東北地理所在中國典型湖泊葉綠素a定量遙感研究中取得進展

原文地址：http://www.cas.cn/syky/202103/t20210318_4781461.shtml

　　湖泊具有多種生態功能，是環境和氣候變化的敏感單元之一。近年來，隨著我國人口和經濟的快速增長，陸源人為干擾活動加劇，導致湖泊富營養問題嚴峻，影響湖泊生態系統健康和流域居民用水安全。葉綠素a作為浮游植物中的主要色素，通常用于表征水生生態系統中藻類生物量的大小以及湖泊富營養化狀態，因此，開展實時動態且高精度葉綠素a定量遙感研究，從而闡釋湖泊生態系統應對全球變化的響應機制具有重要意義。

　　目前，葉綠素a定量遙感研究多集中于分析算法、經驗算法和半分析算法，雖然在一些湖泊案例應用取得較好的反演精度，但這些算法易受到區域背景環境條件和大氣組成成分影響。近年來，人工智能—機器學習算法的發展開辟了葉綠素a定量遙感技術的新思路。中國科學院東北地理與農業生態研究所水環境遙感學科組科研人員在2017-2019年采集中國典型45個湖泊的水體樣品，共計獲取273個實測葉綠素a濃度值，基于哨兵2號衛星反射率數據（Sentinel-2 A/B MSI）和葉綠素a敏感波段組合數據集，借助機器學習算法，訓練和驗證葉綠素a反演模型取得了較高的反演精度。研究表明，線性回歸（LR）、支持向量機（SVM）和Catboost機器算法均獲取了比傳統葉綠素a經驗算法更高的反演精度。其中，SVM獲取更穩健的模型反演效果（訓練和驗證結果：R2>0.88），并在低懸浮物濃度、高DOC濃度的湖泊水體中反演效果更佳。研究還表明，機器學習算法在中國大尺度湖泊葉綠素a定量遙感研究中具有應用潛力，為中國湖泊葉綠素a定量遙感和富營養化監測提供了技術支撐。

　　相關研究成果發表在Science of Total Environmental上，東北地理所助理研究員李思佳為論文第一作者，研究員宋開山為論文通訊作者。研究工作得到國家重點計劃課題和國家自然科學基金重點項目等的共同資助。

圖1.圖形摘要

圖2.研究區湖泊采樣點