中山大学遥感科学与技术学院在高精度海底地形重建方面取得系列进展！

海底地形是海洋科学研究、资源开发与航行安全等的重要基础数据。传统船载声纳技术虽可高精度探测海底地形但其覆盖范围有限，目前全球仍有约70%的海洋地区未被高精度测绘海底地形。重力反演、主被动光学遥感等手段则为全球尺度海底地形反演及近岸浅水区地形重构提供了有效的探测手段。

面向我国深海重大战略与粤港澳大湾区海洋经济发展需要，中山大学遥感科学与技术学院重力遥感与导航团队、先进遥感技术团队、极地与海洋遥感团队等基于卫星、无人机和船载等多观测平台，融合重力、光学与声学等多源数据，系统开展了从潮间带、近岸浅水到全球深海的多尺度水下地形高精度重建工作，取得了系列研究成果。

1、联合多源重力数据构建高精度全球与区域海底地形模型

团队综合利用传统测高卫星、SWOT宽刈幅高度计及航空重力数据，结合物理反演与多种深度学习方法，分别构建了中国南海、日本海、菲律宾海及波多黎各等局部海域的高精度海底地形。在全球尺度上，团队建立了基于SWOT任务的全球重力异常模型（SYSU_Grav）及两套全球海底地形模型（SYSU_Topo、SYSU_FGGM），格网分辨率均为1′。其中，SYSU_Topo采用滑动窗口分区反演与边界约束点融合策略，有效消除了分区间拼接效应，在全球单波束检查点RMSE为71 m，在南海多波束检核点RMSE约133 m，较现有模型提升8%~26%；SYSU_FGGM则采用频域滤波组合技术，将宽刈幅测高反演的短波水深分量与传统模型的长波分量进行融合，兼顾了短波地形恢复优势与长波结构稳定性。

针对现有模型分辨率不足及高分辨率船载多波束覆盖有限的问题，团队进一步开发了基于多波束数据监督训练残差神经网络的15″区域水深模型和基于扩散生成式超分算法的3″区域水深模型，能更真实地恢复海山、海沟、洋中脊等精细地形，重建结果的坡度与谱特征更贴合真实多波束地形。基于该算法，团队已初步完成全球3″（90m）分辨率海底地形产品研制。

图1. SYSU_Topo全球海底地形模型

图2. 多种超分算法的地形重构比较

2、浅水区主被动光学遥感测深研究进展

针对传统测高重力反演在沿岸浅水区精度受限的问题，以及浅水区地形高时空变化的特点，团队开展了基于主被动光学遥感数据的浅水测深及其变化检测研究。针对ICESat-2光子数据密度高、变异性强的特点，团队在部分岛礁海岸水域实现了鲁棒的测深光子自动提取，30 m水深范围内RMSE介于0.5~0.6 m之间。团队进一步利用机载激光雷达测深数据评估了不同ICESat-2光子分布对星载主被动光学融合测深的影响，为纯星载测深制图提供了生产性指导。

利用中国第38次南极科学考察期间获取的南极秦岭站海豹湾高重叠度无人机影像，团队提出了一套基于运动恢复结构（SfM）摄影测量的近岸水下地形提取方案，并利用布料模拟滤波（Cloth Simulation Filtering，CSF）方法对点云进行地面滤波，成功分离水下地形点与浮冰、大型砾石等非地形点，生成高精度水下数字地形模型（Digital Terrain Model，DTM）。

图3 基于卫星主被动光学遥感数据的浅水测深及其变化检测 (a) 巴哈马卡特岛：ICESat-2光子计数激光雷达测深; (b) 美国瓦胡岛：星载主被动光学融合测深制图; (c) 中国九寨沟火花海：水下地貌变化遥感探测

图4. 南极秦岭站近岸水下地形图。（A）折射校正前的水下DSM；（B）折射校正后的水下DSM；（C）地面滤波后的水下DTM。黑色圆圈、红色矩形和虚线矩形分别标注大型砾石、浮冰以及滤波异常区域。

针对中国苏北、广西大风江河口及德国易北河口等不同类型潮滩区域，研究团队在国内率先实现基于SWOT宽刈幅测高卫星的潮滩地形提取。综合利用虚拟潮位站、后向散射系数双峰特性信息、光学遥感影像等不同手段，实现潮滩范围的精确提取和10m分辨率潮滩地形的重构，通过与激光测高卫星、无人机等观测数据的验证，构建精度达到20-30 cm。

图5. 基于宽刈幅测高的中国广西大风江河口及德国易北河口潮滩地形

3、基于宽刈幅测高的高分辨率潮滩地形重构

在此基础上，团队进一步将SWOT地形重建拓展至植被遮挡严重的红树林湿地，探索宽刈幅测高获取冠层下地形信息的可行性。针对多时相像元云中地表、植被、水体及异常高程信号混杂的问题，提出质量加权布料模拟滤波方法，融合高程噪声、后向散射及空间邻域信息，实现林下地形信号提取与连续地形重构。在全球五处典型红树林湿地的验证中，成功重建了10 m分辨率林下数字高程模型，五区平均均方根误差为0.49 m，为红树林潮汐淹水分析及湿地地形监测提供了新的技术途径。

图6. 基于SWOT宽刈幅测高的全球五处典型红树林林下地形重建结果

4、多波束海底地形与底质高分辨率测绘研究进展

多波束测深系统能够同步获取高密度测深点云与海底后向散射强度信息，是高分辨率海底地形与底质协同测绘的重要技术手段。针对测深异常类型复杂、弱纹理海底点云配准困难及底质分类样本不足等问题，团队开展了多波束数据处理关键技术研究。在测深异常检测方面，提出了融合先验约束、地统计预测与自适应曲面拟合的PCP-AS方法，三组实验数据的总体误差为1.9%～3.1%；在点云配准方面，提出了结合全局线特征与局部点特征的HFRF配准框架，南海实测数据配准后的RMSE为0.085 m；在底质分类方面，通过后向散射图像校正、样本优化及地形与声学特征融合，实现了复杂数据条件下的底质分类，底质类别召回率达到80%以上。相关研究为高分辨率海底地形与底质信息的协同制图提供了方法支持。

图7. 多波束异常点云检测结果对比：（a-c）人工编辑的检测结果；（d-f）MF的检测结果；（g-i） LOF+DBSCAN的检测结果；（j-l）TSF的检测结果；（m-o）PCP-AS的检测结果

图8. 东西向剖面偏差分布：（a）ICP；（b）FGR；（c）自适应TrICP；（d）RANSAC+自适应TrICP；（e）HFRF

图9. 各模型底质分类结果

5.水下受限空间的激光-惯导联合标定研究

面向水下目标精细几何测量需求，团队开展了基于线结构光扫描仪与惯性导航系统（INS）的水下激光扫描研究。针对水下标定场空间受限、单帧点云仅覆盖目标局部轮廓等问题，研究基于双圆柱几何约束的激光-INS外参标定方法。采用两根已知半径的圆柱作为标定目标，通过时间同步与插值获取各扫描剖面对应的导航姿态和位置，并对局部剖面进行椭圆拟合，提取剖面中心。在此基础上，结合圆柱表面距离、剖面中心与轴线的一致性、导航位置修正约束及机械安装先验，联合估计传感器外参与逐帧位置修正。该方法可在小型水池受限空间内取得亚厘米级的标定精度，进而将多时刻扫描剖面转换至统一坐标系，形成目标的高精度三维点云。

图10. 水下精细激光扫描装置及传感器坐标系示意图

图11. 激光局部剖面拟合与圆柱轴线估计示例。（a）局部剖面椭圆拟合；（b）多剖面中心与轴线拟合

基于标定结果，在静水水池与广东省中山市矿坑场景进行了高精度点云采集，为进一步开展水下目标几何建模及图像纹理融合研究提供了数据基础。

图12. 水下机器人激光扫描实验图（蓝线为激光）

图13. 水下点云采集结果。(a). 实验水池；(b) 中山市矿坑

总结

上述研究构建了基于空天地海多平台观测数据的全球和区域多尺度水下地形探测技术体系，重力反演、主被动光学测深与宽刈幅测高反演相互补充，有效弥补了现有声学实测数据的空白地区，并在精度和分辨率上取得显著提升。多波束、水下激光扫描等技术提升了海底地形与目标数据的现场获取能力。团队未来将进一步融合多源多平台数据与人工智能方法，持续提升产品精度与空间分辨率，为海洋科学、资源勘探及环境监测等多学科研究提供数据支撑。

近3年，学院在ESR、RSE、GRL、JAG、GJI、SD、IJDE、JSTAR、《地球物理学报》、《遥感学报》与《测绘学报》等国内外知名杂志发表海底地形相关研究成果20余篇，授权发明专利3项。相关研究获得了国家重点研发计划、国家自然科学基金面上项目、中山大学高校基本科研业务费、自然资源部南海遥感测绘协同应用技术创新中心开放基金等的资助。

部分开源数据下载地址：

SYSU_Topo：https://doi.org/10.5281/zenodo.17958545.

SYSU_FGGM：https://doi.org/10.5281/zenodo.15375326.

潮间带：https:// doi.org/10.6084/m9.figshare.30005338.

近三年发表论文：

1)Feng W*, An D*, Hwang C, Sun M, Chen X, Zhang Z, Yang M, Zhong M. SYSU_Topo: a 1-arc-minute global bathymetry from SWOT-derived gravity using the gravity-geological method. Scientific Data, 2026, 13(1): 386

2)An D, Feng W*, Zhang Z, Zhang B, Sun M, Yang M, Zhong M. ResNet-Based 15-Arcsec Bathymetric Prediction in the Northwest Pacific Using SWOT-Derived Gravity Data and Multibeam Observations. IEEE Transactions on Geoscience and Remote Sensing, 2026.

3)An D, Feng W*, Chen X, Sun M, Zhang Z, Yang M, Zhong M. Predicting intermediate wavelength depth using a deep neural network combined with gravity data in the Sea of Japan. International Journal of Digital Earth, 2024, 17(1): 2430679. researchgate.net

4)Chen X, Feng W, Jiang X, An D, Sun M, Yang M, Yuan Y*, Zhong M*. Global seafloor topography model based on a frequency-domain filter combination method. International Journal of Digital Earth, 2026, 19(1): 2594275. tandfonline.com

5)Chen X, Yang M*, Sun M, Li W, An D, Feng P, Feng W, Zhong M*. Enhancing bathymetry estimation from altimeter-derived gravity in shallow to intermediate seas by integrating coastline and SDB constraints. Advances in Space Research, 2025, 76(9): 4959–4976.

6)Chen X, Yang M*, Zhong M, Feng W. Investigations on the contribution of airborne gravity measurements in the prediction of bathymetry: a case study in the Puerto Rico region. Geo-spatial Information Science, 2026: 1–14. tandfonline.com

7)Chen X, Zhong M*, Sun M, An D, Feng W, Yang M. Recovering bathymetry using BP neural network combined with modified gravity–geologic method: a case study in the South China Sea. Remote Sensing, 2024, 16(21): 4023. mdpi.com

8)Cui X, Chang B, Zhang S, He J, Zhi Z, Zhang W*. Anomaly Detection in Multibeam Bathymetric Point Clouds Integrating Prior Constraints with Geostatistical Prediction[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024, 17: 17903–17916.

9)He J, Zhang S*, Cui X, Feng W*. Remote sensing for shallow bathymetry: A systematic review. Earth-Science Reviews, 2024, 258: 104957.

10)He J, Zhang S*, Feng W, Cui X, Zhong M. A sliding window-based coastal bathymetric method for ICESat-2 photon-counting LiDAR data with variable photon density. Remote Sensing of Environment, 2025, 318: 114614.

11)He J, Zhang S, Feng W*, Lin J. Quantifying earthquake-induced bathymetric changes in a tufa lake using high-resolution remote sensing data. International Journal of Applied Earth Observation and Geoinformation, 2024, 127: 103680.

12)He J, Zhang S, Zhang T, Feng W*. Spaceborne active-passive optical fusion bathymetry in coastal waters: the implications of ICESat-2 photons. International Journal of Digital Earth, 2025, 18(1): 2521789.

13)Sun M, Feng W*, Wang X, Xu N, Peng F, Chen X, An D, Fenoglio L, Yang M, Zhong M. Deriving intertidal topography from SWOT data and Sentinel-2 data. Geophysical Research Letters, 2025, 52: e2025GL117329.

14)Sun M, Feng W*, An D, Chen X, Yang M, Zhong M. Preliminary results of marine gravity anomaly and bathymetry from SWOT wide-swath altimeter data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2025, 18: 18107–18116. DOI: 10.1109/JSTARS.2025.3588419.

15)Sun M, Feng W*, Yu D, Chen X, Liang W, Zhong M. Analysing the impact of SWOT observation errors on marine gravity recovery. Geophysical Journal International, 2024, 237(2): 862–871.

16)Wei L, Yang M*, Chen X, Feng W, Zhong M. Inversion of seafloor topography in the Gulf of Mexico based on convolutional neural network integrated with multisource gravity data and bathymetric data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2026, 19: 1872–1882.

17)Zhang, Z., Feng W*, Zhong M, Yang M, Sun M, An D. Super-resolution reconstruction of seafloor topography using ViT-GAN model and 3-arcsecond multibeam bathymetric data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2026，19, 30057–30074.

18)陈晓东, 钟敏*, 安德超, 杨元元, 孙明智, 杨萌*, 冯伟. 基于重力地质法的南海高精度海底地形建模与优化. 地球物理学报, 2025, 68(11): 4128-4144.

19)孙明智, 冯伟*, 安德超, 陈晓东, 张泽远, 杨萌, 钟敏. 基于多源数据和卷积神经网络的海洋重力异常反演. 地球物理学报, 2025, 68(11): 4145-4156

20)何金宸, 张书航, 冯伟*, 燕兴元, 晋泽辉, 林家元. 基于无人机影像与机器学习的钙华湖泊水深反演. 遥感学报, 2025, 29(1): 181-190.

21)陈晓东, 杨萌, 袁园, 冯伟, 黄金维, 钟敏*, 中国近海SWOT＿02重力场模型精度与空间分辨率评估.测绘学报, 2025, 54(06):1031-1041

联系方式

广东省珠海市唐家湾中山大学珠海校区

瀚林三号E318室

sges@mail.sysu.edu.cn

联系电话：0756-3668354

文案：冯伟

编辑：孙小尢

初审：冯伟 王天星

审核：许粤

终审：程晓 陈华桂

• 信息来源：中山大学遥感科学与技术学院。

  转载请注明信息来源及海洋知圈编排。