湖泊藻类丰度指示性色素遥感反演算法获进展

　　中科院东北地理与农业生态研究所地理景观遥感学科组在内陆湖泊藻类丰度主要指示性色素——叶绿素-a(Chl-a)与藻清蛋白(PC)智能算法与半解析模型遥感反演算法等方面取得新的研究进展，相关研究成果发表在遥感和环境科学领域的国际主流学术期刊上(Remote Sensing of Environment, Environmental Science and Pollution Research; Ecological Informatics)，为内陆浑浊水体水环境遥感算法及业务性应用奠定了技术基础。

　　学科组成员与美国印第安纳大学印第安纳波利斯校区李林教授进行合作开发了自适应智能算法GA-PLS(Genetic Algorithm-Partial Least Squares)，对内陆重要湖泊和城市水源地的Chl-a进行了遥感算法研究[1]。本次研究同时使用了美国中西部水体、南澳大利亚水体、长春市水源地、太湖等实测数据(n=1160)，这些水体在固有光学特性与遥感反射率等方面梯度变化大，具有很好的代表性。研究结果表明，GA所选取的波段与波段比值算法、半解析模型所采用的特征波段基本一致，具有很好的理论基础。PLS在Chl-a浓度遥感反演方面表现稳定，具有很好的外推性。研究证明，在有代表性的大样本训练下，GA-PLS模型可以直接用于水体Chl-a浓度估算。

　　课题组成员以三波段模型对蓝藻指示性色素PC进行浓度估算，为蓝藻爆发的遥感监测提供理论与技术支撑[2-3]，同时也为其他地区湖泊富营养化遥感监测与动态分析提供了技术支撑。PC的实验室分析一直以来是技术难点，本研究通过YSI水质仪的PC探头获取的蓝藻浓度与遥感反射率构建了三波段模型。与实验室分析结果对照表明，YSI水质仪与高光谱遥感有机结合，可为快速进行蓝藻爆发、水体富营养化现状评价提供信息支持，为水资源管理与污染治理决策提供依据。

　　以上研究工作得到NASA项目(NNG06GA92G)与国家自然科学基金项目(41171293)资助。