《中国科学院南海海洋研究所在岛礁浅水地形时序变化遥感监测取得新进展》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: 熊萍
  • 发布时间:2025-07-22
  • 近日,中国科学院南海海洋研究所热带海洋环境实验室(LTO)、热带海洋环境与岛礁生态全国重点实验室和广东省海洋遥感与大数据重点实验室(LORS)唐世林团队在岛礁浅水地形时序变化监测方面取得进展。相关研究成果发表在国际期刊Giscience & Remote Sensing和International Journal of Applied Earth Observation and Geoinformation上,助理研究员刘永明为第一作者,研究员唐世林为通讯作者。

    地震、火山爆发、波浪侵蚀和人类活动等因素均可引起岛礁浅水地形发生变化。开展浅水地形时序变化监测可以为珊瑚礁的生物多样性保护和生态平衡维护提供重要的基础地理信息。Landsat系列(Landsat-5 Thematic Mapper (TM),Landsat-7 Enhanced Thematic Mapper Plus (ETM+),Landsat-8 Operational Land Imager (OLI),and Landsat-9 OLI2)具有近40年的观测历史和30米的空间分辨率,在长时序浅水地形变化监测中具有巨大潜力。然而,由于不同代的Landsat传感器在波段设置和信噪比特性上存在差异,影响水深遥感反演结果的时序一致性,这为实现长达40年的光学浅水地形时序变化监测目标带来了重大挑战。

    进展1:实现TM和ETM+数据在6 m以深的水深反演值精度的提升

    研究团队针对Landsat系列数据存在波段设置差异的问题,基于西沙岛礁等地的光学浅水现场光谱数据开展分析,发现可以通过光谱重构技术从TM和ETM+的蓝光波段推算出一个虚拟的近岸波段(~445 nm),从而实现Landsat-5/7/8/9可见光波段设置的统一。基于这个新的发现,研究团队建立了VOBA(Virtual coastal band-driven Optimization-based Bathymetric Approach)模型。实测光谱数据、模拟光谱数据和卫星遥感影像数据的验证结果表明,增加虚拟波段的TM和ETM+能够显著提升6 m以深的水深反演值精度。

    此项成果发表在期刊Giscience & Remote Sensing上,合作者还包括LTO的研究员许占堂、博士后黄宇业、助理研究员郑文迪、华北水利水电大学的博士曹斌、广东省科学院广州地理研究所的研究员刘旭拢和东海实验室的博士曾凯。

    进展2:实现0-10m光学浅水地形40年时序变化遥感监测

    研究团队在构建VOBA模型的基础上,进一步以我国南海东沙岛和七连屿等岛礁为例,定量评估水深优化反演模型从Landsat系列数据中所反演的水深值的一致性。结果表明,Landsat系列在礁坪和浅水潟湖(水深浅于10米)中的水深值表现出高度的一致性。然而,由于TM/ETM+的信噪比OLI/OLI2低,对于深水潟湖和礁前斜坡(水深超过10米且底质为低反射率的海草珊瑚等),OLI/OLI2与TM/ETM+所反演的水深值存在显著差异,而且OLI/OLI2所反演出的水深值的精度优于TM/ETM+。随后,研究团队将Landsat系列数据用于监测我国南沙南威岛的地形时序变化。时序结果表明南威岛新港口的深度已从~2米增加到~10米,东北方向的新陆地原来属于~7.5米深的水域。截至目前,南威岛的新港口已被挖掘~584252.74±228884.43m3的沉积物,并有~1010657.21±897737.97m3水域被填海造地(此值不包括露出水面的沉积物体积)。

    此项成果发表在期刊International Journal of Applied Earth Observation and Geoinformation上,合作者还包括LTO的副研究员王素芬和博士后黄宇业、自然资源部南海局的博士陈启东和水利部珠江水利委员会的博士熊龙海。

    经过以上研究,唐世林团队具备了遥感监测南海及类似区域的岛礁0-10 m光学浅水地形40年长时序变化的能力。

    上述研究得到国家自然科学基金、海南省自然科学基金和广州市自然科学基金等项目的资助。

    相关论文信息:Liu,Y.,Tang,S.*,Cao,B.,Xu,Z.,Liu,X.,Zeng,K.,Huang,Y.,& Zheng,W. (2025). A virtual coastal band-driven optimization-based bathymetric approach (VOBA) for optically shallow water with multispectral imagery. GISci. Remote Sens.,62,2506191.

    Liu,Y.,Tang,S.*,Huang,Y.,Chen,Q.,Xiong,L.,& Wang,S. (2025). Mapping the bathymetry of coral islands with the Landsat series: Quantitative evaluation of the consistency and temporal change detection. Int. J. Appl. Earth Obs.,142,104721.

    原文链接:https://www.tandfonline.com/doi/full/10.1080/15481603.2025.2506191

    https://www.sciencedirect.com/science/article/pii/S1569843225003681

  • 原文来源:https://scsio.cas.cn/news/kydt/202507/t20250718_7892755.html
相关报告
  • 《研究团队在岛礁浅水地形时序变化遥感监测取得新进展》

    • 来源专题:深海资源开发
    • 编译者:徐冰烨
    • 发布时间:2025-07-19
    • 近日,中国科学院南海海洋研究所热带海洋环境实验室(LTO)、热带海洋环境与岛礁生态全国重点实验室和广东省海洋遥感与大数据重点实验室(LORS)唐世林团队在岛礁浅水地形时序变化监测方面取得进展。相关研究成果发表在国际期刊Giscience & Remote Sensing和International Journal of Applied Earth Observation and Geoinformation上,助理研究员刘永明为第一作者,研究员唐世林为通讯作者。 地震、火山爆发、波浪侵蚀和人类活动等因素均可引起岛礁浅水地形发生变化。开展浅水地形时序变化监测可以为珊瑚礁的生物多样性保护和生态平衡维护提供重要的基础地理信息。Landsat系列(Landsat-5 Thematic Mapper (TM),Landsat-7 Enhanced Thematic Mapper Plus (ETM+),Landsat-8 Operational Land Imager (OLI),and Landsat-9 OLI2)具有近40年的观测历史和30米的空间分辨率,在长时序浅水地形变化监测中具有巨大潜力。然而,由于不同代的Landsat传感器在波段设置和信噪比特性上存在差异,影响水深遥感反演结果的时序一致性,这为实现长达40年的光学浅水地形时序变化监测目标带来了重大挑战。
  • 《中国科学院海洋研究所在遥感观测数据补全研究取得重要进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2025-04-29
    • 近日,中国科学院海洋研究所李晓峰研究员团队在遥感观测数据补全研究中取得突破性成果。其研究成果以“GDCM: Generalized Data Completion Model for Satellite Observations”为题,发表于遥感领域国际期刊 Remote Sensing of Environment(SCI一区,影响因子11.1)。 研究团队提出了一种适用于多源遥感数据的通用补全模型:GDCM(Generalized Data Completion Model)。该模型基于时空卷积与注意力机制融合的深度学习框架,成功解决了卫星轨道覆盖间隙与云层遮挡导致的数据缺测问题,可高精度重建海表温度、风速、水汽、云液态水、降水率等关键海气变量,显著提升了遥感观测数据的完整性与实用性。 GDCM模型以连续7天的观测序列为输入,通过双尺度编码–解码结构捕捉局地与大尺度特征,利用注意力机制筛选关键时空依赖。实验表明,GDCM在复杂海洋环境下仍保持高稳定性,补全精度显著优于传统插值方法与现有AI模型,并在多类型、跨平台遥感数据补全任务中均表现出优异性能,具备良好的通用性和鲁棒性。 此外,GDCM采用逐步加深缺测比例的训练策略,使模型先理解完整场,再逐步适应严重缺测情境,有效提升了泛化能力。以热带不稳定波区域为例,GDCM几乎消除了预测偏差,重建效果稳定可靠。 本成果不仅在技术层面上推动了遥感观测数据智能重建方法的发展,也为未来气候变化监测、台风路径预报、极端事件识别等高时空分辨率应用场景提供了有力工具。 该论文第一作者为中国科学院海洋研究所王浩宇博士,李晓峰研究员为通讯作者,合作者还包括博士生周寅飞。研究工作得到国家自然科学基金和崂山实验室“十四五”重大项目支持。 论文信息: Wang,H.,Zhou,Y.,& Li,X*. (2025). GDCM: Generalized data completion model for satellite observations. Remote Sensing of Environment,324,114760. DOI: 10.1016/j.rse.2025.114760