近岸浅水环境的水深信息对人类活动和科学研究的许多方面都非常重要，包括船只的航行、生态系统管理、可持续经济发展，以及海洋的动态建模等。
年2月3日，厦门大学近海海洋环境科学国家重点实验室光学海洋学实验室（OOL）与马萨诸塞州立大学波士顿分校、澳大利亚西澳大学、自然资源部第二海洋研究所等合作单位在Science合作期刊JournalofRemoteSensing在线发表研究论文“Aportablealgorithmtoretrievebottomdepthofopticallyshallowwatersfromtop-of-atmospheremeasurements”。年3月17日，该研究被Sciencepublisher遴选为研究亮点予以报道。
该研究对年发射的ICESat-2卫星上激光雷达传感器测量的线状浅水深度数据和Landsat-8OLI光学影像数据进行匹配，通过神经网络训练，将线状的水深扩展到整个浅水图像。
为了避开大气校正相关的不确定性问题，采用瑞利校正后的大气顶部反射率（ρrc）作为输入，其光谱范围为-nm，涵盖可见光区的浅水信息和近红外-短波红外的气溶胶信息，因此能在水深反演过程中隐性地处理大气校正。
该研究将训练好的神经网络算法应用到与训练数据相隔数千公里之外区域的Landsat-8OLI影像数据中进行检验，通过对比ICESat-2的水深数据，发现研究方法不但避免了大气校正引入的不确定性，还获得了低误差的遥感水深，展示出很强的适用性。研究人员还表示，鉴于逐日增加的大量高分辨率卫星遥感图像和ICESat-2数据，该方法为产生精细的光学浅水地形图提供了全新的技术手段。
通过Landsat-8卫星得到全球不同地方的高精度、高空间分辨率的浅水水深（单位：米）分布。
该研究第一作者为级硕士生赖文典，通讯作者为李忠平教授。共同作者包括厦门大学王俊帏、汪永超、澳大利亚西澳大学RodrigoGarcia和自然资源部第二海洋研究所张华国。本研究获得科技部国家重点研发计划和国家自然科学基金的支持。
论文来源：
WendianLai,ZhongpingLee,JunweiWang,YongchaoWang,RodrigoGarcia,HuaguoZhang,“APortableAlgorithmtoRetrieveBottomDepthofOpticallyShallowWatersfromTop-Of-AtmosphereMeasurements”,JournalofRemoteSensing,vol.,ArticleID,16pages,.
转载请注明：http://www.0431gb208.com/sjszjzl/494.html
