研究背景：高分辨率监测的必要性与现实瓶颈
浅海生态系统是海岸防护、生物多样性维持和生态服务供给的重要基础。水深信息和底栖生境分布，是认识浅海生态格局、评估环境变化和制定保护策略的关键数据。过去，水深与底栖信息主要依靠实地勘测获取，该方式成本高、效率低，难以满足大范围、高频次和精细化监测需求。遥感技术为浅海制图提供了新路径：卫星多光谱影像覆盖广、连续性强，无人机高光谱影像则兼具厘米级空间细节和丰富光谱信息。尽管已有研究推动了卫星与无人机平台在浅海测绘中的融合应用，但一个核心问题仍待明确：在浅海水体监测中，空间分辨率与光谱分辨率究竟如何影响制图精度？
围绕这一问题，西班牙拉斯帕尔马斯大学海洋学与全球变化研究所的团队近日在《Scientific Reports》发表研究，系统比较了无人机高光谱、卫星多光谱和RGB影像在浅海水深反演与底栖生境制图中的表现。该研究为海岸带生态监测中的平台选择、数据配置和方法优化提供了重要参考。
图1.研究区域：(a) Las Canteras海滩位于西班牙加那利群岛拉斯帕尔马斯市内。(b) Las Canteras海滩的航拍照片。
图2.本研究在Las Canteras海滩检测到的主要海洋植被：(a) 小片死亡的Cymodocea nodosa，(b) 须状Cymopolia barbata，(c) 伴生有须状Cymopolia barbata的死亡Cymodocea nodosa，(d) Dictyotales sp，(e) 丝状红藻，以及 (f) 包含各类植被的区域。
研究方法：控制变量下的系统比较
（1）研究区域：西班牙大加那利岛拉斯帕尔马斯市Las Canteras海滩，主要物种包括：Cymodocea nodosa, Cymopolia barbata, Dictyotales sp, 丝状红藻等；
（2）光谱数据来源：
无人机高光谱数据：Resonon Pika L高光谱成像仪（97波段，398–800 nm）；
Resonon Pika L光谱参数：
光谱范围：400-1000 nm；
空间通道数：900；
光谱通道数：281；
光谱分辨率：2.7 nm；
卫星数据：WorldView-2（8波段，2 m分辨率）；
RGB数据：GoPro Hero 10（3波段）；
为了开展受控的空间—光谱分辨率实验，作者并没有简单地将无人机影像和卫星影像直接对比，而是以无人机高光谱影像作为统一数据源，模拟生成6组控制变量影像；
（3）实测数据来源：
水深参考数据：采用当地市政部门多波束测深仪实测数据；
底栖生境参考数据：2023年10月开展实地勘测，布设39个监测点；
（4）数据处理：整体技术流程分为影像预处理、水深与底栖生境测绘、精度评价三大模块，软件搭配：地理配准、出图使用ArcGIS Pro；大气校正采用Python编写的6S 大气模型；其余预处理、模型训练、精度计算基于MATLAB实现；
图3.水深图：涉及多平台与多算法的研究，涵盖不同的空间分辨率（10 cm和2 m）及光谱分辨率（97、8和3个波段）。
表1.评估测深图：MAE、RMSE和经调整的R2。
图4.底栖生境图：涉及多平台与多算法的研究，涵盖不同的空间分辨率（10 cm和2 m）及光谱分辨率（97、8和3个波段）。
图5.基于模型、空间分辨率及光谱分辨率，对海底类型制图中各类别平均准确率进行的比较研究。
表2.基于五种分类及10 cm空间分辨率影像的底栖生境图评估：准确度与Cohen’s Kappa系数。
图6.无人机飞行重叠区域的植被演变。
研究结果：浅海遥感制图精度对比
高光谱精度最高，适用于精细化生态调查、物种细分、科研级监测；
多光谱数据在精度与分辨率之间实现极佳平衡，适用于区域常态化海岸监测、大范围水深测绘；
RGB数据可基本满足水深反演需求，在复杂生境下的底栖分类结果可靠性较差；
空间分辨率主要影响图斑细节，对水深精度影响有限；
底栖生境分类更依赖光谱信息，RGB影像局限明显；
2016—2023年间研究区海洋植被呈下降趋势；
结语
研究表明，浅海生态遥感监测并非单纯追求更高分辨率，而是需要根据监测目标合理选择影像配置。高光谱适合精细识别，多光谱更利于区域化应用，RGB则可作为低成本快速调查手段。未来，随着无人机高光谱、卫星多光谱与机器学习方法的进一步融合，浅海监测有望实现更高频、更精细、更业务化的应用，为海洋植被退化识别、底栖生境保护和海岸带精细化管理提供更可靠的数据支撑。
发表期刊：scientific reports【影响因子：3.9】
研究单位：西班牙拉斯帕尔马斯大学海洋学与全球变化研究所
研究地点：西班牙大加那利岛拉斯帕尔马斯市Las Canteras海滩
使用设备：Resonon Pika L高光谱成像仪
DOI: https://doi.org/10.1038/s41598-026-38166-7