|
" Y' d: B8 X" h: }' S
江苏激光联盟导读:
- g2 i; e! ~9 f. k7 C 据悉,国内外研究人员开发了一种创新方法,尝试用卫星数据测量浅水深度。 ) l! a) Y8 h6 w% ^8 c" {; S0 I9 e
大气层的顶部是地球大气层和外层空间之间商定的边界。卫星穿越这个空间,促进全球通信和对地球进行成像,测量不断变化的冰覆盖高度和陆地质量变化。虽然卫星技术非常先进,但根据厦门大学和马萨诸塞大学波士顿分校的研究人员的说法,为海岸线以外的每个浅水区产生准确的水深是一个长期存在的挑战。 / [/ C% D* X9 I% ~7 H6 K
6 K5 m! |; m& D 来自中国厦门大学的科学家从卫星测量中获得了高精度,高空间分辨率,浅水测深法。来源:厦门大学光学海洋学实验室 5 J' L7 [3 R5 v
研究人员说,问题不在于收集的数据的类型或数量,而在于如何将其转化为对近岸水域浅水的准确估计。为了解决这一挑战,他们开发了一种机器学习算法,该算法使用来自两颗地球观测卫星的数据来确定光学浅水的深度。
E) h9 g* e2 Z0 V$ v 他们于2月3日在《Remote Sensing》上发表了他们的方法。 " C' c( u7 {. Q4 s/ t5 K3 |' L% [
“珊瑚礁、海草和海带床等近岸浅水环境是世界上最具社会经济意义和生产力的生态系统之一;它的监测是许多政府机构的一项重要任务。”马萨诸塞大学波士顿分校环境学院的通讯作者兼名誉教授Zhongping Lee说,“除了监测这种生态系统的底层基质的变化,一个理想的参数是底部深度,因为它不仅对导航很重要,而且对从风暴潮监测到风电场选址等沿海过程的研究和管理也很重要。”
+ d' {, Y, p1 i
- c7 }. D9 L) P$ m9 | 过滤程序(b)后表面和底部的原始ICESat-2光子数据(a)和光子数据的示例。 : E/ ]- `2 J. u3 O/ h$ [
海底深度测量,即水深测量,传统上是通过声纳进行的,但随着卫星技术的改进,越来越多的测量是通过卫星激光雷达进行的。 5 c( ~; e5 {+ ?& t* Z& ~, f% w4 C% j
“虽然这些方法和系统提供了海底深度的高精度测量,但它们成本高、耗时长,并且局限于船只(用于声纳)可以到达的区域或卫星激光雷达绘制的线,从太空获得的数据无法形成高分辨率的水深地图。”第一作者是厦门大学海洋与地球科学学院研究生Wendian Lai。 ) a! R$ D* B; P1 e
研究人员使用了美国地质调查局和美国宇航局卫星Landsat 8上的陆地成像仪(Operational Land Imager)和美国宇航局卫星ICESat-2上的高级地形激光高度计系统(ATLAS)仪器提供的公开数据。ICESat-2是美国宇航局的一颗卫星,用于测量地球上各种高程点。ICESat-2向目标点发射激光,并乘以激光到达目标点并返回卫星的时间。ATLAS的数据包含了所有光子的纬度、经度和时间,这些光子是由卫星向下连接的激光束的组成部分。
, T/ ?7 p+ l0 y0 f , L4 u% t2 a- `( t7 i
将 Landsat-8 OLI 和 ICESat-2 数据用于算法开发的区域(两个黄色方框)。 * ~3 `4 N, D# C6 B; ?! T5 z/ X6 ~) {
该团队专注于大巴哈马银行和Cay Sal银行的数据测量,训练一个人工智能神经网络,以了解共同定位的数据点如何一起显示深度。
8 A& i' @$ F' ?1 J# m9 N& b Lai教授说:“该算法100%准确地标记出浅水和深水。”
; {; \- r1 C6 e( s& _, s: c4 j' | ~ 研究人员指出,虽然结果“很有希望”,但这项研究的重点是热带和亚热带地区,那里的水通常是清澈的。然而,一旦从陆地卫星8号收集到影像数据,他们的方法就可以应用到其他地区。 : A, M5 R3 d1 ~6 ]: I/ W8 c
9 H4 c% o4 j% H- j! @ Z 光学深(ODW)和光学浅 (OSW) 水域区域,用于开发神经网络,根据Landsat-8 测量结果将 OSW 与 ODW 分开。
! u S3 n& X3 L; l. C0 r4 a “这个系统展示了传统算法所缺乏的强大的可移植性。”Lee说,“我们计划将该系统应用于许多地区,目标是生成全球近岸浅海地区的高分辨率水深地图。” 1 a+ U, y% @+ I; `1 n6 K6 h2 e- j
来源:A Portable Algorithm to Retrieve Bottom Depth of Optically ShallowWaters from Top-Of-Atmosphere Measurements, Journal of Remote Sensing (2022).DOI: 10.34133/2022/9831947 / r+ x" T! V2 t; f/ a
江苏激光联盟陈长军原创作品! 8 s* N4 S: J4 H1 t" i
7 q i8 r* `0 a1 f6 B5 ~
$ G1 ^: d2 C0 Y5 p! U8 A
* F9 z# @1 v* J8 Y2 l% a& {0 x1 ~3 }( W" L3 `+ @+ B
|