近岸淺水環境的水深信息對人類活動和科學研究具有重要意義，例如船舶航行安全、生態系統管理、可持續經濟發展，以及海洋動態建模等。2022年2月3日，我院光學海洋學實驗室（OOL）與馬薩諸塞州立大學波士頓分校、澳大利亞西澳大學和自然資源部第二海洋研究所等單位合作，在Science合作期刊Journal of Remote Sensing上在線發表研究論文“A portable algorithm to retrieve bottom depth of optically shallow waters from top-of-atmosphere measurements”。2022年3月17日，該論文被Science publisher遴選為研究亮點予以報道。
該研究對2018年發射的ICESat-2衛星上激光雷達傳感器測量的線狀淺水深度數據和Landsat-8OLI光學影像數據進行匹配，通過神經網絡訓練，將線狀的水深擴展到整個淺水圖像。為了避開大氣校正相關的不確定性問題，采用瑞利校正后的大氣頂部反射率（ρrc）作為輸入，其光譜范圍為430-2300 nm，涵蓋可見光區的淺水信息和近紅外-短波紅外的氣溶膠信息，因此能在水深反演過程中隱性地處理大氣校正。該研究將訓練好的神經網絡算法應用到與訓練數據相隔數千公里之外區域的Landsat-8 OLI影像數據中進行檢驗，通過對比ICESat-2的水深數據，發現研究方法不但避免了大氣校正引入的不確定性，還獲得了低誤差的遙感水深，展示出很強的適用性。研究人員還表示，鑒于逐日增加的大量高分辨率衛星遙感圖像和ICESat-2數據，該方法為產生精細的光學淺水地形圖提供了全新的技術手段。
通過Landsat-8衛星得到全球不同地方的高精度、高空間分辨率的淺水水深（單位：米）分布
該論文第一作者為我院2019級碩士生賴文典，通訊作者為李忠平教授。共同作者還包括王俊幃（廈門大學）、汪永超（廈門大學）、Rodrigo Garcia（澳大利亞西澳大學）和張華國（自然資源部第二海洋研究所）。本研究獲得科技部國家重點研發計劃和國家自然科學基金的支持。
論文來源：
Wendian Lai, Zhongping Lee, Junwei Wang, Yongchao Wang, Rodrigo Garcia, Huaguo Zhang, “A Portable Algorithm to Retrieve Bottom Depth of Optically Shallow Waters from Top-Of-Atmosphere Measurements”, Journal of Remote Sensing, vol. 2022, Article ID 9831947, 16 pages, 2022. https://doi.org/10.34133/2022/9831947
Science publisher推介新聞：https://www.eurekalert.org/news-releases/946559
供稿：光學海洋學實驗室
