東北地理所在北方湖泊藻藍蛋白遙感監測方法研究取得新進展
全球氣候變化加劇及人類活動加深,使得內陸水體藍藻水華頻發,對水生態系統造成嚴重威脅。作為藍藻特有的診斷性色素,藻藍蛋白(Phycocyanin,PC)在藍藻水華的檢測和預警中具有重要作用。然而,受光學信號弱、內陸水體復雜性高等因素制約,大規模準確估測PC濃度仍面臨挑戰。近日,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開發出一種基于光學分類與集成機器學習算法的PC遙感新方法,實現了對北方224個湖泊的高精度監測。
研究團隊利用2021至2023年在105個湖泊和水庫采集的1210份實測水樣,構建了基于基線高度分類的集成模型(EMBBC),將水體劃分為清水、渾濁水、高PC及中等PC四類,并通過十種機器學習算法融合輸出,實現了跨水體類型的高準確率預測(R2=0.95,MAPE=32.21%)。模型應用于Sentinel-3 OLCI影像生成了北方湖泊的PC時空分布圖,結果顯示,東部湖泊(115°E–120°E)PC濃度普遍較高,呈波動上升趨勢,而西部湖泊相對較低。
分析表明,PC濃度變化受自然和人為因素共同影響:人口密度、GDP及化肥施用量與PC濃度正相關,而夏季溫度、降水及風速等自然條件也顯著促進藍藻生長。不同流域表現出差異性,人類活動對黃河、淮河及松遼流域湖泊的影響尤為突出。
該研究不僅提出了高適用性、高精度的PC遙感估測方法,還為水華監測與水環境管理提供了科學依據,對實現聯合國可持續發展目標6(SDG6,清潔水與衛生設施)具有重要支撐作用。
相關成果已發表在國際期刊《ISPRS Journal of Photogrammetry and Remote Sensing》上。東北地理所聯合培養碩士研究生劉世卓為論文第一作者,房沖項目副研究員為通訊作者。研究獲得國家自然科學基金聯合基金、國家重點研發計劃及中國科學院戰略性先導科技專項等共同資助。
論文信息如下:
A novel method for remote sensing phycocyanin leveraging optical classification and an integrated machine learning algorithm
論文鏈接:
https://www.sciencedirect.com/science/article/pii/S0924271625004162

圖1基于基線高度分類的集成模型(EMBBC)框架圖

圖2 LHR B11/B7′算法在不同水體類別中藻藍蛋白濃度驗證框架圖
附件下載:
吉公網安備22017302000214號