出版日期: 2019-11-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20198110
2019 | Volumn23 | Number 6
上一篇  |  下一篇
综述 
珊瑚礁遥感研究进展
expand article info 黄荣永 , 余克服 , 王英辉 , 刘嘉鎏 , 张惠雅
1. 广西大学 广西南海珊瑚礁研究重点实验室，南宁 530004
2. 广西大学 珊瑚礁研究中心，南宁 530004
3. 广西大学 海洋学院，南宁 530004
收稿日期: 2018-03-20; 预印本: 2018-07-08
基金项目: 国家自然科学基金(编号：91428203，41766007)；广西科技计划项目(编号：AD17129063)；广西珊瑚礁资源与环境八桂学者项目(编号：2014BGXZGX03)；广西创新驱动发展专项(编号：AA17204074,AA18118038)；广西自然科学基金青年基金(编号：2016GXNSFBA380031)
第一作者简介: 黄荣永，1985年生，男，讲师，研究方向为珊瑚礁遥感。E-mail：rongyonghuang@gxu.edu.cn
通信作者简介: 余克服，1969年生，男，教授，研究方向为珊瑚礁地质、生态与环境。E-mail：kefuyu@gxu.edu.cn

摘要

珊瑚礁是生物多样性和初级生产力最高的海洋生态系统之一，对人类社会与海洋生态环境的健康和可持续发展有重要作用，而珊瑚礁又是中国南海主要的国土类型，国家因此越来越重视对南海珊瑚礁的规划、管理、建设与保护。珊瑚礁的调查与探测则是进行珊瑚礁活动的基础与依据，而遥感则在珊瑚礁的大范围探测方面具有很大的潜力，所以国内外已经存在很多利用遥感对珊瑚礁进行调查与探测的研究与应用。本文将按照被动遥感和主动遥感的顺序，客观地阐述国内外珊瑚礁遥感研究与应用的进展，探讨珊瑚礁遥感研究与应用的发展趋势，并尝试总结中国珊瑚礁遥感的机遇和挑战。其中被动遥感包括珊瑚礁地形与水深的遥感、珊瑚礁底质与地貌的遥感、珊瑚礁岸线变化与稳定性的遥感以及珊瑚礁环境的遥感等，而主动遥感则包括珊瑚礁水深的机载激光雷达遥感、珊瑚礁地貌的船载声学遥感和珊瑚礁地形的星载微波遥感等。结果发现，国内珊瑚礁遥感研究与应用的整体水平落后于国外：虽然在部分数据处理方面具有比国外更先进的技术，但相应的应用基础研究仍然达不到国外的广度与深度。因此，国内的珊瑚礁遥感研究仍需要鼓励珊瑚礁学者更多的参与与合作，以便在硬件设备和数据处理等方面加强针对珊瑚礁遥感的研究，进而融合多种手段而实现珊瑚礁遥感的工程化应用。

关键词

海洋, 地貌, 珊瑚礁, 遥感分类, 水深探测

Progress of the study on coral reef remote sensing
expand article info HUANG Rongyong , YU Kefu , WANG Yinghui , LIU Jialiu , ZHANG Huiya
1.Guangxi Key Laboratory on the Study of Coral Reefs in the South China Sea, Guangxi University, Nanning 530004, China
2.Coral Reef Research Centre of China, Guangxi University, Nanning 530004, China
3.School of Marine Sciences, Guangxi University, Nanning 530004, China

Abstract

Coral reefs are considered a marine ecosystem containing the highest level of biodiversity and primary productivity and are important to the healthy and sustainable development of future human society and marine ecological environment. Coral reefs are the main national land types in the South China Sea, and the state has paid increasing attention to planning, managing, constructing, and protecting coral reefs. All these activities are based on the investigation and measurement of coral reefs. Considering that remote sensing is an effective technique, which has potentials for monitoring the coral reefs in a large scale, remote sensing for the investigation and detection of coral reefs has been conducted by many authors in the past. On this basis, we review the progress of the study on and application of coral reef remote sensing at home and abroad for passive and active remote sensing. Passive remote sensing of coral reefs involves the remote sensing of bottom topography and water depth, substrate classifications and geomorphic units, change detection and stability assessment, and environmental factors. Active remote sensing involves airborne laser bathymetry, shipborne acoustics detection, and microwave remote sensing. The development trends of coral reef landform remote sensing are discussed, and the opportunities and challenges for the remote sensing of national coral reefs are presented. The overall level of our coral reef remote sensing is lagging behind other countries. Some coral reef remote sensing technologies are more advanced at home than abroad, but the depth and breadth of basic applications remain lagging behind those of overseas. Thus, to make coral reef remote sensing suitable in real engineering, our remote sensing experts have been suggested to collaborate with coral reef scholars to strengthen the specific studies on hardware devices, data processing technologies, and basic engineering applications.

Key words

ocean, geomorphology, coral reef, classification of remote sensing, shallow-water depth detection

1 引　言

珊瑚礁是海洋中生物多样性和初级生产力最高的生态系统之一(Bellwood和Hughes，2001；Connell，1978；Souter和Lindén，2000；余克服，2012)，具有保护海岸线、保持生物多样性、吸收和存储二氧化碳、调节气候、净化环境和维持生态系统平衡等功能，能够为人类提供渔业和旅游等资源，具有巨大的开发潜力、经济价值和生态环境价值(Bellwood和Hughes，2001；王丽荣 等，2014；吴彬 等，2017；吴彬和张占录，2017；余克服，2012；余克服 等，2014)。因此，珊瑚礁对人类社会与海洋生态环境的健康和可持续发展起着至关重要的作用。

珊瑚礁对中国而言则是南海主要的国土类型，是中国开发、利用、保护与管控海洋的重要支点，战略价值重大(李晓敏 等，2010；汪业成 等，2013；余克服 等，2014；赵焕庭 等，2016)。据统计，中国拥有14000多千米的岛屿岸线和近300万km2的管辖海域(关道明和阿东，2013；刘真真，2014)，仅南海三沙市的海洋国土面积就约有150万km2(赵焕庭和吴天霁，2008)，而南海珊瑚礁总面积则约有37200 km2，约占世界珊瑚礁面积的5%，居东南亚地区第2位(赵焕庭 等，2016)。

珊瑚礁的调查与探测因此尤为重要，因为珊瑚礁的调查与探测是探讨珊瑚礁稳定性、动态演变和未来发展的前提，是对珊瑚礁资源进行规划、管理、开发、利用和保护，保证其生态环境健康与资源可持续发展的基础，更是进行珊瑚礁工程建设，维护国家安全和领土完整的需要。然而，珊瑚礁地处陆地—海洋—大气生态系统的耦合部(吴彬和张占录，2017)，其调查与探测存在较大的困难：珊瑚礁大多远离大陆，时常淹没于水中，还受潮汐变化的影响，遍历这些区域存在诸多不便与危险，导致无论是控制点的布设还是连续的调查与测量都较为不易且效率不高。

遥感是至今为数不多的能够非接触地进行大范围同步测量，且时间和空间分辨率均较高的低成本监测手段，被认为是珊瑚礁调查与探测的潜在方法(Dubinsky和Stambler，2011；王圆圆 等，2007)。而且目前可供使用的历史存档遥感影像资料也比较丰富，因此国内外学者已对珊瑚礁遥感进行各种探索与研究(Leiper 等，2009；Lucas和Goodman，2015；Romine和Fletcher，2013；李继龙 等，2015；王圆圆 等，2007)。与常规不同的是，除受大气作用的影响外，海水对辐射的吸收、反射和散射等的作用使得珊瑚礁遥感影像能够记录的珊瑚礁水下信息微乎其微(Lucas和Goodman，2015；唐军武 等，2004)。此外，世界各国还未曾发射过专门为珊瑚礁遥感而设计的遥感卫星(Xu和Zhao，2014；王圆圆 等，2007)，现在的珊瑚礁遥感所依赖的还是机载航空平台和陆地卫星遥感影像。这使得珊瑚礁遥感的研究与应用比陆地遥感更为困难。

尽管还存在如上所述的诸多困难，但部分国家还是组织实施了针对珊瑚礁管理与研究的珊瑚礁遥感项目。例如，早在2001年美国的千年珊瑚礁计划(Millennium Coral Reef Mapping Project，http://imars.marine.usf.edu/MC/[2018-03-20])(Andréfouët 等，2004)就针对30 m分辨率的Landsat ETM+影像，设计了由966种珊瑚礁地貌单元构成的分层分类体系，并利用1999年—2001年间的近1500景的ETM+影像绘制了全球珊瑚礁地貌单元的分布图。该项目的成果在2004年以后以地理信息系统(GIS)图层的形式实行发布，为全球珊瑚礁礁的研究提供前所未有的基础数据。美国国家海岸带海洋科学中心NCCOS(https://coastalscience.noaa.gov/[2018-03-20])为维持沿海环境、社会和经济的平衡和可持续发展，还在2009年—2011年间进一步以IKONOS高分辨率(4 m多光谱和1 m全色)遥感影像为基础，结合现场调查与测量，更精细地完成了美属萨摩亚群岛、关岛和北马里亚纳群岛等珊瑚礁的地貌单元制图(Monaco 等，2012；Waddell和Clarke，2008)。这些项目已经为科学家和管理人员提供了重要的地图与数据资料，是了解和保护世界各地珊瑚礁的基础，也是平衡环境、社会、政治和经济关系的必要信息与工具。

相比之下，中国虽然具有丰富的珊瑚礁资源，但作为岛礁资源开发与国家领土完整维护的基础，相应的珊瑚礁调查与探测资料(国家海洋信息中心，2017)却还比较薄弱。这说明我们仍然迫切需要加强珊瑚礁遥感的研究与应用，以便丰富国家珊瑚礁资源的调查与探测资料，从而分析中国珊瑚礁的动态演变并对其稳定性进行评估，为国家珊瑚礁资源的利用与岛礁工程的建设提供基本依据。因此，本文将对国内外珊瑚礁遥感的内容及其研究与应用的进展情况进行梳理和概括，探讨珊瑚礁遥感的发展趋势，并尝试指出中国珊瑚礁遥感研究与应用的不足，期望能够引起更多的测绘遥感专家投入到珊瑚礁遥感的研究与应用，推进珊瑚礁遥感的发展与进步。

2 珊瑚礁遥感的内容

珊瑚礁是浅水造礁石珊瑚和其他附礁生物的遗骸经过堆积作用自然形成的海洋沉积岩(赵焕庭 等，2014)。除自身特性所决定的固有地貌外，珊瑚礁经过长时间的地质和生物作用还会塑造出各种侵蚀、堆积和生物地貌形态。

现代珊瑚礁可以分为岸礁、堡礁、环礁、台礁、塔礁、点礁和礁滩等类型(王丽荣和赵焕庭，2001)。以作为世界和中国南海珊瑚礁主要类型的环礁为例，按照开放程度(内部潟湖水体与外海的交换程度)，可划分为开放型、半开放型、准封闭型、封闭型和台礁化5大类，并各有相对应的判别指数(礁坪面积与潟湖面积的比值，该值越大，环礁发育程度越高)。自环礁外缘向中心一般可分为礁前斜坡、礁坪、潟湖坡和潟湖盆底等4个主要地貌带。这些地貌带还可以按照水动力强弱、珊瑚生长情况和群落结构等划分为更细致的地貌亚带。例如，礁坪还可以根据水动力强弱划分为外礁坪、礁凸起和内礁坪等3个地貌亚带；而根据珊瑚群落和生长情况，内礁坪还可以划分为珊瑚稀疏带、珊瑚丛林带和礁坑发育带等生物地貌亚带。

珊瑚礁遥感可以认为是对珊瑚礁地貌形态及其环境的遥感探测，主要包含如下几个方面的内容：

(1)以珊瑚礁高程与水深测量为目的的珊瑚礁遥感。遥感在这里能够产生珊瑚礁的数字高程模型、数字水深模型或数字等深线图等产品，而以这些产品为基础则可以完成对珊瑚礁地形的描述、分类和分带。地形、水深、高程和坡度等都是珊瑚礁地貌分带的主要依据，所以珊瑚礁地形的测量与水深的反演是珊瑚礁遥感的一项重要任务。这通常可以通过被动的水深反演和主动的激光雷达测深、多波束测深等而实现。

(2)以珊瑚礁底质分类和地貌分带为目的的珊瑚礁遥感。遥感在这里能够提供的是珊瑚礁底质类型和地貌分带的光谱分布，实际可以根据光谱的差异而对珊瑚礁底质和地貌单元进行分类与分带，从而实现珊瑚礁底质与地貌单元的描述和管理等工作。覆盖于珊瑚礁之上的水体对辐射传输具有剧烈的扩散和衰减作用，使得传统空中三角测量方式难以实现珊瑚礁地形与高程的测量(难以完成影像匹配)，导致只有极少数水体清澈且平静的浅水珊瑚礁能够实现地形与高程的空中三角测量。然而，珊瑚礁地貌是地形高程(水深)及其表层地物与地层信息的综合表现，因此，根据珊瑚礁地貌带、地貌亚带(地貌微单元)及其基底类型的光谱差异，可以利用多光谱或高光谱影像对珊瑚礁的地貌和珊瑚生长基底(底质类型)的分布进行探讨。

(3)以珊瑚礁生态与环境关系研究为目的的珊瑚礁遥感。遥感在这里可以提供海表温度和叶绿素含量等珊瑚礁环境因子，实际可以利用珊瑚礁生态系统与这些环境因子的关系，对珊瑚礁生态系统的状况和事件进行分析和预警。作为珊瑚礁生物作用的主要主体，珊瑚的生长严格地受到温度和光照等环境条件的约束与影响。遥感正好能够提供珊瑚礁周围水域较长时间系列的环境因子系列，例如，海表温度(SST)和叶绿素-a(Chl-a)含量等。因此，遥感获得的环境因子系列能够为珊瑚礁生态系统状况和事件的分析与预警提供良好的基础。

此外，遥感在珊瑚礁领域中的应用还包括珊瑚礁的稳定性分析、珊瑚岛的沉降变形监测和珊瑚礁底质的变化检测等。当然，珊瑚礁遥感的内容也可以按照遥感方式的不同而简单地划分为被动珊瑚礁遥感和主动珊瑚礁遥感两大类。

3 珊瑚礁的被动遥感与应用

珊瑚礁的被动遥感与传统被动遥感一样，传感器在探测时所记录的往往是目标反射回来的来自太阳的电磁波信息。当然，除大气的吸收和散射等作用之外，珊瑚礁的遥感影像所记录的辐射信息还受到严重的水表反射、水体吸收和水体散射等作用的影响(图1)。需要注意的是，射入水体的太阳光只有可见光具备较好的透水性能，而其他波段的光谱则几乎都会被水完全吸收或反射，因而无法携带关于水下珊瑚礁的信息。因此，珊瑚礁被动遥感多数利用的是可见光波段的遥感影像。


图 1 珊瑚礁被动遥感的辐射传输过程示意图(Bierwirth 等，1993；Zoffoli 等，2014)
Fig. 1 Radiative transfer transmission for passive remote sensing of coral reefs(Bierwirth, et al., 1993；Zoffoli, et al., 2014)

事实上，水深反演、地貌分带和底质分类等珊瑚礁被动遥感想要获得比较精准的结果，则需要仔细地考虑如何消除大气和水体作用的影响。珊瑚礁地形的空中三角测量这类应用通常则不必考虑大气与水体作用的影响问题，而是要考虑辐射传输在不同介质分界面的折射性质。

3.1 珊瑚礁地形与水深的遥感

珊瑚礁地形与水深的被动遥感有两种主要方式：(1)通过对辐射传输模型的求解而获得珊瑚礁的水深信息，即珊瑚礁水深的反演；(2)利用空中三角测量原理而获得珊瑚礁的地形分布，即珊瑚礁地形的摄影测量。

3.1.1 珊瑚礁水深的反演

珊瑚礁水深反演所依据的辐射传输模型的表达式通常如式(1)所示(Eugenio 等，2015；Hu 等，2014；Huang 等，2017；Lee 等，2001, 1998；Lyzenga，1978；Lyzenga 等，2006；Maritorena 等，1994)，其他不同的表达式大多都可以看作该式的简化形式

$\begin{split} \rho = & {\rho _\infty }\left({1 - \exp \left({ - \left(\frac{1}{{\cos {\theta _{\rm{s}}}}} + \frac{{D_{\rm{u}}^{\rm{c}}}}{{\cos {\theta _{\rm{v}}}}}\right){K_{\rm{d}}}H} \right)} \right) + \\ & \frac{{{\rho _{\rm{b}}}}}{\text{π}}\exp \left({ - \left(\frac{1}{{\cos {\theta _{\rm{s}}}}} + \frac{{D_{\rm{u}}^{\rm{b}}}}{{\cos {\theta _{\rm{v}}}}}\right){K_{\rm{d}}}H} \right) \end{split}$ (1)

式中， $\;\rho $ 、 ${\;\rho _{\rm{b}}}$ 和 ${\rho _\infty }$ 分别为正好位于水面以下的次表面遥感反射率、水底辐照度的反射率率和光学深水区的次表面遥感反射率， $H$ 为水深， ${K_{\rm{d}}}$ 为水体的辐射漫衰减系数， $D_{\rm{u}}^{\rm{c}}$ 和 $D_{\rm{u}}^{\rm{b}}$ 为光学路径长度， ${\theta _{\rm{s}}}$ 和 ${\theta _{\rm{v}}}$ 则为次表面的太阳天顶角和卫星视角。

较早发展起来的是20世纪70年代的以经验成分占主导的波段比值与波段组合水深反演算法(Clark 等，1987；Lyzenga，1978；Lyzenga 等，2006；Stumpf 等，2003)：按照辐射传输的指数衰减模型推论，因底质类型变化而导致的水深反演误差能够通过不同波段光谱的比值而得到削弱，所以通过少量的控制水深与波段比值的对数或波段对数的线性组合进行线性回归，就能得到局部区域的近似水深反演模型。这类方法至今仍然因简单有效而经常被采用。例如，Papadopoulou 等(2015)将波段组合算法应用到IKONOS影像，对希腊北部塞萨洛尼基海岸的水深进行反演；Su等(2015)则将最优空间克里金插值和波段组合水深反演算法进行融合，利用IKONOS影像，对夏威夷莫洛凯岛南岸进行精细的水深反演实验。

波段比值与波段组合算法最大的问题是其对地域和时间具有很强的依赖性，模型的每次应用都需要利用实测水深来确定模型参数。珊瑚礁水深反演的半解析模型算法因此而得以发展，其思路是利用辐射漫衰减系数和光学路径长度等参数的经验模型来化简辐射在水体中的传输方程，以便利用次表面的遥感反射率对水深进行直接的求解。

李先等(2008)和Bierwirth(1993)等曾在底质与水体同质并忽略太阳天顶角与卫星视线角的条件下，通过添加水底反射率为1的约束条件而提供了较早的半解析模型算法，并将其应用于Landsat TM影像。Lee等(2001, 1998, 1999)则基于最优化方法对辐射传输模型直接进行求解，研发出一种能够从高光谱遥感数据同时获取水体性质参数和水深的方法。Brando等(2009)曾对该算法加以增强，增加考虑各种水体活性成分的浓度以及不同底质类型的覆盖率等对遥感信号的贡献。Hedley等(2009)还进一步利用自适应查找树(ALUT)对算法的效率进行改进，而Knudby等(2016)则将经ALUT改进后的算法应用至Landsat OLI影像。Jay和Guillaume (2014)以法国基伯龙半岛的机载高光谱遥感影像(Hyspex VNIR- 1600)为例，提出利用最大似然法对半解析模型进行求解的方法，获得了0.54 m的水深反演精度。周燕和刘智深(2011)曾经以海南岛南部的Hyperion高光谱影像为例，对半解析模型算法进行实验，结果能够较好地与海图数据相匹配。Kutser等(2006)曾用实验验证半解析的光谱匹配水深反演方法对澳大利亚大堡礁的ALI多光谱影像、Hyperion高光谱影像和机载HyMap高光谱影像的有效性。

Hu等(2014)忽略太阳天顶角和卫星视线角的影响，首先利用经验模型计算得到辐射漫衰减系数，然后以此为基础提出一种半解析的水深反演算法，并将其应用于东沙环礁、永兴岛、黄岩岛和双子群礁的Landsat ETM+影像，获得了1.1—1.6 m的水深反演精度。Eugenio等(2015)与Lee等(2001, 1998, 1999)类似，通过对辐射传输方程(1)的求解，将半解析模型算法应用于澳大利亚特内里费岛与福特弯图拉岛的WorldView-2影像，获得了1.20—1.94 m的水深反演精度。Petit等(2017)利用印度洋西南留尼汪岛两个实验区的机载Hyspex VNIR-1600高光谱影像测试了6种不同配置的半解析模型算法的性能，结果发现半解析模型算法的平均绝对误差在0.51—0.93 m。

Huang等(2017)也曾基于影像相邻像素水深差异不大的性质，利用全局平差的手段对Lee等(2001, 1998, 1999)和Eugenio等(2015)的半解析模型演算法加以改进，不仅克服了常规方法需要依赖诸多辅助数据的缺点，还极大地减少了问题求解所需的未知量个数，使得该方法对多光谱遥感影像具有更强的适应性。将该方法应用于涠洲岛珊瑚岸礁的ZY-3和WorldView-3影像，结果发现该方法不仅能够获得1.01 m和0.77 m的水深反演精度，而且还具备消除噪声影响和避免过度平滑的优点。

尽管半解析模型算法是因为能够克服波段比值和波段组合算法对地域和时间的依赖性而得以发展起来的，但比较遗憾的是，半解析模型算法因反演精度问题(最好的精度在0.5—1.5 m之间)或成本的问题(机载高光谱遥感数据成本较高)，仍然难以在珊瑚礁地形与水深的探测等的实际工程中得到广泛应用，在珊瑚礁地貌分带方面自然也因此还难以看到其踪迹。

此外，无论是经验成份居多的波段比值和波段组合算法，还是目前应用逐渐增多的半解析模型算法，其研究多数都是针对具有大洋Ⅰ类水体的珊瑚礁区而进行的。这也正是大多数现代珊瑚礁珊瑚生长所需要的环境，因此这些水深反演算法对珊瑚礁的适用性是没有问题的，如Hu等(2014)的实验直接针对的就是东沙环礁、永兴岛、黄岩岛和双子群礁。

3.1.2 珊瑚礁地形的摄影测量

珊瑚礁地形的摄影测量与常规摄影测量一样，依赖于空中三角测量的原理。然而，通常情况下，只有少量的珊瑚礁会在低潮时漏出水面，而其他的大部分珊瑚礁都会沉浸在海水中。这导致珊瑚礁地形的摄影测量存在如下几方面的困难：(1)限于落潮时露出水面的部分，难以实现水下区域的立体匹配和空三测量；(2)即使是落潮时露出水面的珊瑚礁，控制点布设和影像匹配也都比较困难的；(3)航拍需要选择在接近最低潮位的时间进行，时机很难选择。因此，珊瑚礁地形的摄影测量还主要只局限在沿岸地带的航空摄影测量，而且以基于高精度POS的直接定向与海岛礁无控测图技术为主要方式(郭忠磊 等，2014；滕惠忠 等，2016；张靓 等，2017)。

然而，方明等(2013)曾指出，对珊瑚岛礁的测量而言，测区架设基站很难满足“测区内任意位置与最近地面基准站距离原则上不超过50 km”的要求，故不建议完全采用无控的作业方案。因此，水陆边线等非常规控制条件成了部分珊瑚岛礁摄影测量研究的出发点。例如，郭海涛等(2012)提出利用精密潮汐模型预测的瞬时水陆边线的高程作为珊瑚岛礁摄影测量的控制条件，以便实现相应的区域网光束法平差。唐远彬等(2013)则结合潮位观测数据与无人机遥感影像的采集时间，通过不同时间的高精度水陆边线的提取而实现潮间带高程的测量。

除此之外，国外最近还萌芽了利用低空摄影测量对珊瑚礁水下地形进行测量的研究。例如，Kabiri等(2014)在波斯湾的基什岛周围，利用浮标布设了8个控制点，利用帆伞滑翔的方式在其上空进行摄影，并根据浮标控制点对所拍摄的影像进行拼接，最后根据拼接结果实现了基什岛珊瑚礁分布图的绘制；Casella等(2017)则在法属波利尼西亚莫雷阿岛附近，布设了9个水下控制点，利用装载在大疆DJI Phantom 2微型无人机上的数码相机(GoPro HERO 4)拍摄了306张低空影像(覆盖面积8380 m2)，并通过商用Agisoft Photoscan软件的“从运动恢复形状SfM(Shape from Motion)” 技术，绘制了该区域的数字高程模型(DEM)和数字正射影像图(DOM)，其高程和平面定位精度分别达到0.45 m和1.4 m。该精度相对于传统摄影测量而言并不高。Casella等(2017)在其分析中认为这是由控制点精度不高所引起的。笔者认为，除控制点精度的因素之外，另外一个很重要的可能的因素是，尽管双介质摄影测量的模型较早就已经被提出来了(王之卓，2007)，但Casella等(2017)所采用的空三模型却还没有能够考虑水体对光线传播的折射作用的影响。因此，珊瑚礁地形的摄影测量仍然亟需解决空三模型的表达和求解问题，否则将难以满足精细的珊瑚礁测量需要。

珊瑚礁地形的摄影测量虽然具有进行高精度测量的潜力，但其在研究数量、广度和深度等方面，目前都还不如珊瑚礁水深反演的研究。我们认为在接下来较长的时期内，围绕珊瑚礁水下地形摄影测量的相关问题，将会相继出现很多更为细致的探讨，相应应用案例的报道也会逐步增多。这样才能使摄影测量设备的涌现能够惠及珊瑚礁地形的摄影测量，更好地促使摄影测量突破海岸带测量的限制，延伸至广泛的珊瑚生长区。

3.2 珊瑚礁底质与地貌的遥感

遥感影像的分类被认为是珊瑚礁底质分类与地貌分带的较为廉价与直观的方式，是珊瑚礁调查、规划和管理的有效工具(do Nascimento Araújo和do Amaral，2016；Hamel和Andréfouët，2010)。美国的千年珊瑚礁计划和NCCOS数据集显示了遥感在珊瑚礁地貌分带及其亚带(底质分类和地貌微单元)制图中的巨大潜力。

除人工解译(Andréfouët 等，2004；潘春梅 等，2002；万荣胜 等，2014；邹亚荣 等，2012)外，很多珊瑚礁遥感影像的分类至今还沿用最大似然(ML)和支持向量机(SVM)等监督分类法来实现。例如，邹亚荣等(2006)为利用ML将东沙岛的SPOT 5影像划分为机场、建筑物、绿地、建筑工地、沙洲、珊瑚礁、水域等类别，并对其形态率、紧凑度和延伸率等发育特征进行分析；而邹亚荣等(2014)还进一步利用SVM对蜈支洲岛的SPOT 5遥感影像进行了类似的分类；陈建裕等(2007)曾经探讨过SPOT 5 影像对东沙环礁的珊瑚礁体及其潟湖点礁的识别能力(相对于Landsat ETM+和Quickbird-2)，其结果认为SPOT 5在光谱设置方面存在不利于珊瑚礁礁体识别的缺陷，但这能够通过与全色影像的融合而得到一定的补偿；胡蕾秋等(2010)则在消除水表和波浪反射作用影响的基础上，利用最大似然法对珊瑚礁的SPOT影像进行比较简单的地貌分带(礁前与礁顶：沙质、活珊瑚；礁后：沙质、高密度死珊瑚和低密度死珊瑚等；潟湖：泥沙、沙质)，并获得80%的分类精度(相对于QuickBird影像的人工解译结果)；王利花等(2011)曾利用SVM对东沙环礁1999年的Landsat ETM+影像、2001年和2009年的Landsat TM影像进行礁盘、点礁和水体的识别，从而实现了东沙环礁面积变化情况的分析。Purkis(2005)则针对珊瑚礁生物地貌亚带的识别，先用现场光谱测量数据对IKONOS影像进行样本训练，进而对密集活珊瑚、密集死珊瑚、稀疏活珊瑚、海草、浅水海藻、深水海藻、岩质和沙质等进行遥感识别，最终获得了69%的总体精度；Hochberg 等(2003)则针对IKONOS多光谱遥感影像，利用ML对珊瑚、稀疏海草、密集海草、浅水海藻、深水海藻、浅水沙质和深水沙质等进行遥感识别，最终获得50%—60%的用户精度。

面向对象图像分析(OBIA)方法目前也被引入珊瑚礁底质类型与地貌分带的识别，并取得了部分较为良好的效果。Leon和Woodroffe(2011)曾经综合光谱、纹理和形状等信息，利用OBIA方法对托雷斯海峡地区珊瑚礁的Landsat ETM+影像分层地进行十几种地貌分带和地貌微单元的分类，总体精度达到75%。Phinn等(2012)基于Definiens Developer 7.0(eCognition)软件所提供的OBIA方法，按照NCCOS的分层分类体系，利用2.4 m分辨率QuickBird影像，对澳大利亚的Heron、帕劳的Ngderack和斐济的Navakavu等珊瑚礁的地貌分带与地貌微单元进行识别。结果表明，它们在地貌微单元层面能够达到85%左右的总体精度，优于逐像元进行的监督法分类。不过，Phinn等(2012)同时也指出所采用的OBIA方法存在受限于通用商业软件包、需要辅以大量主观调整、成本较高以及难以大范围应用的缺点。Roelfsema等(2013)也曾经基于类似的方法和分类体系，利用2.4 m分辨率的QuickBird影像和4 m分辨率的IKONOS影像，对斐济的Kandavu、Kubulau和所罗门群岛的Roviana珊瑚礁进行地貌分带与地貌微单元的制图实验，结果表明地貌分带和地貌微单元分类类型数量的增加并不会对总体精度造成很大的影响，地貌微单元的制图能够获得70%—90%的总体分类精度。

国内在OBIA方法的应用研究方面也比较活跃，而且部分成果甚至比国外还更先进。Xu等(2016) 利用Landsat OLI影像，沿用美国千年珊瑚礁计划的地貌分类体系，按照eCognition 8.7软件的OBIA方法，对北礁、玉琢礁、华光礁、盘石屿和永乐群岛等南海珊瑚礁进行地貌分带(潟湖、点礁、礁坪、礁前、浅水阶地和口门等)的识别，总体精度高于80%。以此为基础还进一步实现了形状指数、紧凑度、延伸率、发育指数和开放程度等指标的计算，从而定量地评价了那些珊瑚礁的发育状况。龚剑明等(2014)基于南海珊瑚礁地貌形成的过程与结构特点，提出南海珊瑚环礁地貌与地貌微单元的3级分类体系(水下礁脊、外礁坪、礁凸起带、内礁坪：附礁生物稀疏带+附礁生物密集带+礁坑发育带、潟湖：潟湖坡+潟湖地、点礁、口门、沙洲、灰沙岛：沙滩+沙堤+沙席+洼地、以及其他人工地貌等)。基于OBIA方法构建了适用于WorldView-2影像的，可以吸纳珊瑚礁地貌单元尺度、光谱和形状特征的地貌分带与地貌微单元提取模型。该模型被实际应用到南海的簸箕礁、东礁和毕生礁，总体分类精度可以达到85.75%(簸箕礁)。周旻曦等(2015)参考NCCOS的分层分类体系，针对国内的CBERS-02B影像，提出了一种双尺度转化下的，模型与数据混合驱动，且具有较强抗噪能力的地貌分带与地貌微单元提取框架。该框架先利用自上而下模型驱动的梯度矢量流—主动轮廓模型(GVF Snake)，对珊瑚礁宏观的地理分带进行粗分割，然后利用多阈值最大类间方差法(OTSU)对地理分带内的地貌微单元进行更精细的分类，最后再利用区域生长法对离散分布的暗沙和暗滩等浅水地貌单元进行提取。该方法被应用到西沙永乐环礁，获得了88.89%的总体分类精度，优于数据驱动的ML和SVM方法。

综上所述，OBIA方法在影像分辨率较高的条件下能够获得较为令人满意的珊瑚礁地貌分带与地貌微单元制图结果，而传统的监督分类方法只有在底质和地貌分类类型较为简单的条件下才能够获得较好的效果。这跟以前的研究者(Hamel和Andréfouët，2010；Mumby和Edwards，2002；Mumby 等，1997)所指出的“分辨率对珊瑚礁遥感至关重要”是相互一致的。据此，可以认为遥感影像空间分辨率的不断提高以及OBIA等方法的不断进步，最终应该能够满足南海珊瑚礁地貌分带与地貌微单元提取的需要，其中OBIA方法仍然可以作为珊瑚礁遥感研究的重要选择之一。当然，也难以排除当前热门的深度学习接下来会涉入珊瑚礁底质与地貌遥感领域并促进其发展的可能性。

此外，珊瑚礁底质的变化检测也是珊瑚礁生态系统研究的重要内容。珊瑚群落的健康状况与活珊瑚覆盖率的改变往往会引起其光谱响应的变化，所以也可以通过对不同时相遥感影像的比较分析来实现珊瑚礁底质变化的遥感检测，从而推断珊瑚白化和死亡等重要生态事件的发生与否。LeDrew等(2004)曾利用健康珊瑚群落空间异质性强(Andréfouët等，2002)而不健康珊瑚群落空间异质性低的特点，基于不同时相遥感影像空间自相关系数的变化而发现健康状况恶化的珊瑚群落。而Elvidge等(2004)则以相对辐射校正为基础，利用不同时相遥感影像的差值，对澳大利亚大堡礁进行珊瑚白化的检测。

通过遥感影像的直接比较而实现珊瑚礁底质的变化检测首先需要解决多时相遥感影像的时空配准问题：波段设置、波段宽度、分辨率乃至时间地点的不同都会造成变化检测结果的显著差异。例如Andréfouët (2002)和Yamano和Tamura (2004)等研究发现，珊瑚白化检测所需要的影像空间分辨率至少要达到0.4—0.8 m，时空配准误差和底质光谱混合等因素都有可能会导致珊瑚底质变化检测产生很大的不确定性。需要注意的是，通过影像比较的方法来实现珊瑚礁底质的变化检测隐含着参考影像的底质类型为已知的前提条件，否则我们将难以确定所检测到的影像变化是哪种原因所造成的。

3.3 珊瑚礁岸线变化与稳定性的遥感

珊瑚礁岸线会受到资源开发与工程建设的影响，也会受到风与风暴，近岸流、海平面相对升高及造坡过程等自然因素的影响(Kuleli，2010)。珊瑚礁岸线位置、走向和形态的变化能够体现珊瑚礁发展的环境特征及演变态势，也能够反映珊瑚礁区经济社会发展、生态环境变化与政策导向之间的博弈关系。因此，珊瑚礁岸线的动态变化与稳定性评估是珊瑚礁资源开发与管理的基础(Liu和Jezek，2004)。然而，利用传统测绘方法对珊瑚礁岸线进行变化检测和稳定性评估难度大、耗时高且时效性不强，有时甚至无法完成(Cracknell，1999)。遥感因而成为珊瑚礁岸线变化检测与稳定性评估的重要手段(Ciavola，1999)。

珊瑚礁岸线变化检测与稳定性评估的遥感需要首先利用历史的遥感资料对珊瑚礁岸线的时序信息进行提取，然后再在给定模型假设的条件下进行岸线位置变化的检测及其变化速率的估计，以便实现对珊瑚礁稳定性的评估。Webb和Kench(2010)曾经以对历史航拍资料、IKONOS和Quickbird影像所进行的岸线位置解译结果作为基础，研究分属基里巴斯、图瓦卢和密克罗尼西亚联邦共和国等3个国家共计27个珊瑚岛礁的岸线在过去几十年(1984年—2003年、1943年—2004年、1969年—2004年或1944年—2006年)间不同时间尺度上的变化，结果发现所研究的珊瑚岛礁有11个出现扩张，12个基本保持稳定，而只有4个出现缩减。Romine和Fletcher(2013)也曾利用历史航摄影像对夏威夷的考艾岛、瓦胡岛和毛伊岛的岸线位置进行检测，并利用ArcGIS的数字海岸线分析系统DSAS(Digital Shoreline Analysis System)对其长期(1900年代至今)和中期(1940年代至今)的变化速率进行估计，实现了这些珊瑚岛礁的稳定性分析。Houser等(2014)针对30 m分辨率的Landsat影像，利用Pardo-Pascual等(2012)所提出的子像素岸线检测方法，对加勒比海珊瑚礁区伯利兹南部的8个珊瑚岛礁进行岸线位置信息的提取(精度在4.7—5.5 m)，并结合方位测量的历史资料和2012年测量的GPS资料，完成了对这些珊瑚岛礁近50余年(1960年—2012年)的动态演变过程的重建。结果表明所研究的珊瑚岛礁中，只有1个珊瑚岛礁略有扩张，而其余7个均受到不同程度的侵蚀，相应的缩减面积最大可达72%。

很多文献报道虽然并不针对岸线的变化检测与稳定性分析，但是其所用的方法却能够对珊瑚岛礁岸线的变化检测与稳定性评估具有较高的参考价值。例如，Kuleli(2010)曾利用Landsat MSS、TM和ETM+影像对土耳其地中海1972年以来的时序岸线信息进行提取，并借助ArcGIS DSAS实现珊瑚礁变化和侵蚀速率的分析与计算；于吉涛和陈子燊(2010)曾根据1990年前后的Landsat TM影像和2000年前后的Landsat ETM+影像，利用ArcGIS DSAS对华南岬间30多个海湾岸线的变化速率进行估算，并通过与湾海滩平衡形态模型(MEPBAY)所确定的平衡比较而确定这些岬湾海岸的稳定状态及其影响因素；程武风等(2017)利用1975年的Landsat MSS影像、1988年和2010年的Landsat TM影像、2000年的Landsat ETM+影像和2015年的Landsat OLI影像所提取的时序水陆边线，对海南万宁4个典型的岬湾海岸进行岸线变化分析，通过将其结果与MEPBAY所确定的理论静态平衡岸线进行比较，完成了这些岬湾海岸的稳定性评估。

国内外遥感岸线动态变化检测与稳定性评估已具备较为实用的理论和工具。中国《海岸带底质环境调查评价规范》(中国地质调查局，2014)就已经列举了各种不同分辨率和不同类型的遥感影像在岸线变化检测中的作用，而在“我国近海海洋综合调查与评价”专项(908专项)实施过程所制定的《海岸带地质灾害调查技术规程》(国家海洋局908专项办公室，2006)中就已经明确了岸线稳定性分级标准的具体内容。但对沉浸于海水中的珊瑚礁而言，底质与地貌信息的提取及其分界线的变化检测却还很少有研究。因此，地貌分带与地貌微单元分界线的精确提取仍然是当前遥感珊瑚礁岸线变化检测与稳定性评估的关键。

3.4 珊瑚礁环境的遥感

高温、低温、太阳辐射过强、营养过高或过低等都会成为导致珊瑚白化或死亡的环境因素(李淑和余克服，2007)。因此，遥感可以通过对周围水体环境的监测而对珊瑚礁生态系统健康的状况或白化的趋势进行预测或预警。

珊瑚白化首先与温度异常密切相关，因而通过SST异常的检测可以实现珊瑚白化时间预警(李淑 等，2011；汤超莲 等，2010；周雄 等，2010)。美国海洋与大气管理局(NOAA)基于AVHRR遥感SST数据而开发的全球珊瑚礁白化热点(Hotspot)和周热度指数(DHW)产品已经被证实可以用于珊瑚礁生态系统健康与白化的预警(Donner 等，2005；Ziskin 等，2011；潘艳丽和唐丹玲，2009)。Liu 等(2003)曾将Hotspot和DHW产品与现场调查资料相结合，对澳大利亚大堡礁2002年的珊瑚白化事件进行研究，验证了Hotspot和DHW产品能对大堡礁珊瑚进行白化提前预警的能力。陈标等(2012)曾将平均年际最大DHW和实地调查资料相结合，对西沙群岛2010年的珊瑚白化事件与2009年—2010年厄尔尼诺事件进行关联分析，结果认为DHW和实地观测相结合的方式能够基本满足中国进行珊瑚白化预警的需要。

综上所述，珊瑚白化与SST异常的关系是明确的，以遥感SST为基础所开发的Hotspot和DHW产品在应用方面比较成熟，珊瑚礁环境的遥感监测很多时候所指的就是基于Hotspot和DHW产品的珊瑚礁白化预警。当然，以SST为基础的珊瑚白化预警自身也有不足之处。例如，余克服等(2014)发现单纯用遥感SST数据进行珊瑚白化的预警可能会存在低估的现象；陈标等(2013)则指出珊瑚白化预警不同于珊瑚白化的监测，遥感虽然能够通过对SST异常的检测而实现对珊瑚礁生态系统健康与白化状况进行动态、实时的预警，但却无法准确地判断珊瑚白化是否会如实发生，也难以精确地确定其数量、位置、时间和分布。

Liu等(2012)则进一步指出NOAA开发的Hotspot和DHW产品虽然已经被用作珊瑚礁环境监测的指标，但Chl-a、紫外线辐射(UV)和可见光(VIS)等因素对珊瑚的影响也不可忽视。赵文静等(2015)曾利用MODIS-AQUA 2004年—2012年的3级产品对西沙群岛周边海域Chl-a和SST的时空分布特征进行分析，并据此预测西沙群岛的珊瑚礁可能在2014年发生珊瑚白化。Barnes等(2015)曾将2000年—2013年的MODIS遥感数据与2003年—2012年的珊瑚白化数据进行联合分析，探讨了SST、UV、VIS和风场等环境因素对佛罗里达群岛珊瑚礁生态系统健康状况的影响，其结果认为这些环境因素的异常都有可能会导致珊瑚白化的发生。

珊瑚白化被认为是多种环境因素共同作用的结果，但除SST外，目前还没有相关的实验能够提供珊瑚白化与其他环境因素之间的定量关系，因此赵文静等(2015)和Barnes等(2015)等利用遥感监测得到的环境参数所构建的珊瑚白化预警模型是否与实际相符至今还是无法确认的。例如，至今还没有文献资料或调查数据可以直接验证赵文静等(2015)所预测的西沙群岛珊瑚白化事件是否真实在2014年发生。因此，遥感在珊瑚礁环境监测中的应用仍然需要以更充分的关于珊瑚礁生态系统与环境关系的研究作为基础前提。

4 珊瑚礁的主动遥感与应用

与被动遥感不同，主动遥感需要从遥感平台上向目标发射一定形式的电磁波或声波，再通过传感器接收并记录反射回来的波动信号，实现对目标几何或物理信息的探测。主动遥感的优点是不依赖于太阳辐射源，既可以昼夜工作，又可以根据目标的不同而选择最优的波长和发射方式。珊瑚礁的主动遥感目前主要集中在珊瑚礁水深的机载激光雷达探测、珊瑚礁地形的声学遥感和珊瑚岛沉降的合成孔径雷达干涉测量等。

4.1 珊瑚礁水深的机载激光雷达测量

机载激光雷达测距(LiDAR)能够在夜间完成主动式的测量，受时间因素影响相对较小，因而能较为广泛地应用于海岸带的调查与测量(丁仕军 等，2017；史照良和曹敏，2007；孙雪洁 等，2017)。然而，机载LiDAR多数都是为陆地表面的测量而设计的，通常采用单频近红外激光脉冲测量的模式，不具备对海水的穿透能力，因而难以实现水下目标的探测。

适用于珊瑚礁水深测量的机载LiDAR测深系统需要利用位于海水透射窗口内的蓝绿激光波段(470—580 nm)进行探测，其原理是分别检测由水表和水底反射回来的回波信号的峰值，获得激光信号在空气和水体中的传播时间(Doneus 等，2013；刘永明 等，2017)，并计算由传感器至水表与水底的距离，进而实现水深的测量，如图2(b)所示。部分机载LiDAR测深系统为克服入射角与波浪的干扰，则采用较低功率的红外光宽波束脉冲进行水表的探测，而采用较大功率的蓝绿光波段窄波束脉冲进行水底目标的探测(刘焱雄 等，2017)，如图2(a)所示。


图 2 机载LiDAR测深原理示意图
Fig. 2 Principles of airborne laser bathymetry

目前商业化的机载LiDAR测深系统主要有瑞典Leica AHAB的HawkEye-Ⅱ/Ⅲ、加拿大Optech的CZMIL、荷兰Fugro的LADs Mk3、奥地利Riegl的VQ-820-G和VQ-880-G等(刘焱雄 等，2017；刘永明 等，2017)。受到激光器与光电探测器技术发展落后的限制，国内机载LiDAR测深系统的研发起步比较晚，至今还没能够进入实用阶段(程华，2015；刘永明 等，2017；叶修松，2010)。

在应用基础方面，利用机载LiDAR测深系统对珊瑚礁地形进行测量的研究也主要见诸国外而非国内。Finkl等(2005)曾利用机载LiDAR测深系统对美国佛罗里达东南珊瑚礁区由海岸至离岸6 km的海域的地形进行全面的测量，并完成了大量地貌特征的识别；Banks等(2007)则将这些数据与浅地层剖面仪数据进行结合，系统而全面地完成了该珊瑚礁区地貌与底质结构的分析；类似地，Walker等(2008)基于机载LiDAR测深数据的三维渲染图，完成了佛罗里达珊瑚礁区部分近岸海域地貌特征的解译、定位与制图。

事实上，中国在利用机载LiDAR测深系统对珊瑚礁地形进行测绘与制图方面的应用研究还处于较为初级的状态。例如，国家海洋局第一海洋研究所曾经与加拿大Optich公司和瑞典AHAB公司协商，于2012年—2013年间，利用Aquarius系统和HawkEye-Ⅲ系统对南海珊瑚礁进行机载LiDAR测深技术的验证实验。然而，该实验的目标只是测试机载LiDAR测深系统的应用前景及其在中国南海所能达到的精度，并未涉及利用LiDAR测深数据对珊瑚礁地形与地貌进行分析与研究的应用问题(彭琳 等，2014)。

国外商业化机载LiDAR测深系统的成熟为珊瑚礁地形的测量提供了良好的遥感工具，是现代珊瑚礁地形与地貌研究的良好选择。我认为中国机载LiDAR测深技术落后的原因，除了相关光电技术起步较晚且发展滞后的限制之外，还与成本和政策方面的因素有关：(1)南海珊瑚礁事关国家安全，属于敏感区域，空域申请比较麻烦，导致能够有条件进行机载LiDAR测深系统航飞实验的个人和单位不多；(2)目前较为轻便的机载LiDAR测深系统是Riegl VQ-820-G，但其重量就已达25.5 kg，而集成了GNSS/IMU和高分辨率数码相机的Riegl VQ-880-G的重量则更是达到65 kg(http://www.ilidar.com/index.aspx[2018-08-30])，因此，除仪器本身价格昂贵之外，机载LiDAR测深系统也很难搭载在低成本的无人机上，导致珊瑚礁的机载LiDAR探测在应用成本和实验成本方面都不是普通个人和单位所能够承受的。因此，中国珊瑚礁机载LiDAR探测的发展还亟需加强基础技术与应用的研发，减轻设备的重量，降低应用的成本，以便使得珊瑚礁的管理与研究人员能够有条件和能力利用机载LiDAR测深技术去进行珊瑚礁区水深数据的采集。

4.2 珊瑚礁地形地貌的船载声学遥感

珊瑚礁的光学遥感存在光谱透水能力有限和水体浑浊等的问题(Joyce 等，2013)，而且珊瑚礁的实际形态比较复杂，珊瑚的生长面有时位于水下比较深的地方，甚至有可能位于垂直方向，导致珊瑚礁的光学遥感存在很多探测的盲区。中国科学院声学遥感所利用的则是能够很好地在水中传播的声波，因而可以弥补光学遥感透水能力有限的缺点。这使得声学遥感能够具有在珊瑚礁地形的探测中得到较为广泛应用的潜力。声学遥感的基本原理是通过向目标发射声波并接收和记录其回波信号的时间与波形，从而计算目标的距离与回波强度。通过对距离与回波强度的分析与解译，就能够得到珊瑚礁区地形和水深的分布信息，甚至还可以由此获取珊瑚礁底质的分布及其硬度和粗糙度等的信息。

Riegl和Purkis(2005)通过研究发现单波束声呐数据和光学遥感影像获得的珊瑚礁底质信息具有相似性和互补性，因此指出单波束声呐数据和光学遥感影像可以互相结合使用。Walker 等(2008)曾经将单波束回声探测数据、浅地层剖面仪探测数据与机载LiDAR测深数据、航空影像和现场调查数据进行融合，对佛罗里达布劳沃德近岸0—30 m水深范围内的海域进行系统而全面的地貌制图。单波束回声探测数据的分布特点是，沿航迹的探测数据十分密集，而在航线间则没有数据；浅地层剖面仪则是探测水下浅部地层结构与构造的地球物理方法(陈虹 等，2017；郑洪浩 等，2018)，在水下地质结构与构造的探测方面应用比较广泛。

相比于单波束沿航线逐点进行水深测量和浅地层剖面仪对地球物理探测的偏重，侧扫声呐与多波束声呐对水下地貌的扫描则被认为是海洋水深探测更为有效的手段(陈虹 等，2017；孙丽平，2017)。目前国外很多珊瑚礁地貌的测量所采用的就是侧扫声呐或多波束声呐而非单波束回声探测仪。例如，Costa(2009)和Goodman(2013)等曾经利用主成分分析(PCA)和边缘分割(Jin，2009)的手段，对美国维尔京群岛珊瑚礁国家公园和波多黎各乔布斯湾国家河口研究保护区珊瑚礁的多波束声呐扫描(MBES)数据，进行水下地形地貌的测量与分析；Chen和Guo(2014)也曾提出利用装载在无人船(UUV)上的侧扫声呐扫描设备进行海底目标进行探测的方法；而Montereale-Gavazzi 等(2018)则利用2004年—2015年间7次MBES探测所获得的水深和回波强度，对比利时北海西部8 km2左右海域的水下地形进行变化检测。

吴海京和年永吉(2017)曾经利用近年工程物探调查所积累的侧扫声呐探测资料，对中国南海东部珊瑚礁区80—1500 m水深范围内的地貌特征进行梳理和分析发现，该区域内的海底地貌特征种类众多且分布广泛，沙波、光缆、硬质海底、崎岖地形与滑坡、断层等是其中的典型代表。董超(2017)在第4届中国海洋勘测与地理信息新丝路高峰论坛上介绍了一种由国内多家单位联合研发的能够搭载单波束回声探测仪和侧扫声呐的轻巧型无人挺，并展示了其对南沙和西沙若干珊瑚礁周边水下地形所进行的测量实验。就目前而言，国内存在很多正在研发声学遥感设备的单位和企业(董超，2017)，但它们通常更注重基础仪器和技术的开发，而往往会忽略针对珊瑚礁地形的应用基础研究。

声学遥感能够克服光谱透水性能有限的缺点，而且不受水体浑浊等因素的影响，但专门针对珊瑚礁地貌探测的应用基础研究还比较少见。究其原因可以发现，声学遥感的传感器无论是安装于船底还是缆线拖拽都很难适应水深较浅和露出水面区域的探测，例如，美国EdgeTech 4125便携式高分辨率侧扫声呐和EdgeTech 4200 MP工业级大范围侧扫声呐的最佳探测范围为10—30 m。然而，珊瑚礁区很多重要的海洋生物却正好分布在0—10 m的范围之内(如涠洲岛的珊瑚)，导致声学遥感对珊瑚礁的探测往往存在盲区。这意味着更系统的珊瑚礁地貌探测可能有赖于船载声学遥感与机载LiDAR测深两种技术的相互配合。

4.3 珊瑚岛礁地形的星载微波遥感

迄今已有很多对地观测遥感卫星搭载合成孔径雷达(SAR)，例如日本的ALOS、加拿大的Radarsat、欧空局的哨兵一号(Sentinel-1)和中国的高分三号(GF-3)等。SAR能够通过微波脉冲发射和回波接收之间的时间间隔来测定目标的距离，实现目标的距离成像。距离图像每像素都包含与地表目标微波后向散射特性相关的反射强度和与雷达斜距有关的相位值两方面的信息。微波波长比较长(范围为1—1000 mm)，能够用于全天时全天候地遥感观测而几乎不受云层和雨雾的影响，但其穿透海水的能力却仅为厘米的量级(傅斌，2005)，导致SAR图像所记录的微波反射强度并不直接携带关于珊瑚礁地形和水深的信息。然而，地形和水深的变化却能够影响或改变海表波浪的形态特征，从而间接地改变海表的微波后向散射特性，因而利用地形和水深与微波后向散射特性的相关性就可以实现珊瑚礁地形和水深的反演(傅斌，2005；李泽军 等，2012；田云 等，2016)。

国外星载SAR图像水深反演的精度最高可以达到0.36 m(Calkoen 等，2001；Hesselmans 等，2000)，而国内在部分SAR图像水深反演的研究中也取得了0.42 m的精度(相对于1:5万海图数据)(傅斌，2005)。然而，星载SAR图像水深反演还存在如下的问题：(1)SAR图像的质量受雷达参数、天气和水文等因素影响巨大，往往会出现高风速水深调制信号变低而被斑点噪声所掩盖，以及因流速过小而无法探测到地形信息等的困难(Calkoen 等，2001)；(2)反演通常需要依靠复杂的数学物理模型的求解和经验物理参数的调整，有时还需要布设大量的实测控制点并提供良好的风速风向参数，否则就无法保证反演精度的稳定可靠。另外，目前所能收集到的关于星载SAR图像水深反演文献内容多数是技术的研究与探讨，很少能够看到相应的应用基础研究。可见，星载SAR图像应用到珊瑚礁地形的探测仍然存在很多尚未完全解决的问题。

雷达差分干涉测量技术(D-InSAR)是星载SAR图像重要的应用形式，其原理是利用具有一定基线长度的两幅或多幅SAR图像的相位差而对地表特定方向的几何变形进行精确的估计。D-InSAR往往受到时空去相干和大气效应等因素的影响，只能达到厘米级的变形监测精度。永久散射体雷达干涉测量技术(PS-InSAR)则首先检测并选择后向散射特性比较稳定的点位，然后再利用多幅SAR图像对其进行差分干涉，从而使其变形监测提高到毫米级的精度(秦晓琼 等，2017)。

PS-InSAR在城市的沉降监测(Gernhardt 等，2010)和道路路网的沉降监测(秦晓琼 等，2017)等方面已经得到较为广泛的应用。但因为SAR几乎不具备透水性，所以PS-InSAR难以应用到珊瑚礁水下地形的变形监测。当然，PS-InSAR是有可能用于对露出水面的珊瑚岛进行微小沉降监测的。这对珊瑚岛礁工程的稳定性和安全性评估具有重要的意义。兰恒星等(2017)曾基于意大利高分辨率的雷达卫星COSMO-SkyMed 于2016年8月—2017年2月间所采集的12幅SAR图像，利用GAMMA软件的PS-InSAR工具对中国南沙群岛中东部海域某钙质岛礁进行微小沉降的监测，实现了该岛礁若干典型位置沉降速率的估算。其结果表明该钙质岛礁的沉降变形存在明显的时空分异特征，岛礁边缘的沉降速率略大于其内部沉降速率。可见，D-InSAR无法对珊瑚礁的水下地形进行沉降监测，但对高出水面的珊瑚岛而言却有着很大的应用潜力。

综上所述，星载微波遥感在珊瑚礁地形遥感探测研究中有两方面的应用潜力，即珊瑚岛礁水深的反演及其陆域微小沉降变形的监测。这些潜力的发挥都还有赖于未来相关理论和技术的研发与进步。

5 珊瑚礁遥感的机遇与挑战

5.1 珊瑚礁遥感需要多种手段的融合

珊瑚礁遥感的方法具有很强的多样性，既有较大范围的星载高光谱、多光谱和SAR遥感，又有较小范围的机载高光谱、多光谱、摄影测量和LiDAR测深，甚至还有可弥补光学遥感缺陷的声学遥感。同时它们在用途、效率、成本和适用范围等方面也存在着很强的互补性，如图3所示。


图 3 珊瑚礁遥感的方法以及不同方法间的互补性
Fig. 3 Different methods for coral reef landform remote sensing and their complementary advantages

例如，机载LiDAR测深能够测量浅水海域和陆地部分的3维地形，而声学遥感则适合较深海域地形与水深的测量，两者在测量范围方面能够相互补充；高光谱、多光谱和摄影测量等具有较强的光谱信息采集能力，对珊瑚礁底质类型和地貌微单元的分类具有天然的优势，而机载LiDAR测深与声学遥感则具有直接测距和测深的能力以及较强的地形地貌分析能力，因而能够与光学遥感的光谱采集形成互补。

珊瑚礁遥感方法的多样性与互补性的存在，使得珊瑚礁的遥感具备进行多种手段融合的基础和条件。例如，能够看到机载LiDAR测深、航空影像和QuickBird影像等数据的融合(Goodman 等，2013)，也可以看到单波束回声探测、浅地层剖面仪数据、机载LiDAR测深、航空影像和现场调查等手段的融合(Walker 等，2008)。

此外，图3还说明不同传感器对珊瑚礁遥感会存在较多的相互重叠的功能，但空间分辨率和光谱分辨率的差异却会使不同传感器在相互重叠的功能上有着相应的性能差别，如表1所示。因此，珊瑚礁遥感的应用需根据实际目的和需要的不同而选择不同类型和组合的传感器数据，以便在性能和成本之间达到平衡。

表 1 不同传感器数据对珊瑚礁遥感具有不同的能力
Table 1 Different sensors have different abilities in coral reef remote sensing

下载CSV 
传感器 任务
地貌微单元
粗划分(≤6类) 		地貌微单元中
等划分(7—12类) 		地貌微单元精
细划分(>12类) 		活珊瑚
覆盖率 		水深
反演 		变化
检测 		白化
监测 		白化
预警
高分辨率的AAHIS、AIVRIS、CASI和Hyperion等 √ √ √ √ √ √ √
高分辨率的WorldView-2/3/4、Quickbird-2、资源三号和高景一号等 √ √ √ √ √ √
中分辨率的SPOT、Landsat和GF-4等 √ √ √ √
较低空间分辨率的MODIS和MERIS等 √

然而，很多珊瑚礁的遥感至今仍然没有摆脱利用单一技术对特定区域进行专项测绘的模式。我认为，造成现在这种现状的原因有如下两个方面：(1)珊瑚礁学者与遥感专家各自的研究仍然处于相对独立的状态，遥感专家无法及时了解到珊瑚礁领域的实际需求，而珊瑚礁学者也无法及时了解和掌握遥感领域最先进的技术，结果导致珊瑚礁研究者通常只是把遥感简单地作为提供绘制珊瑚礁形态特征图的工具(龚剑明 等，2014；杨娟 等，2014)；(2)遥感各项技术的发展常常伴随着相应的商业应用，而珊瑚礁研究领域在商业上的价值尚未能够得到直接体现，造成目前还没有专门针对珊瑚礁遥感而进行的技术研发与集成，导致很多珊瑚礁遥感实际处于遥感应用的初级探索阶段。因此，珊瑚礁遥感有待珊瑚礁学者与遥感专家进行更具针对性的相互协作，以便使得各种手段之间能够更广泛和深入地交叉融合。

5.2 珊瑚礁遥感需要珊瑚礁学者参与与合作

前面提到的美国千年珊瑚礁计划和NCCOS数据集只涉及地貌分带和地貌微单元的识别，其广度与深度对珊瑚礁的调查与研究而言仍然是不足的。这意味着目前多数的珊瑚礁遥感技术还不完全成熟的，暂时还不能够完全满足实际珊瑚礁遥感的需要。例如，以珊瑚礁的稳定性分析为例，前面提到历史航拍资料和卫星遥感影像的应用，但其过程还存在如下两个方面的问题：(1)珊瑚礁并不都已发展成为珊瑚岛，很多珊瑚礁都主要沉浸在海水中，而沉浸水中的珊瑚礁并不存在水陆边线，因此基于水陆边线遥感检测的珊瑚礁稳定性分析并不能用来描述所有珊瑚礁的变化；(2)基于水陆边线遥感检测的方法只能描述珊瑚岛礁的水平淤涨或侵蚀，而不能描述其铅垂方向的沉降变形，但珊瑚岛礁的稳定性分析问题并不只是水平淤涨或侵蚀的评估，还应包括铅垂方向微小沉降的评估。

就第1个问题而言，容易想到的是利用珊瑚礁不同地貌带的分界线(如外礁坪与礁前坡的分界线)来代替水陆边界线的遥感检测。但将高精度水陆边界线的遥感提取技术直接移植过来并不容易，因为它们的遥感图像因受海水的影响，更容易受到噪声的干扰，而且当前也还没发现针对珊瑚礁地貌分界线高精度遥感检测的图像处理手段。

就第2个问题而言，PS-InSAR对钙质珊瑚岛的沉降变形检测的精度可以达到毫米级，但其有效性只适用于露出水面的珊瑚岛，而对沉浸于海水中的珊瑚礁则无能为力。

当然，也会发现其他的遥感手段对珊瑚礁垂直沉降的监测也难以奏效。珊瑚礁浅水区域因对应着主要的珊瑚生长带，所以对珊瑚礁而言显得尤为重要。前面提到过的声学遥感通常能适用于较深水域的水深测量，而部分水深较浅的珊瑚生长带则是声学遥感的盲区，而且至今也还很少能查阅到有关珊瑚礁监测的声学探测资料；机载LiDAR测深尽管对陆域和浅水海域具有较强的三维地形测量能力，但其具有设备笨重、成本较高以及组织飞行测量较麻烦等缺点，导致机载LiDAR测深未能得到广泛应用；摄影测量无需笨重的仪器，而具有高精度测量的潜力，但针对沉浸于海水中的珊瑚礁的摄影测量还只是处于萌芽状态，无论是基本模型还是后期处理技术都有待发展和提高；基于高光谱和多光谱遥感影像的水深反演在精度和稳定性方面都还很难满足珊瑚礁水下地形微小沉降监测的需要，导致虽然很多珊瑚礁遥感影像甚至可以追溯到1970年代，但却仍然无法在珊瑚礁铅垂沉降的监测中发挥作用。

前面提到珊瑚礁领域与遥感领域之间没有相互沟通的良好途径，两个领域的专家之间没有能够及时互通有无，加上珊瑚礁遥感在技术的不够成熟，导致遥感获得的结果往往与珊瑚礁领域的需要相差甚远。这意味珊瑚礁遥感的研究需要珊瑚礁学者的参与和合作，以便在各种遥感资料不断丰富的今天，提高珊瑚礁遥感的专业性和成熟程度，实现珊瑚礁领域需求与遥感技术研发的无缝衔接。

5.3 国内的珊瑚礁遥感需要加强硬件和应用基础研究

将国内珊瑚礁遥感的文献资料同国外进行比较，可以发现两个方面的问题：(1)国外珊瑚礁遥感的硬件设备整体上领先于国内，而且国外在珊瑚礁遥感应用方面的研究也比国内更有针对性；(2)国内部分硬件设备的研发力量不弱，但应该还处于技术追赶期，而受此限制，国内虽然在很多数据处理技术也比较先进，但在珊瑚礁遥感的应用基础研究方面还无法赶不上国外的先进水平。

随着Landsat、SPOT、ASTER、Sentinel、IKONOS、SPOT、QuickBird、ALOS、WordView、GEOEye、资源系列(CBERS/Ziyuan)、高分系列(GF)和高景系列(SuperView)等国内外中高分辨率遥感卫星的不断发射与更新，使得我们正在处于珊瑚礁遥感研究的机遇期。但相比于针对全球的千年珊瑚礁计划、针对美国的NCCOS数据集和针对珊瑚白化预警的Hotspot和DHW产品，中国针对南海的较为系统的珊瑚礁遥感项目却迟迟未见发布，尽管国内在珊瑚礁地貌分带、地貌微单元和底质分类的遥感方面已经具有一些不逊色于国外的研究成果。

机载LiDAR测深、单/多波束回声探测和侧扫声呐等硬件设备技术的发展，使得珊瑚礁地形地貌的测绘与调查成为珊瑚礁遥感较为成熟的方面。对机载LiDAR测深而言，商用化的设备集中于国外的厂家，而相应的针对珊瑚礁地形地貌的应用基础研究也主要发生于国外；国内则无论是硬件设备的研发还是应用基础的研究均还处于实验验证阶段。对单/多波束回声探测和侧扫声呐等声学遥感设备而言，国内很多单位和企业正在进行相关研究，包括广州中海达卫星导航技术股份有限公司、广州南方测绘科技股份有限公司、安徽科微智能科技有限公司、上海大学、武汉理工大学、华南理工大学、中国船舶重工集团公司第701研究所、中国船舶重工集团公司707研究所和自然资源部第一海洋研究所等(董超，2017)，但这些设备却还较少能够在珊瑚礁的遥感中起到实际的作用，即声学遥感硬件设备在国内的研发如火如荼，但专门针对珊瑚礁的应用基础研究却呈现出疲弱的态势。

国内外珊瑚礁遥感技术的研究与应用也存在一些共同的问题。例如，无人机技术近期呈现井喷式的发展态势，国内大疆无人机就是其中的佼佼者之一，但将具有低成本的无人机摄影测量应用到珊瑚礁的调查已萌芽于国外却未曾见诸国内(Casella 等，2017)。再比如，高光谱遥感无论是机载还是星载，都能够提取出比多光谱遥感更丰富和精确的信息，例如Jay和Guillaume (2014)的高光谱水深反演精度能达到0.54 m。但他们的研究仍然还是属于技术探讨的范畴，高光谱水深反演方法实际上还没有大范围地应用于珊瑚礁的遥感探测；在珊瑚礁地貌分带、地貌微单元和底质类型的遥感方面，高光谱遥感数据有着比多光谱遥感影像更强的能力(Bertels 等，2008；Hedley 等，2012；Kobryn 等，2013)，但它们同样也未能在实际工程中得到广泛使用，而是依旧主要以技术研发与性能探讨的方式出现在文献的记载中。反观国内，珊瑚礁的高光谱遥感则很少会出现相关的报道。造成高光谱遥感未能广泛应用的原因主要是：现在能够获取的成本较低且具有较高空间分辨率的高光谱遥感数据并不多，通常以美国EO-1 Hyperion高光谱数据和中国HJ-1A高光谱为主，而且这些卫星的存档数据并不能完全覆盖全球的珊瑚礁；特定珊瑚礁的高光谱遥感数据需要通过编程订购而获取，导致珊瑚礁高光谱数据的采集至今主要还是以机载高光谱成像仪为主。机载高光谱成像仪则价格昂贵，成本较高且测量效率有限，只能满足少量技术探讨的需要。

此外，Hochberg和Atkinson(2003)曾经向NASA提交过珊瑚礁遥感监测卫星的波段设计方案CRESPO(Coral Reef Ecosystem Spectro Photometric Observatory)，建议波段中心为480 nm、510 nm、540 nm、570 nm，半波宽为20 nm。然而，至今却还没有专门针对珊瑚礁遥感而设计的卫星得以发射(Xu和Zhao，2014；王圆圆 等，2007)，以至于珊瑚礁遥感所采用的遥感影像大多只能借用为其他目标而设计的传感器。借用的传感器影像在波段设置、信噪比、光谱和空间分辨率等方面对珊瑚礁遥感而言都不是最佳选择。如果未来有专门针对珊瑚礁遥感而设计的卫星得以发射，那么不仅是珊瑚礁遥感的技术会得到简化，其成本也将会得以降低。

因此，珊瑚礁遥感还需要更多的具有针对性的基础应用研究。尤其中国，不仅迫切需要针对珊瑚礁加强进行应用基础研究，将比较先进的珊瑚礁遥感数据处理技术实际应用到珊瑚礁的探测当中；而且还需要加强硬件基础设备的研发，使国内的珊瑚礁遥感能够具备有力的硬件支撑，实现珊瑚礁遥感的工程化应用。

6 结　语

国内外大量遥感卫星的发射、各种不同类型传感器设备的研发和商业化为珊瑚礁遥感的研究与应用提供了基本的硬件条件，而各种遥感数据处理方法的开发则为遥感应用到珊瑚礁的调查与监测提供了基本的技术保障。作为海洋大国，中国越来越重视南海珊瑚礁的规划、开发、管理与建设，以便为国家的政治、经济、社会和环境的可持续发展服务(王丽荣 等，2014；赵焕庭和王丽荣，2017；赵焕庭和吴天霁，2008)，而这正好又为珊瑚礁地貌遥感的研究与应用提供了良好的契机。回顾珊瑚礁遥感的研究与应用进展，发现珊瑚礁遥感仍然存在着多种手段的融合不够深入、珊瑚礁学者与遥感专家缺乏合作、相关技术未完全成熟、以及国内水平落后于国外等问题。然而，借着珊瑚礁遥感研究与应用的这个契机，凭借国内遥感专家与珊瑚礁学者的共同努力，国内珊瑚礁遥感的研究与应用应该会逐步赶上或超越国外的先进水平，更好地为国家珊瑚礁资源的开发与保护服务。

参考文献(References)

  • Andréfouët S, Berkelmans R, Odriozola L, Done T, Oliver J and Müller-Karger F. 2002. Choosing the appropriate spatial resolution for monitoring coral bleaching events using remote sensing. Coral Reefs, 21 (2): 147–154. [DOI: 10.1007/s00338-002-0233-x]
  • Andréfouët S, Muller-Karger F E, Robinson J A, Kranenburg C J, Torres-Pulliza D, Spraggins S A and Murch B. 2004. Global assessment of modern coral reef extent and diversity for regional science and management applications: a view from space//Proceedings of 10th International Coral Reef Symposium. Okinawa: U.S. Geological Survey: 1732-1745
  • Banks K W, Riegl B M, Shinn E A, Piller W E and Dodge R E. 2007. Geomorphology of the Southeast Florida continental reef tract (Miami-Dade, Broward, and Palm Beach Counties, USA). Coral Reefs, 26 (3): 617–633. [DOI: 10.1007/s00338-007-0231-0]
  • Barnes B B, Hallock P, Hu C M, Muller-Karger F, Palandro D, Walter C and Zepp R. 2015. Prediction of coral bleaching in the Florida Keys using remotely sensed data. Coral Reefs, 34 (2): 491–503. [DOI: 10.1007/s00338-015-1258-2]
  • Bellwood D R and Hughes T P. 2001. Regional-scale assembly rules and biodiversity of coral reefs. Science, 292 (5521): 1532–1535. [DOI: 10.1126/science.1058635]
  • Bertels L, Vanderstraete T, van Coillie S, Knaeps E, Sterckx S, Goossens R and Deronde B. 2008. Mapping of coral reefs using hyperspectral CASI data; a case study: Fordata, Tanimbar, Indonesia. International Journal of Remote Sensing, 29 (8): 2359–2391. [DOI: 10.1080/01431160701408469]
  • Bierwirth P N, Lee P N and Burne T J. 1993. Shallow sea-floor reflectance and water depth derived by unmixing multispectral imagery. Photogrammetric Engineering and Remote Sensing, 59 (3): 331–338.
  • Brando V E, Anstee J M, Wettle M, Dekker A G, Phinn S R and Roelfsema C. 2009. A physics based retrieval and quality assessment of bathymetry from suboptimal hyperspectral data. Remote Sensing of Environment, 113 (4): 755–770. [DOI: 10.1016/j.rse.2008.12.003]
  • Calkoen C J, Hesselmans G H F M, Wensink G J and Vogelzang J. 2001. The bathymetry assessment system: efficient depth mapping in shallow seas using radar images. International Journal of Remote Sensing, 22 (15): 2973–2998. [DOI: 10.1080/01431160116928]
  • Casella E, Collin A, Harris D, Ferse S, Bejarano S, Parravicini V, Hench J L and Rovere A. 2017. Mapping coral reefs using consumer-grade drones and structure from motion photogrammetry techniques. Coral Reefs, 36 (1): 269–275. [DOI: 10.1007/s00338-016-1522-0]
  • Chen B, Chen Y Q and Huang H. 2012. Satellite remote sensing monitoring coral bleaching during the 2010 bleaching event at Parcel Islands, South China Sea//Proceedings of 2012 International Conference on Earth Science and Remote Sensing (ESRS 2012). HongKong, China: Information Engineering Research Institute, USA: 776-783 (陈标, 陈永强, 黄晖. 2012. 西沙群岛2010年珊瑚热白化卫星遥感监测//2012年地球科学与遥感国际学术会议. 香港: 美国信息工程研究学会和香港教育学会: 776-783)
  • Chen B, Huang H, Chen Y Q, Zhang S Z, Guo S H and Hao M. 2013. Real-time monitoring and early warning of the health status of the coral reefs in Sansha of South China Sea. Ocean Development and Management, 30 (S1): 89–92. ( 陈标, 黄晖, 陈永强, 张诗泽, 郭少华, 郝明. 2013. 三沙珊瑚礁健康状况实时监测与预警. 海洋开发与管理, 30 (S1): 89–92. )
  • Chen E and Guo J. 2014. Real time map generation using sidescan sonar scanlines for unmanned underwater vehicles. Ocean Engineering, 91 : 252–262. [DOI: 10.1016/j.oceaneng.2014.09.017]
  • Chen H, Lu B, Chen Z L, Han J B, Wang X M, Sun R J and Han G C. 2017. Assessment of the ocean dumping sites monitoring methods based on submarine topography, geomorphology survey and sub-bottom profiling. Marine Environmental Science, 36 (4): 603–608. [DOI: 10.13634/j.cnki.mes20170419] ( 陈虹, 路波, 陈兆林, 韩建波, 王晓萌, 孙瑞钧, 韩庚辰. 2017. 基于海底地形地貌及浅地层剖面调查的倾倒区监测技术评价研究. 海洋环境科学, 36 (4): 603–608. [DOI: 10.13634/j.cnki.mes20170419] )
  • Chen J Y, Mao Z H, Zhang H G, Wu J P, Chen X D and Pan D L. 2007. Analysis on coral reefs mapping using SPOT5 at Dongsha Atoll. Acta Oceanologica Sinica, 29 (3): 51–57. [DOI: 10.3321/j.issn:0253-4193.2007.03.007] ( 陈建裕, 毛志华, 张华国, 吴均平, 陈晓东, 潘德炉. 2007. SPOT5数据东沙环礁珊瑚礁遥感能力分析. 海洋学报, 29 (3): 51–57. [DOI: 10.3321/j.issn:0253-4193.2007.03.007] )
  • Cheng H. 2015. Study on the Signal Processing of Lidar. Chengdu: Institute of Optics and Electronics, Chinese Academy of Sciences (程华. 2015. 激光雷达回波信号处理技术研究. 成都: 中国科学院研究生院(光电技术研究所))
  • Cheng W F, Chen S L and Hu J. 2017. Stability of headland bay beaches on the east coast of Hainan Island. The ocean Engineering, 35 (1): 121–128. [DOI: 10.16483/j.issn.1005-9865.2017.01.014] ( 程武风, 陈沈良, 胡进. 2017. 海南万宁岬湾海岸海滩稳定性研究. 海洋工程, 35 (1): 121–128. [DOI: 10.16483/j.issn.1005-9865.2017.01.014] )
  • China Geological Survey. 2014. DD2014-03 Specification for coastal geo-environment survey and vulnerability assessment. [s.l.]: [s.n.] (中国地质调查局. 2014. DD2014-03 海岸带地质环境调查评价规范. [s.l.]: [s.n.])
  • Ciavola P. 1999. Relation between river dynamics and coastal changes in Albania: an assessment integrating satellite imagery with historical data. International Journal of Remote Sensing, 20 (3): 561–584. [DOI: 10.1080/014311699213343]
  • Clark R K, Fay T H and Walker C L. 1987. A Comparison of Models for Remotely Sensed Bathymetry. AD-A197 973. [s.n.]
  • Connell J H. 1978. Diversity in tropical rain forests and coral reefs. Science, 199 (4335): 1302–1310. [DOI: 10.1126/science.199.4335.1302]
  • Costa B M, Bauer L J, Battista T A, Mueller P W and Monaco M E. 2009. Moderate-depth benthic habitats of St. John, U.S. Virgin Islands//NOAA Technical Memorandum NOS NCCOS 105. Silver Spring: NOAA/NOS/NCCOS
  • Cracknell A P. 1999. Remote sensing techniques in estuaries and coastal zones an update. International Journal of Remote Sensing, 20 (3): 485–496. [DOI: 10.1080/014311699213280]
  • Ding S J, Dong C S, Wang G P and Wang J. 2017. Application of airborne LiDAR in the measurement of tidal flat in Dongying. Beijing Surveying and Mapping, 83 (2): 76–78, 83. [DOI: 10.19580/j.cnki.1007-3000.2017.02.018] ( 丁仕军, 董传胜, 王观鹏, 王琚. 2017. 机载LiDAR在东营沿海滩涂测量中的应用. 北京测绘, 83 (2): 76–78, 83. [DOI: 10.19580/j.cnki.1007-3000.2017.02.018] )
  • do Nascimento Araújo P V and do Amaral R F. 2016. Mapping of coral reefs in the continental shelf of Brazilian Northeast through remote sensing. Revista de Gestão Costeira Integrada, 16 (1): 5–20. [DOI: 10.5894/rgci629]
  • Doneus M, Doneus N, Briese C, Pregesbauer M, Mandlburger G and Verhoeven G. 2013. Airborne laser bathymetry — detecting and recording submerged archaeological sites from the air. Journal of Archaeological Science, 40 (4): 2136–2151. [DOI: 10.1016/j.jas.2012.12.021]
  • Dong C. 2017. The progress on the technique and application of marine intelligent unmanned surface vehicle//The 4th China Marine Survey and Geographic Information The New Silk Road Summit (董超. 2017. 海洋智能无人艇平台技术及应用进展//第四届中国海洋勘测与地理信息新丝路高峰论坛. 广州: 中国海洋发展研究会, 中国海洋工程咨询协会)
  • Donner S D, Skirving W J, Little C M, Oppenheimer M and Hoegh-Guldberg O. 2005. Global assessment of coral bleaching and required rates of adaptation under climate change. Global Change Biology, 11 (12): 2251–2265. [DOI: 10.1111/j.1365-2486.2005.01073.x]
  • Dubinsky Z and Stambler N. 2011. Coral Reefs: An Ecosystem in Transition. Dordrecht: Springer
  • Elvidge C D, Dietz J B, Berkelmans R, Andréfouët S, Skirving W, Strong A E and Tuttle B T. 2004. Satellite observation of Keppel Islands (Great Barrier Reef) 2002 coral bleaching using IKONOS data. Coral Reefs, 23 (1): 123–132. [DOI: 10.1007/s00338-003-0364-8]
  • Eugenio F, Marcello J and Martin J. 2015. High-Resolution maps of bathymetry and benthic habitats in Shallow-Water environments using multispectral remote sensing imagery. IEEE Transactions on Geoscience and Remote Sensing, 53 (7): 3539–3549. [DOI: 10.1109/TGRS.2014.2377300]
  • Fang M, Yang T K, Wang Q and Li Z Y. 2013. Analysis of triangulation accuracy on island areas based on ADS40. Hydrographic Surveying and Charting, 33 (1): 66–68. [DOI: 10.3969/j.issn.1671-3044.2013.01.020] ( 方明, 杨天克, 王鑫, 李志勇. 2013. 基于ADS40的海岛航空影像空中三角测量精度分析. 海洋测绘, 33 (1): 66–68. [DOI: 10.3969/j.issn.1671-3044.2013.01.020] )
  • Finkl C W, Benedet L and Andrews J L. 2005. Interpretation of seabed geomorphology based on spatial analysis of High-Density airborne laser bathymetry. Journal of Coastal Research, 21 (3): 501–514. [DOI: 10.2112/05-756A.1]
  • Fu B. 2005. Shallow Sea Bottom Topography Mapping by SAR·Qingdao: Ocean University of China (傅斌. 2005. SAR浅海水下地形探测. 青岛: 中国海洋大学)
  • Gernhardt S, Adam N, Eineder M and Bamler R. 2010. Potential of very high resolution SAR for persistent scatterer interferometry in urban areas. Annals of GIS, 16 (2): 103–111. [DOI: 10.1080/19475683.2010.492126]
  • Gong J M, Zhu G Q, Yang J, Zuo X L and Shi W. 2014. A study on the object-oriented model for geomorphic unit extraction of coral reefs in the South China Sea. Journal of Geo-information Science, 16 (6): 997–1004. [DOI: 10.3724/SP.J.1047.2014.00997] ( 龚剑明, 朱国强, 杨娟, 左秀玲, 石伟. 2014. 面向对象的南海珊瑚礁地貌单元提取. 地球信息科学学报, 16 (6): 997–1004. [DOI: 10.3724/SP.J.1047.2014.00997] )
  • Goodman J A, Purkis S J and Phinn S R. 2013. Coral Reef Remote Sensing: A Guide for Mapping, Monitoring and Management. Dordrecht: Springer
  • Guan D M and A D. 2013. Study on Report on the study of national Marine Functional Zoning(2011-2020). Beijing: Ocean Press (关道明, 阿东. 2013. 全国海洋功能区划研究——全国海洋功能区划(2011-2020年)研究总报告. 北京: 海洋出版社)
  • Guo H T, Shen J S, Huang C H, Zhai J S and Qiu F G. 2012. Bundle triangulation supported by the tidal model in coastal zone. Journal of Geomatics Science and Technology, 29 (1): 33–37. [DOI: 10.3969/j.issn.1673-6338.2012.01.009] ( 郭海涛, 申家双, 黄辰虎, 翟京生, 邱富刚. 2012. 海岸带潮汐模型支持下的光束法区域网空中三角测量. 测绘科学技术学报, 29 (1): 33–37. [DOI: 10.3969/j.issn.1673-6338.2012.01.009] )
  • Guo Z L, Zhai J S, Teng H Z and Ye Q G. 2014. A method for topographic survey in areas of island and reef based on ADS40 uncontrolled triangulation. Hydrographic Surveying and Charting, 34 (2): 31–34. [DOI: 10.3969/j.issn.1671-3044.2014.02.009] ( 郭忠磊, 翟京生, 滕惠忠, 叶秋果. 2014. 基于ADS40无控条件的海岛礁地形测量方法研究. 海洋测绘, 34 (2): 31–34. [DOI: 10.3969/j.issn.1671-3044.2014.02.009] )
  • Hamel M A and Andréfouët S. 2010. Using very high resolution remote sensing for the management of coral reef fisheries: review and perspectives. Marine Pollution Bulletin, 60 (9): 1397–405. [DOI: 10.1016/j.marpolbul.2010.07.002]
  • Hedley J, Roelfsema C and Phinn S R. 2009. Efficient radiative transfer model inversion for remote sensing applications. Remote Sensing of Environment, 113 (11): 2527–2532. [DOI: 10.1016/j.rse.2009.07.008]
  • Hedley J D, Roelfsema C M, Phinn S R and Mumby P J. 2012. Environmental and sensor limitations in optical remote sensing of coral reefs: implications for monitoring and sensor design. Remote Sensing, 4 (1): 271–302. [DOI: 10.3390/rs4010271]
  • Hesselmans G H F M, Wensink G J, van Koppen C G, Vernemmen C and van Cauwenberghe C. 2000. Bathymetry assessment demonstration off the Belgian coast - BABEL. The Hydrographic Journal, 96 : 3–8.
  • Hochberg E J and Atkinson M J. 2003. Capabilities of remote sensors to classify coral, algae, and sand as pure and mixed spectra. Remote Sensing of Environment, 85 (2): 174–189. [DOI: 10.1016/S0034-4257(02)00202-X]
  • Hochberg E J, Andrefouet S and Tyler M R. 2003. Sea surface correction of high spatial resolution Ikonos images to improve bottom mapping in near-shore environments. IEEE Transactions on Geoscience and Remote Sensing, 41 (7): 1724–1729. [DOI: 10.1109/TGRS.2003.815408]
  • Houser C, D’Ambrosio T, Bouchard C, Heyman W, Darbonne K and Kuykendall S. 2014. Erosion and reorientation of the Sapodilla Cays, Mesoamerican Reef Belize from 1960 to 2012. Physical Geography, 35 (4): 335–354. [DOI: 10.1080/02723646.2014.913932]
  • Hu L B, Liu Z, Liu Z S, Hu C M and He M X. 2014. Mapping bottom depth and albedo in coastal waters of the South China Sea islands and reefs using Landsat TM and ETM+ data. International Journal of Remote Sensing, 35 (11/12): 4156–4172. [DOI: 10.1080/01431161.2014.916441]
  • Hu L Q, Liu Y L, Ren Y H, Chen C Q and Wei C J. 2010. Research on the extraction method of coral reef at Spratly islands using SPOT5. Remote Sensing Technology and Application, 25 (4): 493–501. [DOI: 10.11873/j.issn.1004-0323.2010.4.493] ( 胡蕾秋, 刘亚岚, 任玉环, 陈楚群, 魏成阶. 2010. SPOT5多光谱图像对南沙珊瑚礁信息提取方法的探讨. 遥感技术与应用, 25 (4): 493–501. [DOI: 10.11873/j.issn.1004-0323.2010.4.493] )
  • Huang R Y, Yu K F, Wang Y H, Wang J K, Mu L and Wang W H. 2017. Bathymetry of the coral reefs of weizhou island based on multispectral satellite images. Remote Sensing, 9 (7): 750 [DOI: 10.3390/rs9070750]
  • Jay S and Guillaume M. 2014. A novel maximum likelihood based method for mapping depth and water quality from hyperspectral remote-sensing data. Remote Sensing of Environment, 147 : 121–132. [DOI: 10.1016/j.rse.2014.01.026]
  • Jin X Y. 2009. Asegmentation-based image processing system. U.S., 2009/0123070 A1
  • Joyce K E, Phinn S R and Roelfsema C M. 2013. Live coral cover index testing and application with hyperspectral airborne image data. Remote Sensing, 5 (11): 6116–6137. [DOI: 10.3390/rs5116116]
  • Kabiri K, Rezai H, Moradi M and Pourjomeh F. 2014. Coral reefs mapping using parasailing aerial photography- feasibility study: Kish Island, Persian Gulf. Journal of Coastal Conservation, 18 (6): 691–699. [DOI: 10.1007/s11852-014-0345-9]
  • Knudby A, Ahmad S K and Ilori C. 2016. The potential for landsat-based bathymetry in Canada. Canadian Journal of Remote Sensing, 42 (4): 367–378. [DOI: 10.1080/07038992.2016.1177452]
  • Kobryn H T, Wouters K, Beckley L E and Heege T. 2013. Ningaloo reef: shallow marine habitats mapped using a hyperspectral sensor. PLoS One, 8 (7): e70105 [DOI: 10.1371/journal.pone.0070105]
  • Kuleli T. 2010. Quantitative analysis of shoreline changes at the Mediterranean Coast in Turkey. Environmental Monitoring and Assessment, 167 (1/4): 387–397. [DOI: 10.1007/s10661-009-1057-8]
  • Kutser T, Miller I and Jupp D L B. 2006. Mapping coral reef benthic substrates using hyperspectral space-borne images and spectral libraries. Estuarine, Coastal and Shelf Science, 70 (3): 449–460. [DOI: 10.1016/j.ecss.2006.06.026]
  • Lan H X, Zhao X X, Wu Y M, Li L P and Su F Z. 2017. Settlement and deformation characteristics of calcareous island-reef. Periodical of Ocean University of China, 47 (10): 1–8. [DOI: 10.16441/j.cnki.hdxb.20160483] ( 兰恒星, 赵晓霞, 伍宇明, 李郎平, 苏奋振. 2017. 钙质岛礁沉降变形过程分析. 中国海洋大学学报, 47 (10): 1–8. [DOI: 10.16441/j.cnki.hdxb.20160483] )
  • LeDrew E F, Holden H, Wulder M A, Derksen C and Newman C. 2004. A spatial statistical operator applied to multidate satellite imagery for identification of coral reef stress. Remote Sensing of Environment, 91 (3/4): 271–279. [DOI: 10.1016/j.rse.2003.10.007]
  • Lee Z, Carder K L, Chen R F and Peacock T G. 2001. Properties of the water column and bottom derived from Airborne Visible Infrared Imaging Spectrometer (AVIRIS) data. Journal of Geophysical Research, 106 (C6): 11639–11651. [DOI: 10.1029/2000JC000554]
  • Lee Z, Carder K L, Mobley C D, Steward R G and Patch J S. 1998. Hyperspectral remote sensing for shallow waters. I. A semianalytical model. Applied Optics, 37 (27): 6329–6338. [DOI: 10.1364/AO.37.006329]
  • Lee Z, Carder K L, Mobley C D, Steward R G and Patch J S. 1999. Hyperspectral remote sensing for shallow waters: 2. Deriving bottom depths and water properties by optimization. Applied Optics, 38 (18): 3831–3843. [DOI: 10.1364/AO.38.003831]
  • Leiper I A, Siebeck U E, Marshall N J and Phinn S R. 2009. Coral health monitoring: Linking coral colour and remote sensing techniques. Canadian Journal of Remote Sensing, 35 (3): 276–286. [DOI: 10.5589/m09-016]
  • Leon J and Woodroffe C D. 2011. Improving the synoptic mapping of coral reef geomorphology using object-based image analysis. International Journal of Geographical Information Science, 25 (6): 949–969. [DOI: 10.1080/13658816.2010.513980]
  • Li J L, Yang W B, Li X S, Wang L, Cao K and Li Y R. 2015. Near-shore habitat RS monitoring and the impacts of habitat changes on the marine ecology. Journal of Fishery Sciences of China, 22 (2): 171–184. [DOI: 10.3724/SP.J.1118.2015.15014] ( 李继龙, 杨文波, 李小恕, 王琳, 曹坤, 李应仁. 2015. 近海栖息地卫星遥感监测与生境变化对生态影响的研究进展. 中国水产科学, 22 (2): 171–184. [DOI: 10.3724/SP.J.1118.2015.15014] )
  • Li S and Yu K F. 2007. Recent development in coral reef bleaching research. Acta Ecologica Sinica, 27 (5): 2059–2069. [DOI: 10.3321/j.issn:1000-0933.2007.05.047] ( 李淑, 余克服. 2007. 珊瑚礁白化研究进展. 生态学报, 27 (5): 2059–2069. [DOI: 10.3321/j.issn:1000-0933.2007.05.047] )
  • Li S, Yu K F, Chen T R, Shi Q and Zhang H L. 2011. Assessment of coral bleaching using symbiotic zooxanthellae density and satellite remote sensing data in the Nansha Islands, South China Sea. Chinese Science Bulletin, 56 (10): 756–764. ( 李淑, 余克服, 陈天然, 施祺, 张会领. 2011. 珊瑚共生虫黄藻密度结合卫星遥感分析2007年南沙群岛珊瑚热白化. 科学通报, 56 (10): 756–764. )
  • Li X, Chen S B, Wang X H, Wang X N, Che D W and Yang P Y. 2008. Study based on radioactive transfer model of the quantitative remote sensing of water bottom reflectance. Journal of Jilin University (Earth Science Edition), 38 (S1): 235–237. [DOI: 10.13278/j.cnki.jjuese.2008.s1.068] ( 李先, 陈圣波, 王旭辉, 王旭楠, 车大为, 杨培玉. 2008. 基于辐射传输模型的水底反射率定量遥感反演研究. 吉林大学学报(地球科学版), 38 (S1): 235–237. [DOI: 10.13278/j.cnki.jjuese.2008.s1.068] )
  • Li X M, Zhang J, Ma Y and Song P J. 2010. Applications of CBERS in oceanic research. Aerospace China, 3 (3): 10–14. ( 李晓敏, 张杰, 马毅, 宋平舰. 2010. 中巴地球资源卫星数据在海洋领域的应用. 中国航天, 3 (3): 10–14. )
  • Li Z J, Wang X Q, Yu X Z and Liu L. 2012. Improved retrieval method for shallow sea topography using SAR image. Electronic Measurement Technology, 35 (4): 86–89. [DOI: 10.3969/j.issn.1002-7300.2012.04.023] ( 李泽军, 王小青, 于祥祯, 刘磊. 2012. Sar图像反演浅海地形的一种改进方法. 电子测量技术, 35 (4): 86–89. [DOI: 10.3969/j.issn.1002-7300.2012.04.023] )
  • Liu G, Eakin C M, Rauenzahn J L, Christensen T R L, Heron S F, Li J, Skirving W, Strong A E and Burgess T. 2012. NOAA coral reef watch’s decision support system for coral reef management//Proceedings of the 12th International Coral Reef Symposium. Cairns: [s.n.]
  • Liu G, Strong A E and Skirving W. 2003. Remote sensing of sea surface temperatures during 2002 Barrier Reef coral bleaching. Eos, Transactions American Geophysical Union, 84 (15): 137–141. [DOI: 10.1029/2003EO150001]
  • Liu H and Jezek K C. 2004. Automated extraction of coastline from satellite imagery by integrating Canny edge detection and locally adaptive thresholding methods. International Journal of Remote Sensing, 25 (5): 937–958. [DOI: 10.1080/0143116031000139890]
  • Liu Y M, Deng R R, Qin Y and Liang Y H. 2017. Data processing methods and applications of airborne LiDAR bathymetry. Journal of Remote Sensing, 21 (6): 982–995. [DOI: 10.11834/jrs.20176395] ( 刘永明, 邓孺孺, 秦雁, 梁业恒. 2017. 机载激光雷达测深数据处理与应用. 遥感学报, 21 (6): 982–995. [DOI: 10.11834/jrs.20176395] )
  • Liu Y X, Guo K, He X F, Xu W X and Feng W K. 2017. Research progress of airborne laser bathymetry technology. Geomatics and Information Science of Wuhan University, 42 (9): 1185–1194. [DOI: 10.13203/j.whugis20150779] ( 刘焱雄, 郭锴, 何秀凤, 徐文学, 冯义楷. 2017. 机载激光测深技术及其研究进展. 武汉大学学报(信息科学版), 42 (9): 1185–1194. [DOI: 10.13203/j.whugis20150779] )
  • Liu Z Z. 2014. The Research of Tourism Function Zoning and Positioning of Chinese Island County (District) Based on Tourism Environmental Bearing Capacity. Qingdao: Ocean University of China (刘真真. 2014. 基于旅游环境承载力的中国海岛县(区)旅游功能区划分与定位研究. 青岛: 中国海洋大学)
  • Lucas M Q and Goodman J. 2015. Linking coral reef remote sensing and field ecology: it’s a matter of scale. Journal of Marine Science and Engineering, 3 (1): 1–20. [DOI: 10.3390/jmse3010001]
  • Lyzenga D R. 1978. Passive remote sensing techniques for mapping water depth and bottom features. Applied Optics, 17 (3): 379–383. [DOI: 10.1364/AO.17.000379]
  • Lyzenga D R, Malinas N P and Tanis F J. 2006. Multispectral bathymetry using a simple physically based algorithm. IEEE Transactions on Geoscience and Remote Sensing, 44 (8): 2251–2259. [DOI: 10.1109/TGRS.2006.872909]
  • Maritorena S, Morel A and Gentili B. 1994. Diffuse reflectance of oceanic shallow waters: influence of water depth and bottom albedo. Limnology and Oceanography, 39 (7): 1689–1703. [DOI: 10.4319/lo.1994.39.7.1689]
  • Monaco M E, Andersen S M, Battista T A, Kendall M S, Rohmann S O, Wedding L M and Clarke A M. 2012. National summary of NOAA’s shallow-water benthic habitat mapping of U.S. coral reef ecosystems//NOAA Technical Memorandum NOS NCCOS 122. Silver Spring: NOAA/National Centers for Coastal Ocean Science
  • Montereale-Gavazzi G, Roche M, Lurton X, Degrendele K, Terseleer N and van Lancker V. 2018. Seafloor change detection using multibeam echosounder backscatter: case study on the Belgian part of the North Sea. Marine Geophysical Research, 39 (1/2): 220247 [DOI: 10.1007/s11001-017-9323-6]
  • Mumby P J and Edwards A J. 2002. Mapping marine environments with IKONOS imagery: enhanced spatial resolution can deliver greater thematic accuracy. Remote Sensing of Environment, 82 (2/3): 248–257. [DOI: 10.1016/S0034-4257(02)00041-X]
  • Mumby P J, Green E P, Edwards A J and Clark C D. 1997. Coral reef habitat mapping: how much detail can remote sensing provide?. Marine Biology, 130 (2): 193–202. [DOI: 10.1007/s002270050238]
  • National Marine Information Center. 2017. China Oceanic Information Network · Marine bulletin [EB/OL]. [2017-01-11]. http://www.nmdis.org.cn/gongbao/ (国家海洋信息中心. 2017. 中国海洋信息网·海洋公报[EB/OL]. [2017-01-11]. http://www.nmdis.org.cn/gongbao/)
  • Pan C M, Ding Q and Cao W Y. 2002. TM image analysis of island reef topography of the Nansha Islands. Remote Sensing for Land and Resources (2): 34–37, 60. [DOI: 10.3969/j.issn.1001-070X.2002.02.008] ( 潘春梅, 丁谦, 曹文玉. 2002. 南沙群岛岛礁地形地貌tm影像特征分析. 国土资源遥感 (2): 34–37, 60. [DOI: 10.3969/j.issn.1001-070X.2002.02.008] )
  • Pan Y L and Tang D L. 2009. General introduction to satellite remote sensing of coral reef bleaching. Acta Ecologica Sinica, 29 (9): 5076–5080. [DOI: 10.3321/j.issn:1000-0933.2009.09.057] ( 潘艳丽, 唐丹玲. 2009. 卫星遥感珊瑚礁白化概述. 生态学报, 29 (9): 5076–5080. [DOI: 10.3321/j.issn:1000-0933.2009.09.057] )
  • Papadopoulou M, Lafazani P, Mavridou E R, Tsakiri-Strati M and Doxani G. 2015. Creation of digital bathymetric maps using high resolution satellite imagery and multispectral bathymetric modeling for shallow waters. Paperl Kaltsikis, 14 (5): 407–408.
  • Pardo-Pascual J E, Almonacid-Caballer J, Ruiz L A and Palomar-Vázquez J. 2012. Automatic extraction of shorelines from Landsat TM and ETM+ multi-temporal images with subpixel precision. Remote Sensing of Environment, 123 : 1–11. [DOI: 10.1016/j.rse.2012.02.024]
  • Peng L, Liu Y X, Deng C L, Feng Y K and Wu Z L. 2014. Experiment of airborne laser bathymetry. Hydrographic Surveying and Charting, 34 (4): 35–37, 42. [DOI: 10.3969/j.issn.1671-3044.2014.04.010] ( 彭琳, 刘焱雄, 邓才龙, 冯义楷, 吴志露. 2014. 机载激光测深系统试点应用研究. 海洋测绘, 34 (4): 35–37, 42. [DOI: 10.3969/j.issn.1671-3044.2014.04.010] )
  • Petit T, Bajjouk T, Mouquet P, Rochette S, Vozel B and Delacourt C. 2017. Hyperspectral remote sensing of coral reefs by semi-analytical model inversion – comparison of different inversion setups. Remote Sensing of Environment, 190 : 348–365. [DOI: 10.1016/j.rse.2017.01.004]
  • Phinn S R, Roelfsema C M and Mumby P J. 2012. Multi-scale, object-based image analysis for mapping geomorphic and ecological zones on coral reefs. International Journal of Remote Sensing, 33 (12): 3768–3797. [DOI: 10.1080/01431161.2011.633122]
  • Purkis S J. 2005. A " Reef-Up” approach to classifying coral habitats from IKONOS imagery. IEEE Transactions on Geoscience and Remote Sensing, 43 (6): 1375–1390. [DOI: 10.1109/TGRS.2005.845646]
  • Qin X Q, Yang M S, Liao M S, Wang H M and Yang T L. 2017. Exploring temporal-spatial characteristics of shanghai road networks settlement with multi-temporal PSInSAR technique. Geomatics and Information Science of Wuhan University, 42 (2): 170–177. [DOI: 10.13203/j.whugis20150430] ( 秦晓琼, 杨梦诗, 廖明生, 王寒梅, 杨天亮. 2017. 应用PSInSAR技术分析上海道路网沉降时空特性. 武汉大学学报(信息科学版), 42 (2): 170–177. [DOI: 10.13203/j.whugis20150430] )
  • Riegl B M and Purkis S J. 2005. Detection of shallow subtidal corals from IKONOS satellite and QTC View (50, 200 kHz) single-beam sonar data (Arabian Gulf; Dubai, UAE). Remote Sensing of Environment, 95 (1): 96–114. [DOI: 10.1016/j.rse.2004.11.016]
  • Roelfsema C, Phinn S, Jupiter S, Comley J and Albert S. 2013. Mapping coral reefs at reef to reef-system scales, 10s-1000s km2, using object-based image analysis. International Journal of Remote Sensing, 34 (18): 6367–6388. [DOI: 10.1080/01431161.2013.800660]
  • Romine B M and Fletcher C H. 2013. A summary of historical shoreline changes on beaches of Kauai, Oahu, and Maui, Hawaii. Journal of Coastal Research, 29 (3): 605–614. [DOI: 10.2112/JCOASTRES-D-11-00202.1]
  • Shi Z L and Cao M. 2007. A study of surveying and mapping of island and tidal flat based on LiDAR. Bulletin of Surveying and Mapping (5): 49–53. [DOI: 10.3969/j.issn.0494-0911.2007.05.015] ( 史照良, 曹敏. 2007. 基于LiDAR技术的海岛礁、滩涂测绘研究. 测绘通报 (5): 49–53. [DOI: 10.3969/j.issn.0494-0911.2007.05.015] )
  • Souter D W and Lindén O. 2000. The health and future of coral reef systems. Ocean and Coastal Management, 43 (8/9): 657–688. [DOI: 10.1016/S0964-5691(00)00053-3]
  • State Oceanic 908 of the State Oceanic Administration. 2006. Specific Technical Schedule for the Investigation and the Evaluation of the State’s Coastal Sea. Beijing: Ocean Press (国家海洋局908专项办公室. 2006. 我国近海海洋综合调查与评价专项技术规程-总则. 北京: 海洋出版社)
  • Stumpf R P, Holderied K and Sinclair M. 2003. Determination of water depth with high-resolution satellite imagery over variable bottom types. Limnology and Oceanography, 48 (1): 547–556. [DOI: 10.4319/lo.2003.48.1_part_2.0547]
  • Su H B, Liu H X and Wu Q S. 2015. Prediction of water depth from multispectral satellite imagery—the regression kriging alternative. IEEE Geoscience and Remote Sensing Letters, 12 (12): 2511–2515. [DOI: 10.1109/LGRS.2015.2489678]
  • Sun L P. 2017. Discussion on side−scan sonar technique and its application in hydrographic surveying and mapping. Science and Technology Information, 15 (19): 88, 90 [DOI: 10.16661/j.cnki.1672-3791.2017.19.088] ( 孙丽平. 2017. 侧扫声呐技术及在海洋测绘中的应用探讨. 科技资讯, 15 (19): 88, 90 [DOI: 10.16661/j.cnki.1672-3791.2017.19.088] )
  • Sun X J, Teng H Z, Zhao J, Wang Y F, Zhang L and Ye Q G. 2017. Airborne LiDAR coast topographic measurement technology and its application. Hydrographic Surveying and Charting, 37 (3): 70–73, 78. [DOI: 10.3969/j.issn.1671-3044.2017.03.017] ( 孙雪洁, 滕惠忠, 赵健, 王玉峰, 张靓, 叶秋果. 2017. 机载LiDAR海岸地形测量技术及其应用. 海洋测绘, 37 (3): 70–73, 78. [DOI: 10.3969/j.issn.1671-3044.2017.03.017] )
  • Tang C L, Li M, Zheng Z Y, Zhou X and Shi X J. 2010. An analysis on the trend of sea surface temperature indices for coral Hot bleaching in Weizhou Island ocean observation station during 1960-2009. Tropical Geography, 30 (6): 577–581, 586. [DOI: 10.3969/j.issn.1001-5221.2010.06.001] ( 汤超莲, 李鸣, 郑兆勇, 周雄, 时小军. 2010. 近45年涠洲岛5次珊瑚热白化的海洋站SST指标变化趋势分析. 热带地理, 30 (6): 577–581, 586. [DOI: 10.3969/j.issn.1001-5221.2010.06.001] )
  • Tang J W, Tian G L, Wang X Y, Wang X M and Song Q J. 2004. The methods of water spectra measurement and analysis Ⅰ: above- water method. Journal of Remote Sensing, 8 (1): 37–44. [DOI: 10.11834/jrs.20040106] ( 唐军武, 田国良, 汪小勇, 王晓梅, 宋庆君. 2004. 水体光谱测量与分析Ⅰ: 水面以上测量法. 遥感学报, 8 (1): 37–44. [DOI: 10.11834/jrs.20040106] )
  • Tang Y B, Liu W and Ren S H. 2013. Tideland height measurement based on UAV remote sensing and tidal observation. Remote Sensing for Land and Resources, 25 (2): 42–46. [DOI: 10.6046/gtzyyg.2013.02.08] ( 唐远彬, 刘文, 任少华. 2013. 基于无人机遥感技术的潮间带高程测量方法. 国土资源遥感, 25 (2): 42–46. [DOI: 10.6046/gtzyyg.2013.02.08] )
  • Teng H Z, Yu B, Li H B, Guo Z L and Zha X. 2016. Key technologies of island aerial photogrammetry. Hydrographic Surveying and Charting, 36 (6): 20–23, 27. [DOI: 10.3969/j.issn.1671-3044.2016.06.005] ( 滕惠忠, 于波, 李海滨, 郭忠磊, 闸旋. 2016. 海岛礁航空摄影测量技术应用研究. 海洋测绘, 36 (6): 20–23, 27. [DOI: 10.3969/j.issn.1671-3044.2016.06.005] )
  • Tian Y, Wu X B, Chen Z Y, Wang L and Zhu D J. 2016. Study on the numerical simulation and inversion of shallow water depth based on correlation analysis of X band radar echo images. Science Technology and Engineering, 16 (28): 241–245. [DOI: 10.3969/j.issn.1671-1815.2016.28.044] ( 田云, 吴雄斌, 陈章友, 王立, 朱道建. 2016. 基于X波段雷达回波图像相关性分析的浅海水深数值模拟与反演研究. 科学技术与工程, 16 (28): 241–245. [DOI: 10.3969/j.issn.1671-1815.2016.28.044] )
  • Waddell J E and Clarke A M. 2008. The State of Coral Reef Ecosystems of the United States and Pacific Freely Associated States: 2008. Silver Spring: NOAA/NCCOS Center for Coastal Monitoring and Assessment’s Biogeography Team
  • Walker B K, Riegl B and Dodge R E. 2008. Mapping coral reef habitats in southeast Florida using a combined technique approach. Journal of Coastal Research, 24 (5): 1138–1150. [DOI: 10.2112/06-0809.1]
  • Wan R S, Zhu B D and Huang W X. 2014. Application of remote sensing in Xuwen coral reef protection area. Mineral Deposits, 33 (S1): 747–748. ( 万荣胜, 朱本铎, 黄文星. 2014. 遥感在徐闻珊瑚礁保护区调查中的应用. 矿床地质, 33 (S1): 747–748. )
  • Wang L H, Zhou Y X and Tian B. 2011. Detecting coral reefs at Dongsha Atoll using Landsat TM and ETM+ images. Journal of Jilin University (Earth Science Edition), 41 (5): 1630–1637. [DOI: 10.3969/j.issn.1671-5888.2011.05.042] ( 王利花, 周云轩, 田波. 2011. 基于TM和ETM+影像数据的东沙环礁珊瑚礁监测. 吉林大学学报(地球科学版), 41 (5): 1630–1637. [DOI: 10.3969/j.issn.1671-5888.2011.05.042] )
  • Wang L R and Zhao H T. 2001. The general characteristics of the coral reef ecosystem. Chinese Journal of Ecology, 20 (6): 41–45. [DOI: 10.3321/j.issn:1000-4890.2001.06.011] ( 王丽荣, 赵焕庭. 2001. 珊瑚礁生态系的一般特点. 生态学杂志, 20 (6): 41–45. [DOI: 10.3321/j.issn:1000-4890.2001.06.011] )
  • Wang L R, Yu K F, Zhao H T and Zhang Q M. 2014. Economic valuation of the coral reefs in South China Sea. Tropical Geography, 34 (1): 44–49. ( 王丽荣, 余克服, 赵焕庭, 张乔民. 2014. 南海珊瑚礁经济价值评估. 热带地理, 34 (1): 44–49. )
  • Wang Y C, Liu Y X, Li M C, Wang J S and Jiang C Y. 2013. The strategic position of Spratly Islands: an evaluation based on the field spread model. Geographical Research, 32 (12): 2292–2301. [DOI: 10.11821/dlyj201312011] ( 汪业成, 刘永学, 李满春, 王加胜, 江冲亚. 2013. 基于场强模型的南沙岛礁战略地位评价. 地理研究, 32 (12): 2292–2301. [DOI: 10.11821/dlyj201312011] )
  • Wang Y Y, Liu Z G, Li J and Chen Y H. 2007. A review of coral reef remote sensing. Advances in Earth Science, 22 (4): 396–402. [DOI: 10.3321/j.issn:1001-8166.2007.04.009] ( 王圆圆, 刘志刚, 李京, 陈云浩. 2007. 珊瑚礁遥感研究进展. 地球科学进展, 22 (4): 396–402. [DOI: 10.3321/j.issn:1001-8166.2007.04.009] )
  • Wang Z Z. 2007. Principle of Photogrammetry. Wuhan: Wuhan University Press (王之卓. 2007. 摄影测量原理. 武汉: 武汉大学出版社)
  • Webb A P and Kench P S. 2010. The dynamic response of reef islands to sea-level rise: evidence from multi-decadal analysis of island change in the Central Pacific. Global and Planetary Change, 72 (3): 234–246. [DOI: 10.1016/j.gloplacha.2010.05.003]
  • Wu B and Zhang Z L. 2017. Comprehensive management system of coastal tidal flats based on ecosystem integration. China Land Sciences, 31 (3): 21–27. [DOI: 10.11994/zgtdkx.20170315.121155] ( 吴彬, 张占录. 2017. 基于生态系统一体化的海岸滩涂综合管理体制研究. 中国土地科学, 31 (3): 21–27. [DOI: 10.11994/zgtdkx.20170315.121155] )
  • Wu B, Ye J P and Zhuang K R. 2017. A survey of legal property and the management system on coastal tidal flat. Ecological Economy, 33 (7): 202–206, 235. ( 吴彬, 叶剑平, 庄凯融. 2017. 沿海滩涂法律属性和管理制度研究综述. 生态经济, 33 (7): 202–206, 235. )
  • Wu H J and Nian Y J. 2017. Research and cognition for several typical seabed features in the eastern of the South China Sea. Progress in Geophysics, 32 (2): 919–926. [DOI: 10.6038/pg20170264] ( 吴海京, 年永吉. 2017. 南海东部几种典型海底地貌特征的研究与认识. 地球物理学进展, 32 (2): 919–926. [DOI: 10.6038/pg20170264] )
  • Xu J P and Zhao D Z. 2014. Review of coral reef ecosystem remote sensing. Acta Ecologica Sinica, 34 (1): 19–25. [DOI: 10.1016/j.chnaes.2013.11.003]
  • Xu J P, Zhao J H, Li F, Wang L, Song D R, Wen S Y, Wang F and Gao N. 2016. Object-based image analysis for mapping geomorphic zones of coral reefs in the Xisha Islands, China. Acta Oceanologica Sinica, 35 (12): 19–27. [DOI: 10.1007/s13131-016-0921-y]
  • Yamano H and Tamura M. 2004. Detection limits of coral reef bleaching by satellite remote sensing: simulation and data analysis. Remote Sensing of Environment, 90 (1): 86–103. [DOI: 10.1016/j.rse.2003.12.005]
  • Yang J, Su F Z, Shi W, Zuo X L and Fang Y. 2014. Research on building a model of the open type for coral atolls in the South China Sea. Journal of Tropical Oceanography, 33 (3): 52–56. [DOI: 10.3969/j.issn.1009-5470.2014.03.008] ( 杨娟, 苏奋振, 石伟, 左秀玲, 方月. 2014. 南海珊瑚环礁开放程度模型构建研究. 热带海洋学报, 33 (3): 52–56. [DOI: 10.3969/j.issn.1009-5470.2014.03.008] )
  • Ye X S. 2010. Research on Principle and Data Processing Methods of Airborne Laser Bathymetric Technique. Zhengzhou: Information Engineering University: 167 (叶修松. 2010. 机载激光水深探测技术基础及数据处理方法研究. 郑州: 解放军信息工程大学: 167)
  • Yu J T and Chen Z S. 2010. Study of headland-bay sandy coast stability in South China. The Ocean Engineering, 28 (2): 110–116. [DOI: 10.3969/j.issn.1005-9865.2010.02.018] ( 于吉涛, 陈子燊. 2010. 华南岬间砂质海岸稳定性研究. 海洋工程, 28 (2): 110–116. [DOI: 10.3969/j.issn.1005-9865.2010.02.018] )
  • Yu K F. 2012. Coral reefs in the South China Sea: their response to and records on past environmental changes. Science China Earth Sciences, 42 (8): 1160–1172. [DOI: 10.1007/s11430-012-4449-5] ( 余克服. 2012. 南海珊瑚礁及其对全新世环境变化的记录与响应. 中国科学: 地球科学, 42 (8): 1160–1172. [DOI: 10.1007/s11430-012-4449-5] )
  • Yu K F, Zhang G X and Wang R. 2014. Studies on the coral reefs of the South China Sea: from global change to oil-gas exploration. Advances in Earth Science, 29 (11): 1287–1293. [DOI: 10.11867/j.issn.1001-8166.2014.11.1287] ( 余克服, 张光学, 汪稔. 2014. 南海珊瑚礁: 从全球变化到油气勘探——第三届地球系统科学大会专题评述. 地球科学进展, 29 (11): 1287–1293. [DOI: 10.11867/j.issn.1001-8166.2014.11.1287] )
  • Zhang L, Ouyang Y Z and Teng H Z. 2017. Applications of aerial photogrammetry and airborne LiDAR in remote sensing monitoring of coastal zones. Hydrographic Surveying and Charting, 37 (6): 62–65. [DOI: 10.3969/j.issn.1671-3044.2017.06.016] ( 张靓, 欧阳永忠, 滕惠忠. 2017. 航测与机载LiDAR技术在海岸带遥感中的应用. 海洋测绘, 37 (6): 62–65. [DOI: 10.3969/j.issn.1671-3044.2017.06.016] )
  • Zhao H T and Wang L R. 2017. Construction of artificial islands on coral reef in the South China Sea Islands. Tropical Geography, 37 (5): 681–693. [DOI: 10.13284/j.cnki.rddl.002974] ( 赵焕庭, 王丽荣. 2017. 南海诸岛珊瑚礁人工岛建造研究. 热带地理, 37 (5): 681–693. [DOI: 10.13284/j.cnki.rddl.002974] )
  • Zhao H T and Wu T Q. 2008. Some ideas about further development of the Xisha, Nansha and Zhongsha Islands. Tropical Geography, 28 (4): 369–375. [DOI: 10.3969/j.issn.1001-5221.2008.04.015] ( 赵焕庭, 吴天霁. 2008. 西沙、南沙和中沙群岛进一步开发的设想. 热带地理, 28 (4): 369–375. [DOI: 10.3969/j.issn.1001-5221.2008.04.015] )
  • Zhao H T, Wang L R and Song C J. 2014. Geomorphological model of coral reefs in the South China Sea. Acta Oceanologica Sinica, 36 (9): 112–120. [DOI: 10.3969/j.issn.0253-4193.2014.09.013] ( 赵焕庭, 王丽荣, 宋朝景. 2014. 南海珊瑚礁地貌模型研究. 海洋学报, 36 (9): 112–120. [DOI: 10.3969/j.issn.0253-4193.2014.09.013] )
  • Zhao H T, Wang L R and Yuan J Y. 2016. Sustainable development of the coral reefs in the South China Sea Islands. Tropical Geography, 36 (1): 55–65. [DOI: 10.13284/j.cnki.rddl.002800] ( 赵焕庭, 王丽荣, 袁家义. 2016. 南海诸岛珊瑚礁可持续发展. 热带地理, 36 (1): 55–65. [DOI: 10.13284/j.cnki.rddl.002800] )
  • Zhao W J, Jiang G Q, Yang J and Liao Y. 2015. Study on the remote sensing of the spatial and temporal distribution characteristics of key ecological environment parameters in around Xisha in South China Sea//Annual conference of Chinese Society for Environment Sciences(2015). Shenzhen: Chinese Society for Environmental Sciences (赵文静, 姜国强, 杨静, 廖岩. 2015. 西沙群岛及周边海域水体关键生态环境参量时空分布特征的遥感研究//2015年中国环境科学学会学术年会论文集. 深圳: 中国环境科学学会)
  • Zheng H H, Tong S Y, Wu Z Q and Wang J. 2018. Improvement of towing type sub-bottom seismic profile acquisition system. Marine Geology Frontiers, 34 (1): 65–70. [DOI: 10.16028/j.1009-2722.2018.01010] ( 郑洪浩, 童思友, 吴志强, 王杰. 2018. 拖缆式浅地层剖面采集系统改进方法. 海洋地质前沿, 34 (1): 65–70. [DOI: 10.16028/j.1009-2722.2018.01010] )
  • Zhou M X, Liu Y X, Li M C, Sun C and Zou W. 2015. Geomorphologic information extraction for multi-objective coral islands from remotely sensed imagery: a case study for Yongle Atoll, South China Sea. Geographical Research, 34 (4): 677–690. [DOI: 10.11821/dlyj201504007] ( 周旻曦, 刘永学, 李满春, 孙超, 邹伟. 2015. 多目标珊瑚岛礁地貌遥感信息提取方法——以西沙永乐环礁为例. 地理研究, 34 (4): 677–690. [DOI: 10.11821/dlyj201504007] )
  • Zhou X, Li M, Zheng Z Y, Huang H H and Shi X J. 2010. An analysis on the trend of sea surface temperature indices for coral cold bleaching in Weizhou Island Ocean observation station during 1960-2009. Tropical Geography, 30 (6): 582–586. [DOI: 10.3969/j.issn.1001-5221.2010.06.002] ( 周雄, 李鸣, 郑兆勇, 黄红海, 时小军. 2010. 近50年涠洲岛5次珊瑚冷白化的海洋站SST指标变化趋势分析. 热带地理, 30 (6): 582–586. [DOI: 10.3969/j.issn.1001-5221.2010.06.002] )
  • Zhou Y and Liu Z S. 2011. Direct inversion method of shallow-water bathymetry from Hyperion data. Journal of Atmospheric and Environmental Optics, 6 (2): 112–117. [DOI: 10.3969/j.issn.1673-6141.2011.02.006] ( 周燕, 刘智深. 2011. 基于Hyperion数据的浅海水深直接反演方法研究. 大气与环境光学学报, 6 (2): 112–117. [DOI: 10.3969/j.issn.1673-6141.2011.02.006] )
  • Ziskin D C, Aubrecht C, Elvidge C D, Tuttle B, Eakin C M, Strong A E and Guild L S. 2011. Describing coral reef bleaching using very high spatial resolution satellite imagery: experimental methodology. Journal of Applied Remote Sensing, 5 (1): 053531 [DOI: 10.1117/1.3595300]
  • Zoffoli M L, Frouin R and Kampel M. 2014. Water column correction for coral reef studies by remote sensing. Sensors, 14 (9): 16881–16931. [DOI: 10.3390/s140916881]
  • Zou Y R, Huang L and Zhang Z P. 2014. Analysis coupling features with SVM to extract information of island land use. Remote Sensing Technology and Application, 29 (5): 812–817. [DOI: 10.11873/j.issn.1004-0323.2014.5.0812] ( 邹亚荣, 黄磊, 张治平. 2014. 结合纹理特征的SVM岛礁信息提取分析. 遥感技术与应用, 29 (5): 812–817. [DOI: 10.11873/j.issn.1004-0323.2014.5.0812] )
  • Zou Y R, Liang C and Zhu H T. 2012. Research about monitoring the development status of coral reefs based on QuickBird Data. Acta Oceanologica Sinica, 34 (2): 57–62. ( 邹亚荣, 梁超, 朱海天. 2012. 基于QuickBird影像上珊瑚礁发育状况监测实验研究. 海洋学报, 34 (2): 57–62. )
  • Zou Y R, Lin M S, Wang H, Ma C F and Peng H L. 2006. Study on high resolution image classification for Dongsha Island based on fuse information. Acta Oceanologica Sinica, 28 (1): 56–61. [DOI: 10.3321/j.issn:0253-4193.2006.01.008] ( 邹亚荣, 林明森, 王华, 马超飞, 彭海龙. 2006. 对东沙岛基于融合信息高分辨遥感影像分类研究. 海洋学报, 28 (1): 56–61. [DOI: 10.3321/j.issn:0253-4193.2006.01.008] )
数据专区
  • 目录 目录
  • 文章信息 文章信息
  • 引用格式 引用格式
  • 地图 地图
  • 评论 评论
  • 图 图
  • 表 表
  • 二维码 二维码
  • 参考文献 参考文献
  • 多媒体 多媒体