摘要
海底表层底质分布信息的准确获取在构建海洋基础地理数据库中发挥着重要作用，直接服务于海洋科学研究、海洋环境保护、海洋资源开发、海洋工程建设、海上权益维护及军事安全等多个领域的研究及应用。随着声学探测技术的发展，多波束测深系统(MultibeamEcho-soundingSystem，MBES)凭借全覆盖、高精度和高效率的优势，逐渐成为了海底底质调查及分类的主流手段。虽然基于多波束的海底底质分类和海底底栖生境制图已经成为了国内外研究的共识，但是客观、稳定和可重复的海底底质分类技术研究仍处于发展阶段。另外，浅海系统和深海系统在其固有特性（水深和空间尺度）和地质复杂性等方面之间的差异也增加了利用声学手段探测及识别海底底质属性的难度，主要体现在多波束数据分辨率一般会随着水深的增加而减小，海底底质的空间异质性问题逐渐显现。因此，基于声学纯像元的海底底质分类仅能满足中浅海场景应用，面向深海环境混合像元的底质分类研究仍存在空白。综上，面向全海深、多要素、自适应、结构化的海底底质分类方案和技术框架研究仍存在一系列亟待解决的关键技术问题。为此，本文系统地总结并阐述了多波束海底底质探测与分类的国内外研究现状、研究可行性和必要性，针对多波束海底底质分类技术框架中各个环节存在的一系列关键问题，从多元声学特征提取及降维、海底底质分类模型构建和深海场景下混合底质分解3个主要方面，开展了系统性的理论研究、方法改进和实验分析工作。论文主要完成的工作如下: (1)结合多波束反向散射强度和测深的多元声学特征提取及降维方法研究 受限于海底实地采样手段的低效率和高成本，海底实地采样数据的规模和密度往往较低，且无法像陆地一样可借助视觉解译辅助地物分类。在海底实地采样数量固定的情况下，挖掘并选择更具代表性声学特征对海底底质分类精度和稳定性的提升至关重要。为此，本文面向多元声学特征提取和特征降维两个关键技术环节及其协同问题展开研究。首先，针对利用单一类型数据派生特征对海底底质属性表征的局限性，顾及海底局部景观和形态结构对底质类型时空过程和分布的特征化能力，结合小波多尺度分析和模式识别技术提出了基于自适应地理单元的海底地形形态特征提取方法。其次，为了定量评估候选特征对实际底质类别的表征能力，并消除高维度特征空间中无关、冗余和噪声信息对分类结果的干扰，引入模糊集合理论提出了一种基于模糊排序的特征选择方法。以海底实际底质物理参数作为目标参考变量，模糊排序方法有效的建立了实际底质采样信息与原始声学特征的关联。实验结果一方面表明了模糊排序特征选择方法在稳定性、可拓展性和分类精度方面均优于主成分分析和熵指标方法，另一方面也验证了提取的海底地形形态特征在底质预测中的贡献度。 (2)多波束海底底质分类建模方法研究 海底底质分类建模的目的就是建立原始数据及其派生特征与输出类别之间的函数映射模型。为了保证输出的海底底质分类结果更接近实际，本文利用爱尔兰海南部的多波束调查数据和实地底质采样信息，综合测试并评估了K均值、迭代自组织分析(ISODATA)和模糊C均值3种代表性非监督分类方法，以及支持向量机(SVM)、随机森林(RF)、BP神经网络(BPNN)、最大似然法(ML)4种代表性监督分类方法。另外，针对传统机器学习方法在模型训练中易出现的局部收敛等问题，提出了基于深度信念网络(DeepBeliefNetwork，DBN)的海底底质深度学习分类方法。DBN模型由多层玻尔兹曼机结构和BP神经网络两部分结构组成，算法核心主要包括预训练和微调两部分，首先通过执行预训练过程确定网络初始权值，然后BP神经网络对初始权值进行微调，该模型在小规模底质训练样本学习能力和大规模实验样本泛化能力方面具有明显优势。实验结果表明，提出的DBN底质分类方法能够在保证模型稳定性的同时有效提升模型调优收敛速度，其总体分类精度和Kappa系数分别达到了86.20％和0.834，相较于其他分类方法有明显的提高，突出了该方法在海底底质预测及制图的应用潜力。此外，实验发现在水动力作用的影响下，不同海底地形形态对实际海底底质类别的沉积和搬运过程产生了不同程度的影响。 (3)基于混合像元的多波束深海混合底质分解方法研究 在深海环境下，多波束测深系统能够实现全覆盖海底信息的获取，但是其观测分辨率随着水深的增加而逐渐降低，通常可达几百米。在这种观测分辨率下，一个分类单元可能覆盖了多种底质类型。然而，传统基于声学纯像元底质分类方法假设一个分类单元中只包含一种底质，其训练信息和分类结果用一个像素映射一种类别的方法来表示。因此，深海场景分类单元中普遍存在的混合底质成为了传统分类方法难以解决的问题。针对此问题，提出了一种基于多波束反向散射强度角度响应(BackscatterIntensityAngleResponse，AR)数据的深海混合底质模糊分解方法，从亚像素尺度对混合底质组成进行空间定量分析。方法主要包括两个步骤，即预分类过程和混合底质分解过程。首先，沿航迹方向和跨航迹方向，构建适应性滑动窗口对所有强度采样点进行遍历并提取特征。其次，采用基于组间集群注册的K均值算法对区域整体的底质非均质性进行初步分割（即预分类），以消除角度依赖性的影响。最后，构建了基于模糊方法的非线性混合底质分解模型。实验利用菲律宾海中部多波束深水调查数据和实地底质采样信息，通过模糊参数估计和谱空间模糊划分，以隶属度的形式输出了观测像元内各底质类别的丰度，实现了研究区域砂质、粉砂和粘土三种底质类型丰度的预测，总体均方误差和决定系数分别达到了0.043和0.856。实验结果表明，相较于传统分类方法，提出方法有效解决了深海海底底质混合状态的准确分离，为进一步特征化和定量解释深海海底底质提供了一种新思路。
NETL