基于机器学习与半分析模型的珊瑚礁底栖类型遥感监测方法研究

来源：海洋技术学报杂志2025年第04期北京时间：

作者：刘欣,张华国,马蕴涵,韩通

单位：单位刘欣，张华国，马蕴涵，韩通（自然资源部第二海洋研究所,浙江 杭州 310012）

摘要：在全球气候变化的背景下，珊瑚礁生态系统面临的威胁不断增加，而现场监测的高成本和低效率给珊瑚礁底栖的监测带来了困难。本文基于Sentinel-2 卫星影像及冰、云和陆地高程卫星2号（Ice, Cloud and land Elevation Satellite-2，ICESat-2） 激光测高数据，以印度洋、太平洋的4 座岛礁作为研究区，利用校正后的遥感水深数据对半分析模型进行约束，得到轨道处底质反射率。基于机器学习构建底质反射率与卫星影像蓝绿波段对数比之间的关系，得到整座岛礁的底质反射率。以此为基础，提出了一种从已有的底栖分类产品中自动提取可靠底栖训练样本的方法，结合底质反射率等特征参数，建立了不依赖实测数据的珊瑚礁底栖分类模型。精度评价结果显示，该分类方法在4 座岛礁的总体精度均达到90%以上，Kappa 系数大于0.88。研究表明：该方法能够实现珊瑚礁底栖类型的高效监测，为珊瑚礁的管理和保护提供数据支撑。

关键词：珊瑚礁；蓝绿波段对数比；机器学习；底质反射率；底栖分类

基金资助：国家重点研发计划资助项目（2021YFE0117600）