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新進展
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，湖泊富營養問題嚴峻，嚴重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定量遙感研究迫在眉睫，以期闡釋湖泊生態系統應對全球變化的響應機制。
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。隨著人工智能—機器學習算法的發展，開辟葉綠素a定量遙感技術的新思路。因此，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的科研人員們在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，取得較高的反演精度。研究結果表明，線性回歸（LR）、支持向量機（SVM）和Catboost機器算法均獲取比傳統葉綠素a經驗算法較高的反演精度。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。此外，研究結果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技術支撐。
該研究成果發表在國際期刊 Science of Total Environmental上，中國科學院東北地理與農業生態研究所李思佳助理研究員為第一作者，宋開山研究員為通訊作者。
該研究得到了國家重點計劃課題（2019YFC0409105）和國家自然科學基金重點項目（41730104）等共同資助。
圖1.圖形摘要
論文信息如下：
Sijia Li, Kaishan Song*, Shuai Wang, Ge Liu, Zhidan Wen, Yingxin Shang, Lili Lyu, Fangfang Chen, Shiqi Xu, Hui Tao, Yunxia Du, Chong Fang, Guangyi Mu. Quantification of chlorophyll-a in typical lakes across China using Sentinel-2 MSI imagery with machine learning algorithm. Science of Total Environmental, 2021, 778: 146271.
鏈接：https://doi.org/j.scitotenv.2021.146271
附件下載：
吉公網安備22017302000214號
