如何利用卫星影像提取海水水深数据？半参数回归方法应用
海底地形图是海洋资源管理、航海安全和生态保护的基石，传统的水深测量依赖声呐设备，但这种方法成本高、耗时长，且在浅海珊瑚礁区域难以施展，是否可以通过卫星影响数据提取海水水深数据呢？
近期，印度尼西亚国家研究与创新局的研究团队利用法国SPOT 7卫星影像结合半参数回归模型，成功绘制了吉利群岛周边浅海水域的地形图，最大测深达29.93米，验证了卫星测深的可行性。
卫星影响如何测量水深？
我们知道阳光进入海水后，部分被水分子吸收，部分被海底反射，不同波长的光穿透能力也不同，比如蓝光和绿光穿透最深，而红光和近红外光很快被吸收，而卫星测深的核心原理就在于光与水的相互作用，通过捕捉这些波段的反射值，结合数学建模，可估算水深。
研究采用的Kanno-STR算法是一种半参数回归模型，其公式为：
h
其中，h为水深，Xβ是基于实测数据的线性回归部分，t(z)是空间坐标的非参数平滑函数，ε’为误差项，该算法的优势在于能同时考虑光谱信息和空间自相关性，适应复杂海底环境。
研究团队在吉利群岛进行了实地勘测，使用单波束回声测深仪获取了3375个水深点，并与2018年6月28日的SPOT 7影像同步，SPOT 7的多光谱数据包含蓝、绿、红和近红外波段，分辨率为6米，适合浅海测深。
为了验证海底底质的影响，团队设计了两种模型，模型一忽略海底底质类型，如珊瑚、海草、大型藻类、底质等的影响，仅用光谱和空间数据建模；模型二则将实测数据按底质类型分类后分别建模。
通过不同模型对比，不考虑底质类型的模型一表现竟然更优，精度与底质无关。在模型一种，0-10m水深段精度为74.33%，0-2m的误差达1.81m，；10–20米水深段的精度高达91.15%，误差为2.71米；而>20米段的精度达83.64%，但误差升至5.78米，这说明卫星测深在中等水深10–20米最可靠，而在极浅或极深区误差增大。
相比之下，模型二加入底质分类后精度显著下降，尤其在>20米段误差飙升至12.49米，但大体也一样，在极浅或极深区误差增大。表明海底底质的细分并未提升测深精度，反而可能因数据碎片化降低模型稳定性。
为什么会出现这种底质类型不重要的反直接问题呢？按常理，区分海底类型应该更精准，但结果相反。研究发现，一种原因是Kanno-STR半回归参数法更依赖实测数据量而非底质细节，分类后，每类样本量减少，机器学习难以收敛；另外一个原因就是SPOT 7卫星影像的局限性，6米分辨率难以区分细微的底质差异，多光谱波段对底质反射率的敏感性有限。还有一种原因，就是水体光学特性主导，在清澈水域水体的光衰减系数对反射的影响可能远大于底质类型。
这项研究证实，SPOT 7卫星在清澈浅海的测深上限接近30米，且简化模型反而更可靠，只需少量实测数据，即可快速生成高精度海底地形图。但由于是利用光学特性测深，在浑浊水域或复杂底质区域，仍需结合其他技术。
❓思考题：卫星测深主要依靠哪种光来测量水深？
A.紫外线
B.蓝光和绿光
C.红外线
D.微波
参考答案：（点击查看）
B.
解析：卫星测深利用蓝光（450-520 nm）和绿光（530-590 nm）较强的水下穿透能力，而红外光几乎全被水吸收，无法用于测深。
参考文献：KT Setiawan, DNBR Ginting, M Hartuti, MDM Manessa… – Diqiu Kexue, 2025，Bathymetry Extraction from SPOT 7 Satellite Imagery with Semiparametric Regression. DOI: 10.5281/zenodo.15252570