(如MSI)观测数据与中等分辨率(如MODIS)产品的检测效果(Wang和Hu,2020、2021;Descloitres等人,2021),但至今仍缺乏在产品层面的系统性评估,尤其是在整个加勒比海地区以及不同季节尺度上的评估。因此,尽管高分辨率影像在提升马尾藻监测能力方面展现出巨大潜力,但其在该地区的大规模及常态化应用潜力还有待充分发挥。

为此,尽管已有中等分辨率卫星观测数据的实际应用案例,也有研究证明MSI或Landsat影像在马尾藻测绘方面具有实用价值,但仍有若干重要问题亟待解决:(1)基于MODIS数据生成的中等分辨率马尾藻地图存在哪些不确定性,尤其是针对小型及近岸区域的特征?(2)MSI能否在日尺度、月尺度及年尺度上为加勒比海地区提供与MODIS一致的观测数据?(3)如何最大限度地发挥MSI在实时监测及历史数据分析中识别马尾藻泛滥现象的作用?

本研究旨在通过以下方式解答上述问题:(1)开发一种实用的方案及改进后的模型,利用MSI观测数据对加勒比海地区的马尾藻大型藻类进行测绘与量化;(2)系统地对比MSI数据与基于MODIS数据生成的产品的性能,以此量化MODIS数据的不确定性,并明确MSI观测数据的优势与局限;(3)展示MSI在填补加勒比海地区近岸水域(距离海岸线小于10公里)的数据空白方面的作用,从而提升该地区每月的马尾藻状况预报精度。

章节节选
MSI数据与预处理
MSI可采集涵盖可见光、近红外及短波红外波段的13个光谱数据,其空间分辨率根据波长不同分别为10米、20米和60米,因此非常适合用于检测和量化小型马尾藻特征。这些光谱波段包括443纳米(60米分辨率)、492纳米(10米分辨率)、560纳米(10米分辨率)、665纳米(10米分辨率)、704纳米(20米分辨率)、741纳米(20米分辨率)、783纳米(20米分辨率)、841纳米(10米分辨率)、865纳米(20米分辨率)、1614纳米(20米分辨率)以及2202纳米(20米分辨率)。

最大化MSI在马尾藻特征提取中的应用潜力
该新模型的性能首先通过一个独立的测试数据集进行了评估。总体而言,该模型的精确度为0.97,召回率为0.86,F1值为0.91。这些评估是基于密度加权指标进行的,即每个像素的权重由其估算的马尾藻密度决定。作为对比,此前开发的基准模型的精确度为0.96,召回率为0.81,F1值为0.88。需要指出的是,新模型所展现出的更高性能并非……

MODIS数据衍生马尾藻密度的不确定性
图13展示了2023年通过时空匹配的观测数据,分别基于MODIS/T数据以及聚合为1公里分辨率的MSI-1公里数据所得到的马尾藻密度分布的逐像素对比情况。总体来看,两种传感器得到的密度分布大致相似,尤其是在第3.2节中所阐述的中等至高密度区间。不过,在密度较低的区间,两者之间存在显著差异。如图13a所示,当进行对比时……

结论
尽管有许多案例研究证明了高分辨率卫星传感器在马尾藻监测方面的优势,但由于大规模研究往往面临诸多技术难题,而案例研究则较少遇到此类问题,因此目前还缺乏对这类传感器在大范围区域内的监测能力的系统性评估。本研究构建了一个实用的框架,并结合改进后的深度学习模型,旨在充分发挥Sentinel-2 MSI在大规模马尾藻监测中的作用。

作者贡献说明
Junnan Jiao:撰写——审阅与编辑,撰写——初稿,可视化,验证,方法论,研究调查,正式分析,数据整理,概念构思。Chuanmin Hu:撰写——审阅与编辑,撰写——初稿,指导监督,项目管理,方法论,资金筹集,正式分析,概念构思。Brian B. Barnes:撰写——审阅与编辑,撰写——初稿,指导监督,项目管理,方法论,资金筹集,数据……

利益冲突声明
作者声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了美国NASA(80NSSC21K0422、80NSSC24K1507、80NSSC25K7427、80NSSC25K7361)、美国NOAA(NA23NOS4780291)、NOAA IOOS各区域分会(SECOORA、CariCOOS、GCOOS)以及美国EPA(02D42923)的支持。我们还要感谢Google Earth Engine(https://earthengine.google.com/)和欧洲航天局提供的Sentinel-2 MSI数据(https://www.copernicus.eu/),以及NASA OB.DAAC提供的MODIS数据(https://oceancolor.gsfc.nasa.gov/)。同时,我们也感谢三位匿名人士的帮助。

Junnan Jiao|Chuanmin Hu|Brian B. Barnes
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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