数字水深模型(Digital Bathymetric Models,简称“DBMs”),是近海工程建设、资源开发、环境保护等领域的重要基础地理信息数据。现有全球公开DBMs产品如GEBCO(The General Bathymetric Chart of the Oceans)、SRTM(The Shuttle Radar To...
详细信息
数字水深模型(Digital Bathymetric Models,简称“DBMs”),是近海工程建设、资源开发、环境保护等领域的重要基础地理信息数据。现有全球公开DBMs产品如GEBCO(The General Bathymetric Chart of the Oceans)、SRTM(The Shuttle Radar Topography Mission)、ETOPO(Earth Topography)等在不同海域的数据类型、数据来源和产品精度均存在差异。为利用全球测深数据和DBMs产品重建中国近海水深模型,本文提出一种基于水深分区的加权融合重建框架。首先,从5个维度(整体精度、不同水深、航线剖面、地理分区、局部细节)对比分析6种常用DBMs产品的可靠性和适用性;然后,顾及水深和地形特征对研究区进行分割和分区,并选取分区内最优DBMs产品,以最小误差为约束进行最优加权融合;最后,对融合结果进行实测值恢复、平滑滤波等后处理,形成中国海岸线周边近海海域15″分辨率高精度无缝水深模型。结果表明,融合结果相比SRTM30_PLUS、GEBCO_2022、SRTM15_V2.5.5和ETOPO_2022均方根误差降低了27%、14%、14%和13%,地形细节也得到保留,证明了该融合框架的可行性,可为多数据集大规模海底地形的融合重建和及时更新提供参考。
开展大洋多源测深数据的融合,构建其高精度数字水深模型对大洋海底科学研究、深海资源开发与保护等具有重要的意义。而当前全球大洋测深数据由于测量时期、测量手段、测深与定位精度等的不同,产生了多源复杂性,造成了海底地理空间信息描述的不确定性,不利于大洋海底地形数据的应用。本文选取了东印度洋北部东经九十度海岭部分区域作为研究对象,对多源测深数据融合方法进行了研究,同时构建了该海域的数字水深模型,主要工作及创新点如下:1、首先对多波束测深数据、单波束测深数据和通用全球海洋地形数据(general bathymetric chart of the oceans,GEBCO)等研究数据来源进行了梳理,重点阐述了多波束测深数据的处理过程及测深数据精度评估方法,并对研究区域数据进行精度评估和最小二乘改正。2、针对东印度洋测深数据的特性,在总结分析了常用的数字水深模型构建方法基础上,提出了变分融合方法来进行多源测深数据融合的数字水深模型构建。最终生成的数字水深模型不仅保留了高精度水深数据的细节信息,还为数据空白区提供了平滑的地形表面。本研究融合生成的模型分辨率为100m,这也是目前为止东印度洋的精度最高的数字水深模型。3、针对构建的数字水深模型进行了精度评估,分析表明构建的数字水深模型的标准差为27.68m。同时,对研究区域海底地形进行了地形因子分析研究,计算提取了其坡度和坡向、地形起伏度、地表切割深度、地表粗糙度、高程变异系数等,对研究区域分区域进行地形因子归一化处理和计算其综合地形复杂度指数,最终得到东经九十度海岭区域综合地形复杂度最高,指数为0.039,地势起伏变化较大,西侧区域综合复杂度指数为0.020,除部分条带现象和海山外,其整体地势偏平坦,东侧区域综合地形复杂度最低,指数为0.013,东侧海底地形除海山外整体海底地形平坦。本文的部分研究成果已应用于我国某国家重大专项项目。
暂无评论