海底地形探测和模型研制现状及精度分析

2022-03-31郝瑞杰万晓云眭晓虹贾永君

地球与行星物理论评(中英文) 2022年2期

关键词：水深波束重力

郝瑞杰，万晓云*，眭晓虹，贾永君，吴星

1 中国地质大学（北京）土地科学技术学院，北京100083

2 钱学森空间技术实验室，北京 100094

3 国家卫星海洋应用中心，北京 100081

4 北京特种工程设计研究院，北京 100028

0 引言

海洋覆盖了地球表面的71%，影响着气候的变迁、人类的生存与发展，同时也蕴含着巨大的资源. 海面到海底的垂直距离即为海水深度（简称海深），反映了海底地形的起伏，是了解海洋生物、海洋地质、洋流、潮汐、火山、海啸等相关问题的基础（Gille, 1994; Chiocci et al., 2011; Matthews et al., 2011; Hochmuth et al., 2015）. 目前的测深手段有声呐、激光测深雷达、卫星测高重力数据反演和遥感影像反演水深. 传统的测深主要靠船载声呐探测，该手段能直接测量水深且精度高，但其效率低、花费大，用于探测全球水深可能是一个漫长的过程（Smith and Sandwell, 1994）. 随着卫星测高技术的发展，海洋重力场模型的精度和分辨率有了质的提高，Smith和Sandwell（1997）发现，15～200 km波长范围的海洋重力异常主要是由海底地形变化引起的，这一发现奠定了重力数据反演海底地形的基础. 自此利用卫星测高获取到的重力数据反演全球水深成为了研究热点（Hwang, 1999; Sandwell et al.,2014; Wan et al., 2020; Hu et al., 2021）. 浅海区域的水深探测主要依靠基于遥感影像的反演（De et al.,1978; Lyzenga, 1978）以及测深雷达（Hickman and Hogg, 1969; Parrish et al., 2019）.

综合使用上述方法，国外发布了多个水深模型，主流产品包括ETOPO（Earth topography）系列、DTU（Technical University of Denmark）系列、GEBCO（general bathymetric charts of the oceans）系列、SRTM（shuttle radar topography mission）系列以及SIO topo系列. 这些系列模型的具体信息见表1. 从表中可以看出，随着时间的推移，水深模型的分辨率越来越高，从1980年代的5'分辨率发展到现在的15″的分辨率. 关于评估水深模型的研究也有很多（Mark and Smith, 2006; Ruan et al.,2020; Watts et al., 2020; Vrdoljak, 2021; Hao et al.,2022），这些研究表明新发布的高分辨率的水深模型有着更高的精度.

表1 水深模型统计Table 1 Water depth model statistics

本文简要梳理了四种测深方法的发展和研究现状，总结了每种测深方法的优缺点，介绍了五种水深模型产品的使用数据、发展历程和相关学者的研究工作. 最后利用我国近海海域船载声呐测深结果，对五种系列模型的最新产品进行了精度评估，指出了海深探测的几个重要问题及可能的解决方法.

1 测深技术发展概述

1.1 基于声呐技术的水深探测

早在1920年代，德国Meteor号就已经采用单波束回声探测仪来探测海底地形地貌，取得7万多个水深数据，揭示了大西洋的中央海岭，之后美国、日本、苏联等国家又陆续使用回声测深仪来进行海底地形的调研. 1950年代，苏联Warrior号在太平洋勘测了海底山脉，发现了新的地貌. 由于当时航迹稀疏，且导航定位和数字化精度不高，所以船测水深数据可能存在较大误差（Smith, 1993）. 1980年代，多波束声呐探测系统开始使用. 相对于单波束声呐，多波束声呐有了质的飞跃，作业从点线方式转变为面状方式，其测量效率、精度有了显著提高，能够对水下地形全覆盖，之后又发展为立体测图，测量误差通常小于平均水深的0.5%（de Moustier,2001; Marks and Smith, 2008）. 国外成熟的多波束系统有：美国RESON公司生产的SEABAT系列、德国ATLAS生产的FANSWEEP系列、挪威SIMRAD生产的EM系列以及英国GEOACOUSTIC生产的GEOSWATH系列. 近年来又研制出多波束测深系统与自治式水下机器人相结合的技术系统，代表产品有：REMUS系列、Bluefin系列、AUTOSUB系列、KUGIN系列等. 自治式水下机器人可自主进行某些特殊区域的测量. 从1970年代以来，我国持续利用声呐技术对南海、渤海、东海等海域的海底地形和地质展开调查，取得了大量水深资料. 1994年我国引入多波束测深系统，并启动了多个重大基础勘测项目. 2012年“我国近海海洋综合调查及评价专项”的主要工作之一就是测量近海海底地形地貌. 该工作采用单波束、多波束、测扫声呐结合的方式获得了大量准确可靠的水深数据，完成了77×104km水深地形测线，调查面积达34.5×104 km2.2018年，装载有多波束系统SeaBeam的新一代科考船“向阳红01”（李治远等，2021）完成环球综合考察，取得前所未有的成果.

1.2 基于重力数据的水深反演

基于重力数据与海底地形的相关性，许多学者开展了利用重力数据导出海底地形的研究. Dixon等（1983）利用NASA发射的测高卫星SEASAT获取到的大地水准面信息对海底地形进行了反演，研究表明水深和大地水准面高在50～300 km波段内高度相关. Sichoix和Bonneville（1996）联合测高卫星ERS-1、GEOSAT、SEASAT以及Topex/Poseidon反演得到的重力数据和稀疏分布的船测水深数据，反演得到了南太平洋中部海域的水深，其精度优于300 m，分辨率达到8 km. 该研究表明联合使用重力数据和船测水深数据，精度要比只使用重力数据高. Smith和Sandwell（1997）在《Science》杂志上介绍了该团队利用Geosat和ERS-1测高卫星反演得到的数字水深模型，其分辨率达到1～12 km，发现了之前许多水深模型未能发现的海底构造特征. Wang（2000）建立了基于引力梯度数据反演海底地形的数学模型，但并未用实际的观测数据进行验证. 王勇等（2001）基于ETOPO5水深模型，采用卫星测高海洋重力异常数据，反演了我国近海的高分辨率海底地形. Sandwell等（2001）发布了利用高分辨率测高卫星数据反演海底地形的白皮书，系统论证了相关原理，并粗略设计了关键的指标. 罗佳等（2002）联合测高卫星数据和海洋重力等资料反演了我国南海的海底地形，平均精度接近200 m. 方剑等（2003）采用多颗测高卫星的重力数据反演了中国近海海域2'×2'的海底地形，与实测数据相比精度达到62 m. 黄谟涛等（2005）介绍了反演海底地形的两种方法——解析法和统计法，给出的算例表明反演的精度优于200 m. Bhattacharyya等（2009）利用Geosat、Seasat、ERS-1/2和Topex/Poseidon等测高卫星所提供的重力异常数据反演了印度洋西部海域的水深，结果表明，预测水深的精度能够满足地球物理和海洋学的应用. Kim等（2011）采用重力地质法反演了德雷克海峡附近2'×2'的水深，最终的精度达到29 m. Hsiao等（2011）通过向下延拓方法确定了海底的密度差异常数，并采用重力地质法反演了格陵兰岛南部和阿拉斯加南部海域的水深，在两个区域反演的水深与ETOPO1的差异约为35.8 m和50.4 m. Jena等（2012）采用人工神经网络方法反演了阿拉伯海的水深，94%的数据精度优于150 m. 欧阳明达等（2014）采用重力地质法反演了中国南海的海底地形，与检核水深相比，其水深反演精度优于100 m.该研究还指出，采用重力地质法来反演海底地形时，反演精度受控制点数量影响较小，受控制点分布影响较大. Sandwell等（2014）利用测高卫星CryoSat-2和Jason-1所反演得到的海洋重力数据，研究了海底的板块构造. 该文指出利用这些新的卫星测高数据，海底地形的反演精度将会显著提高. 胡敏章等（2014）利用垂直重力梯度SIO curv_20.1以及船测水深数据构建了全球1'分辨率的海底地形模型BAT_VGG，精度验证表明该模型在印度洋南部和西北太平洋地区优于ETOPO1、DTU10和GEBCO_08 Grid. 胡敏章等（2020）利用张胜军（2017）构建的多源测高卫星重力异常模型与船测水深数据，开发了全球海底地形模型BAT_WHU2020，其精度和topo 19.1相当. 之后，他利用SIO curv_30.1对BAT_VGG进行优化，开发了BAT_VGG2021，新模型与topo_20.1精度相当（Hu et al., 2021）. Yang等（2018）引入模拟退火法，利用重力梯度数据反演水深，提高了西太平洋崎岖海底地形的精度. 范雕等（2018）联合重力异常和重力异常梯度，采用导纳函数反演了菲律宾海域海底地形模型. Wan等（2019）研究了重力异常和垂直重力梯度对水深反演的敏感性，结果表明，两类重力数据对水深的反演具有不同的敏感波段. Annan和Wan（2020）采用自由空气重力异常和船测水深数据，应用一种自适应格网重力地质法反演得到1'×1'的几内亚湾水深模型.

1.3 基于激光技术的水深探测

1968年，世界上第一个用激光进行水下探测的装置由美国的锡拉丘兹大学研制成功，并通过基础理论研究验证了激光测深的可行性（Hickman and Hogg, 1969）. 1971年，美国海军研制的激光测深系统PLADS（pulsed light airborne depth sounder）实验成功. NASA在1970年代相继研究出机载激光测深仪ALB（airborne laser bathmeter）和机载水文激光雷达AOL（airborne oceanographic lidar）. 1970年代末，瑞典国防研究院成功研制了机载的FLASH激光水深探测系统，并且在1980年代末进行了首次探测试验，测深能力为35 m. 1980年代，美国海军采用重复频率为500 Hz的染料激光器研制了新型的水深探测系统，其装载了GPS全球定位系统，采样频率为1 GHz，信号的处理速度能达到300 MIPS，同时带有对数放大器、差分和低通滤波以及120 dB信号接收动态范围、彩色编码结果显示、回波信号人工识别等当时比较先进的信号处理技术，并于1990年2月在佛罗里达沿海进行了试验. 1990年代，加拿大的Optech公司研制了海底地貌测绘系统SHOALS 200（scanned hydrographic operational airborne lidar survey）（Guenther, 2007），搭载在贝尔212直升机上进行实际测量，飞机高度为200～1 000 m，飞行速度为每小时0～200 km，探测源是Nd:YAG激光器，该激光器能够实现0.532 μm绿光与1.064 μm红外激光输出. 此后，Optech公司相继推出一系列SHOALS产品，其中，SHOALS3000T较为成熟，在许多国家得到广泛长期应用，其最大探测深度50 m左右，垂直精度达0.25 m，水平精度达2.5 m. 在国家863计划支持下，2002年中国科学院上海光学精密机械研究所开展机载激光测深技术研发，开发了一套机载双频激光雷达（LADM-Ⅰ），系统扫描速率1 000 Hz，测深范围为0.5～50 m，测深精度为0.3 m，飞行测高精度为0.25 m，飞机飞行高度为250～500 m，扫描宽度为250 m，网格点密度为5 m×5 m，水平定位精度为3 m. 之后中国科学院上海光学精密机械研究所不断对系统进行优化，并于2017年成功研制了新型激光雷达Mapper5000，其垂直精度为0.23 m，水平定位精度为0.26 m，网格点密度为1.1 m×1.1 m，该系统大大提升了浅水探测的能力（贺岩等，2018）. 其他开展激光雷达测深研究的单位还有华中科技大学、北京师范大学、中国海洋大学等（翟国君等，2012）.2018年9月，携带有ATLAS （advanced topographic laser altimeter system）系统的ICESat-2成功发射，能以较高的精度准确测量水深，成为全球近岸水深测量的新途径（Parrish et al., 2019; Hsu et al., 2021）.

1.4 基于遥感影像的水深反演

基于遥感影像的水深探测技术包括基于合成孔径雷达影像信息和基于光学影像信息的两种探测技术. De等（1978）首先提出可以利用SAR影像信息获取水深数据. 他发现在一幅Ka波段机载侧视雷达影像中浅海地形与SAR影像有对应的关系.自1978年美国国家航空和宇宙航行局喷气推进实验室发射了首颗搭载SAR系统的海洋卫星SEASAT，科研人员开启了星载SAR数据的研究.在获取大量大尺度包含水下地形的SAR数据之后，国外多名研究人员和多家研究机构从SAR影像信息与雷达和探测环境因素关系、水下地形SAR成像机制理论和成像实验三个方面开展了研究.Shuchman和Kasischke（1979）、Kenyon（1983）以及Meadows（1983）等对SAR影像中的地形信息的强弱与卫星飞行方向、雷达入射角、雷达工作波段、极化方式以及海洋环境参数中风速风向、海流流速方向和海底地形梯度等因素的相关关系进行了研究. Valenzuela（1983）根据SAR通常工作在20°～70°的入射角范围的特点，利用Bragg散射理论描述SAR后向散射截面与海面短波波谱之间的关系. Alpers和Hennings（1984）针对流经水下地形潮流变化对海面微尺度波的水动力调制机制提出了一种水下地形SAR成像模型，即AH模型. 针对该模型只考虑了一阶扰动和常量驰豫时间且忽略了平流项的问题，一些改进的模型被相继提出，如Shuchman等（1985）提出的SLM模型、Holliday等（1986）提出的HSM模型、Lyzenga和Bennet（1988）得出的LB模型、Chubb等（1991）提出的BRM模型、Cooper等（1994）提出的GBRM模型等. 黄韦艮等（2000）对星载SAR遥感影像反演水下地形的最佳海况和最佳雷达参数进行了研究，并得出P波段为水下地形探测的最佳波段，L波段次之，C波段比X波段略好；雷达极化方式区别不明显，VV极化略强于HH极化；星载SAR探测水下地形的最佳入射角范围20°～40°的结论. 傅斌等（2001）分析了大坡度水下地形情况下坡度与SAR影像反演深度的关系，发现在水下地形坡度较大的情况下，SAR可测量水深达100～200 m. 同时发现SAR影像可反演水下地形与水下地形的高度有关，水下地形高度越高，SAR可反演水深越深. 李泽军等（2012）针对传统水下地形反演迭代算法收敛速度慢的情况，采用AH模型获取初步水深数据，再代入迭代模型的方法提高反演的收敛速度，并利用1景ERS-2和1景ENVISAT数据进行了水深反演，结果表明反演水深的平均相对误差分别为8.9%和10.8%. 郑全安和谢玲玲（2016）从不同水深海区包括速度切变流纵向流经平行海底地形、层化流体横向流流经平行（周期性）海底地形和强海流流经孤立海底地形的成像理论阐述了海底地形与SAR影像的机理关系及其复杂特性.

多光谱甚至高光谱遥感测深是基于太阳光可穿透水体的性质建立的（王艳姣，2006），通常采用视差法、波浪法和密度法提取水深信息，根据各提取方法的不同提出了解析法、统计法、非线性最优化法、主成分分析法和神经网络方法等，形成了理论解译模型、半理论半经验模型和统计相关模型等遥感水深测量模型. 1960年代末，美国密执安环境研究所首先从事应用遥感信息进行水深反演的研究（李雪红和吴克明，2014）. 随着卫星遥感技术的发展，利用多光谱遥感数据测量水深的研究从定性研究逐渐发展为定量研究. Lyzenga（1978）提出一种基于水体底质反射模型的水深定量计算方法，该方法弥补了波段比值法的不足，并提高了水深测量精度. Benny和Dawson（1983）在考虑水体底部反射光的衰减情况下提出一种新的反演方法.Stove（1985）基于研究区域的先验知识，建立了水深反射率参数与实际水深的相关性及两者间的回归方程. Civco等（1992）提出了可在较混浊的水域应用的基于水体后向散射的水深反演模型. Bierwirth和Lee（1993）提出了一种新的可以消除区域水深变化对水体底部反射率的影响的底部反射率计算方法. Lee（1998）提出了利用高光谱遥感影像的水深反演模型，并证明了反演精度与高光谱波段数和波段有很大关系. Sandidge和Holyer（1998）基于高光谱遥感辐亮度与水深之间的相关性建立了BP人工神经网络水深反演模型，通过对佛罗里达州Tampa海湾附近水深的反演指出人工神经网络方法优于传统的统计方法. Tripathi和Rao（2002）利用RS-1DLISS-Ⅲ遥感卫星数据对印度Kakinada海湾的水深进行了反演. 通过水深和遥感反射率的相关性分析，建立了多种水深反演模型. 模型验证表明基于最小二乘法的经验模型效果最佳. Hedley等（2012）针对哨兵2号卫星数据的水深反演提出了半分析模型，并给出遥感数据对水深与水底底质探测能力的分析评价. 徐琳（2014）在基于BP人工神经网络构建的水深反演模型中加入了水色影响因子，使水深反演的精度得到进一步的提高. 张靖宇（2015）研究了小波滤去噪尺度对多光谱遥感水深反演精度的影响，指出较小尺度的小波滤去噪适用于反演浅水区、而较大尺度的小波滤去噪适用于深水区的结论，同时提出了融合多种遥感水深的反演方法. 王锦锦等（2018）将向量回归（SVR）引入多光谱遥感水深探测，并证明可以提高探测精度. 纪茜（2021）通过实验证明了国产卫星高分系列能代替国外卫星WorldView-2来进行遥感水深反演.

1.5 各类手段的比较与分析

声呐水深探测精度高，适用于探测深度大于2 m的海域，但其效率低且花费高，难以应用于测量全球水域，而利用空天信息可以弥补船载声呐的局限. 目前，重力卫星和测高卫星提供的重力数据已覆盖全球，因此利用重力数据反演具有能够获得全球海域水深的优势. 但重力数据仅对波段在20～200 km的水下地形起伏变化敏感，对小于2 km的剧烈地形变化几乎无法分辨. 同时反演需要一定的先验信息. 因此基于重力数据的水深反演在有船测深数据约束，或海底地形平坦的开阔海域使用效果更好.机载激光测量水深具有测量精度高、效率高等优点，但受飞行航迹的影响，其测量点分布不均匀；搭载在ICESat-2上的激光雷达具有很大的发展潜力，能用于测量全球近岸水深，但该技术还未完全成熟，精度略低于机载测深系统. 两种激光雷达测深技术都无法对深海水域进行测量. 基于遥感影像的水深反演方法包括基于SAR影像和基于光学影像的水深反演，利用遥感影像的优点是可以在全球大规模采集数据，其中SAR具有全天时、全天候成像的能力不受气象条件的限制，测量效率高且精度较高，遥感影像反演水深的缺点是仅适合于反演水深几十米以内的海域，且遥感影像受雷达和光谱仪参数以及海洋环境（如风速、水质清浊、水底底质、含沙量等）的影响很大，反演算法较为复杂，普适性较差.

2 水深模型发展概述

2.1 ETOPO系列

1988年，美国地球物理数据中心（National Geophysical Data Center, NGDC）发布的ETOPO5（National Geophysical Data Center, 1988; Edwards,1989）在美国、欧洲、日本和澳大利亚地区的真实分辨率为5'，而在亚洲、南美洲、加拿大北部和非洲区域等数据不足的地区的真实分辨率不足1°. 海洋区域的数据源自美国海军海洋学办公室（U.S.Naval Oceanographic Office）、美国国防测绘局（U.S. Defense Mapping Agency）、澳大利亚矿产资源局（Bureau of Mineral Resources, Australia）、新西兰工业和科学研究部（Department of Industrial and Scientific Research, New Zealand）以及美国海军舰队数值海洋学中心（U.S. Navy Fleet Numerical Oceanographic Center）. Smith（1993）通过交叉验证评估了全球数字水深模型ETOPO5的精度，结果表明：该模型是由水深等高线图得到，含有较大的误差. 该研究表明仅利用船测水深数据进行插值得到高分辨率的海底地形的精度不够可靠，原因是早期的船测水深数据存在较大误差，且船测数据有限.

ETOPO2（National Geophysical Data Center,2001）于2001年发布，水平分辨率2'，垂直分辨率为1 m，该模型已于2006年进行了修正和更新，更新后的版本是ETOPO2v2（National Oceanic and Atmospheric Administration, 2006）. 新版本消除了ETOPO2存在的向西偏差1个单元的问题，且经纬度覆盖全球. ETOPO2v2采用单元居中配准消除了ETOPO2北极数据冗余的问题. 数据源使用了Smith和Sandwell发布的SS 8.2版本的卫星测高测深数据集、0.5'分辨率的GLOBE（Global Land Onekilometer Base Elevation）、IBCAO（International Bathymetric Chart of the Arctic Ocean）1.0版本.

2009年，NGDC发布了ETOPO2v2的改进版本ETOPO1（Amante and Eakins, 2009），以1'分辨率覆盖全球，旨在为海啸预测、洋流建模以及地球可视化做出贡献. 其分为“Ice Surface”和“Bedrock”两个版本，这两个版本在南极洲和格陵兰岛之外的所有地区相同. “Ice Surface”涵盖南极和格陵兰冰盖表面，“Bedrock”涵盖了冰盖下方的基岩. ETOPO1的开发使用了来自多个机构的数据集：海岸线数据集来自NGDC和南极数字数据库（Antarctica Digital Database, ADD）；测深数据集来自日本海洋数据中心（Japan Oceanographic Data Center, JODC）、NGDC、里海环境方案（Caspian Environment Programme, CEP）和地中海科学委员会（Mediterranean Science Commission,CIESM）；综合水深和地形的数据集来自斯克里普斯海洋研究所（Scripps Institute of Oceanography,SIO）、莱布尼茨波罗的海研究所（Leibniz Institute for Baltic Sea Research, LIBSR）和NGDC.

2.2 DTU系列

丹麦科技大学空间实验室（DTU SPACE）计算的DNSC-DTU系列水深模型基于其发布的卫星测高数据发展而来. 在2008年发布的DNSC08BAT（Andersen and Knudsen, 2008）改善了GEBCO-1浅海周围的精度. 在重力信号与水深信号相关性强的20～120 km波段（Smith and Sandwell, 1997）使用DNSC08的重力数据来反演水深，在其他频带使用GEBCO-1的数据. 2010年发布的DTU10BAT（Andersen, 2010）采用了改进的测高卫星数据，主要改进有：重新跟踪了ERS-1和ENVISAT测高数据来提高测距精度，并使用了地球物理校正模型，如海潮模型等. 2018年发布的DTU18BAT使用了3年的Sentinel-3A和7年的Cryosat-2 LRM数据，并使用了FES2014作为海潮模型改正.

2.3 SRTM系列

SRTM30_PLUS（Becker and Smith, 2004; Becker et al., 2009）是分辨率为30″的地形/水深网格产品.2004年，SIO发布了SRTM30_PLUS V1.0，其陆地数据来自SRTM30，海洋数据来自Smith和Sandwell发布的全球2'分辨率网格. 在洋脊和美国沿海地区使用了来自NGDC的多波束数据，北极测深数据来自IBCAO. 2006年的SRTM30_PLUS V2.0版本的改进有：陆地数据使用SRTM30 V2.0，海洋数据添加了几个多波束测深网格. SRTM30_PLUS V3.0版本的海洋数据来自Smith和Sandwell的topo_9.1版本的重力预测水深数据，南极洲的陆地数据使用基于IceSat数据开发的南极和格陵兰冰盖DEM. 2011年发布的SRTM30_PLUS V7.0添加了由海洋地球科学数据系统（Marine Geoscience Data System）提供的多波束数据. SRTM30_PLUS V9.0增加了446条多波束测深数据，为了开发SRTM15，这些多波束采样点的分辨率为15″.SRTM30_PLUS V9.0使用的重力模型SS V22包括所有Cryosat-2、Jason-1和Envisat的数据，重力数据精度是之前版本的2倍. SRTM30_PLUS V10.0和SRTM30_PLUS V11.0分别增加了685条和111条多波束巡航，水深的预测使用了SS V23版本的重力场模型.

2014年，SIO基于SRTM30_PLUS V11.0开发了SRTM15_PLUS V1.0（Olson et al., 2014），分辨率为15″（约500 m），能更好地揭示深海丘陵等地貌. 其陆地数据基于SRTM和ASTER的最佳可用数据，格陵兰岛和南极洲的冰盖高程数据基于Cryosat-2和IceSat卫星数据，海洋水深数据包括来自CryoSat-2和Jason-1的重力模型预测以及15″分辨率的水深数据集，北极的水深数据基于IBCAO网格. 2019年，SRTM15+V2.0（Tozer et al.,2019）发布，其使用了由国家地理空间情报局（National Geospatial-Intelligence Agency）、日本海洋地球科学技术局（Japan Agency for Marine-Earth Science and Technology）、澳大利亚地球科学（Geoscience Australia）、海岸和海洋测绘中心（Center for Coastal and Ocean Mapping）以及SIO提供的3 360万个以上的单波束和多波束水深数据.新的测高重力场模型SS V27使用了Cryosat-2、SARAL/Altika和Jason-2的重跟踪数据，相比于SRTM15_PLUS，自由空气重力异常的最小波长提高了1.4 km，重力数据预测深度精度也提高了1.24%，但在深海区域的均方根不确定度为±150 m，在近海区域的均方根不确定度为±180 m（Tozer et al., 2019）. 2020年发布了SRTM15+V2.1，对于海洋数据的改进有：卫星预测水深数据基于重力场模型SS V29，该模型包含了更多的测高数据；更改了沿岸的一些空值数据；来自澳大利亚地球科学数据库的数据被新版本取代；手动删除了船测错误水深数据. 陆地部分用ASTER V3数据改进了俄罗斯半岛、南桑威奇群岛、亚南极群岛区域的精度.SRTM15+V2.2是专门为GEBCO_2021Grid所开发的，只是在SRTM15+V2.1的基础上进行了少量更新. 2021年，SIO使用额外1 400条多波束巡航并剔除异常值，发布了SRTM15+V2.3.

2.4 GEBCO系列

GEBCO由国际测绘专家小组组成，由国际海道测量组织（International Hydrographic Organization, IHO）和联合国教科文组织政府间海洋学委员会（Intergovernmental Oceanographic Commission, IOC）联合资助，致力于开发水深数据系列产品. GEBCO One Minute Grid（Intergovernmental Oceanographic Commission, 2003）作为GEBCO数字地图集（GEBCO Digital Atlas, GDA）百年纪念发布于2003年，该模型基于船测水深数据和等高线数据，而没有使用重力预测数据. 它最后更新于2008年，使用了SRTM30_PLUS V5.0的数据. 作为GEBCO_08 Grid的后续产品，GEBCO_2014 Grid（Weatherall et al., 2015; Jakobsson, 2016）于2014年发布，空间分辨率为30″. 北极的陆地数据基于IBCAO v3数据，南极陆地数据取自IBCSO（International Bathymetric Chart of the Southern Ocean），除极地外的陆地区域来自SRTM30. 海洋数据来自若干船测水深数据集以及重力预测水深数据，通过GMT（Generic Mapping Tools）和Golden Software Inc's Surfer软件对数据进行插值得到规则格网.

GEBCO_2019 Grid（GEBCO Bathymetric Compilation Group, 2019）是日本基金会（Nippon Foundation）与GEBCO的合作项目“Seabed 2030”（Mayer et al., 2018）开发的第一个地形模型产品，分辨率为15″. 产品使用SRTM15_PLUS V1.0当做“底板”，在此基础上新增加了四个Seabed 2030区域中心开发的多波束水深数据集. GEBCO_2020 Grid（GEBCO Bathymetric Compilation Group, 2020）使用SRTM15+V2.0当做“底板”，并同样增加了四个Seabed 2030区域中心开发的多波束水深数据集. 2021年发布的GEBCO_2021Grid（GEBCO Compilation Group, 2021）以SRTM15+V2.2为“底板”，提供了格陵兰岛和南极洲的冰下地形信息.

2.5 topo系列

1997年，Smith和Sandwell基于卫星测高数据、船测水深数据以及GTOPO30数据开发了2'分辨率的墨卡托投影网格地形产品topo_5.2. 之后增加了40%的船测水深数据、海岸线数据、等高线数据构建了topo_7.2，并于2000年发布. 2007年发布的topo_9.1有了重大改变，重力数据使用SS V16.1，分辨率提高到1'. topo_11.1添加了美国国家海洋和大气管理局（NOAA）提供的太平洋岛屿数据，topo_13.1添加了地中海和黑海数据，topo_14.1添加了美国所有的多波束数据. topo_15.1基于SS V20.1重力格网预测水深，于2012年发布，该重力格网使用了CryoSat-2、Envisat、Jason-1测高数据. topo_16.1有了很大改进：使用的SS V22重力模型的精度是之前重力模型的两倍，剔除了一些存在误差的测深数据，并增加了446条多波束数据.topo_16.1与SRTM30_PLUS V9.0有很大近似.topo_17.1增加了685条多波束测深数据和104块多波束网格，topo_18.1增加了111条多波束测深数据，水深的预测使用SS V23版本的重力场模型.2020年基于SS V29.1重力场模型开发了topo_20.1.该系列的最新版本为2021年发布的topo_23.1.

3 水深模型精度讨论

研究区域选为我国近海海域（经度100°E～135°E，纬度0°N～45°N），位于太平洋西部边缘，包括渤海、黄海、东海、南海以及中国台湾以东的太平洋部分海域，油气、矿产、能源、水产等资源丰富，有广阔的开发前景. 为了讨论ETOPO1、DTU18、GEBCO_2020、SRTM15+V2.3以及topo_23.1在中国近海区域的精度，我们选择NGDC（https://www.ncei.noaa.gov/maps/bathymetry/）提供的单波束和多波束水深数据作为真值，对五种水深模型进行评估. 五种水深模型和船测数据点的分布见图1，模型在船测点上的误差见图2. 从图2可以看出五种模型在近岸附近500 m以内的水深误差绝对值较小，在深海以及水深变化剧烈的地带误差较大，尤其是在东海大陆架边缘，冲绳海槽附近（经度122°E～135°E，纬度25°E～35°E范围内）误差显著.

图1 中国近海水深图：（a）ETOPO1；（b）DTU18；（c）GEBCO_2021；（d）SRTM15+V2.3；（e）topo_23.1；（f）NGDC船测水深数据Fig. 1 China offshore water depth map: (a) ETOPO1; (b) DTU18; (c) GEBCO_2021; (d) SRTM15+V2.3; (e) topo_23.1; (f) NGDC shipborne bathymetry data

图2 各模型在船测水深数据点上的误差：（a）ETOPO1；（b）DTU18；（c）GEBCO_2021；（d）SRTM15+V2.3；（e）topo_23.1Fig. 2 The error of each model at the shipborne depths data points: (a) ETOPO1; (b) DTU18; (c) GEBCO_2021; (d) SRTM15+V2.3;(e) topo_23.1

表2在研究区域所有水深数据点以及船测水深数据点上统计了五种模型信息，其中包括单种数据信息统计以及不同数据之间的对比统计. 在所有水深数据点的统计可知中国近海的平均水深约为2 440 m，标准差约为2 235 m. 在船测点上的误差统计剔除了大于误差均值于三倍标准差之外的粗差点，可以得到DTU18较船测水深的系统误差最小，误差均值为-0.277 m，其误差标准差为34.358 m，高于GEBCO_2021、SRTM15+V2.3和topo_23.1；SRTM15+V2.3的误差均值为-2.113m，误差标准差为30.297 m，略优于GEBCO_2021；ETOPO1的误差均值和误差标准差都比其他模型更大，分别为4.460 m和88.544 m. 从模型之间的精度对比来看，无论是差值均值还是差值标准差，ETOPO1都较其它模型偏差最大；SRTM15+V2.3与GEBCO_2021的差值标准差较小，仅为0.818 m. 图3显示了误差绝对值的幅度统计，ETOPO1模型误差绝对值小于100 m的数据量仅占比77.42%，而DTU18、GEBCO_2020、SRTM15+V2.3和topo_23.1分别占比99.45%、100%、100%、99.88%. SRTM15+V2.3在误差绝对值小于50 m的数据量能达到87.2%.

图3 误差幅度统计Fig. 3 Error margin statistics

表2 数据统计（单位：m）Table 2 Data statistics（Unit: m）

图4 为在不同水深下，各模型的误差均值，误差标准差以及平均相对误差，可以看出ETOPO1在6 000～8 000 m的水深下误差均值大于20 m，尤其在6 000～6 500 m区间内达到69 m；DTU18在0～4 000 m的水深下误差均值接近于0 m. 从误差标准差来看，ETOPO1在每段水深范围的精度都最低，其余四种模型精度接近，总体上来看SRTM15+V2.3的精度最高；五种模型都呈现出先增大、后减小、再增大的趋势，在3 000～4 500 m区间误差标准差逐渐降低，在6 000～8 000 m水深的部分，误差标准差逐渐增大. ETOPO1在不同水深下的平均相对误差也是最大的，其余四种模型的曲线接近，都小于7%. 整体来看，所有模型的相对误差均随着深度的增加不断减小；除ETOPO1之外，其余三种模型的相对误差在深度深于2 000 m时均小于2%.

图4 不同水深下误差的平均值、标准差以及平均相对误差统计Fig. 4 The average, standard deviation and average relative error statistics of errors under different water depths

结合图2～4和表2，可以得出在我国近海海域SRTM15+V2.3模型的精度最高，GEBCO_2021次之. ETOPO1由于其发布时间最早，使用的实测数据以及卫星数据量少，所以误差较大.

4 总结与展望

本文回顾了基于声呐、重力数据、激光雷达以及遥感影像探测水深的应用和发展，介绍了ETOPO系列、DTU系列、SRTM系列、GEBCO系列、topo系列全球水深模型的发展历程，利用中国近海船测深数据对五种系列的最新产品进行了精度评估. 我们的研究表明，在现有的探测技术适用范围、精度、分辨率以及反演方法的条件下，解决全球的水深探测及反演问题必须依靠多源数据. 随着测深技术的提高以及观测数据的长期积累，越来越多的高精度高分辨率的水深模型相继发布，到目前为止，水深模型的分辨率能达到15″，精度能达到近30 m. 但其中还有很多问题值得探索：

（1）测高卫星重力数据反演水深是当前全球水深模型产品研制的主要贡献者，船测水深数据所占的比例很低. 其产品分辨率号称为15″，但分辨率真正达到15″的部分不足15%（Mayer et al.,2018; Tozer et al., 2019）. 尽管重力数据反演高分辨率的水深模型能力有限，但在未来一段时间内，利用卫星重力数据反演海底地形仍将是主要方式，直到利用声呐技术完成全球海域测量.

（2）在我国近海海域，近期发布的水深产品的精度明显优于2009年发布的ETOPO1，ETOPO1的精度约为88 m，而其它四种模型的精度在35 m以内. 但所有模型在水深变化剧烈的海域误差仍然很大. 通常这些区域对海洋环境的影响更大，所以提高海山、海沟等区域的精度是未来研制水深模型的工作重点之一.

（3）由测高数据反演的水深在近海海域的精度较差，开阔海域的误差也远达不到船测水深数据的精度. 未来有望通过更多的测高数据和新体制测高卫星改善海洋重力场的精度和空间分辨率，继而改善水深的反演. 我国海洋二号卫星于2021年完成组网，这意味着我国可依靠自主卫星完成对全球海洋的实时监测. 当前国外发布的水深模型没有使用我国海洋卫星的数据，国内有学者（Wan et al.,2020; 郭金运等, 2021）使用HY-2A测高数据处理获取的重力异常进行局部海底地形反演，但还没有关于全球水深模型的研究. 依靠国产卫星数据开发全球水深模型也值得相关领域学者的关注.

附中文参考文献

范雕，李姗姗，孟书宇，等. 2018. 联合多源重力数据反演菲律宾海域海底地形[J]. 测绘学报，47（10）：1307-1315.

方剑，张赤军. 2003. 中国海及邻近海域2'×2'海底地形[J]. 武汉大学学报（信息科学版），28（S1）：38-40.

傅斌，黄韦艮，周长宝，等. 2001. 星载SAR浅海水下地形和水深测量模拟仿真——水下地形高度、坡度和方向与可测水深分析[J].海洋学报（中文版），23（1）：35-42.

郭金运，魏志杰，祝程程，等. 2021. 基于重力异常迭代延拓的南海海底地形反演[J]. 山东科技大学学报（自然科学版），40（4）：1-10.

贺岩，胡善江，陈卫标，等. 2018. 国产机载双频激光雷达探测技术研究进展[J]. 激光与光电子学进展，55（8）：7-17.

胡敏章，李建成，邢乐林. 2014. 由垂直重力梯度异常反演全球海底地形模型[J]. 测绘学报，43（6）：558-565,574.

胡敏章，张胜军，金涛勇，等. 2020. 新一代全球海底地形模型BAT_WHU2020[J]. 测绘学报，49（8）：939-954.

黄谟涛，翟国君，管铮，等. 2005. 海洋重力场测定及其应用[M].北京：测绘出版社.

黄韦艮，傅斌，周长宝，等. 2000. 星载SAR水下地形和水深遥感的最佳雷达系统参数模拟[J]. 遥感学报，4（3）：172-177.

纪茜. 2021. 基于遥感影像的水深反演方法研究[D]. 上海：上海海洋大学.

李雪红，吴克明. 2014. 海岸带地形要素遥感反演技术研究进展[J].舰船电子工程，34（6）：19-22.