Global Vision Media Focus
Das Unternehmen wurde insgesamt 15 Mal im chinesischen Staatsfernsehen CCTV erwähnt und erreichte über Parteimedien, zentrale Medien und lokale offizielle Medien insgesamt 50 Millionen Menschen.
Quantitative Inversion von Chlorophyll a in Seewasser mittels Fernerkundung
Überblick
Chlorophyll a Chlorophyll a ist das wichtigste Photosynthesepigment des Phytoplanktons und wird häufig als Indikator für die Phytoplanktonbiomasse verwendet, wodurch es zu einem wichtigen Bestandteil des Gewässermanagements wird. Die Chlorophyll-a-Konzentration (Chla) ist ein Schlüsselindikator zur Beurteilung des Eutrophierungsgrades von Gewässern und zur Untersuchung des Kohlenstoffkreislaufs in aquatischen Ökosystemen; ihre schnelle und genaue Messung ist für das ökologische Management von Seen unerlässlich.
Herkömmliche Methoden zur Beurteilung des trophischen Zustands von Seen basieren hauptsächlich auf der Probenahme und Analyse vor Ort. Diese Methode ist jedoch anfällig für lokale Wetter- und Umwelteinflüsse, und die Probenahme und -analyse ist zeitaufwändig, arbeitsintensiv und kostspielig, was die Überwachung der Eutrophierung von Seen in hoher räumlicher und zeitlicher Auflösung erschwert. Fernerkundungstechnologien bieten hingegen Vorteile wie eine große Abdeckung, eine schnelle Datenerfassung und kurze Verarbeitungszeiten und überwinden so viele Nachteile der traditionellen Wasserqualitätsanalyse. Daher werden sie häufig zur Überwachung der Wasserqualität von Seen und der aquatischen Ökologie eingesetzt.
Die optischen Eigenschaften von Binnengewässern sind jedoch stark regional und saisonabhängig, und verschiedene Algorithmen zur Chlorophyll-a-Inversion sind nach wie vor durch Jahreszeiten und geografische Gegebenheiten eingeschränkt. Dies führt zu Inkonsistenzen in den auf Wasserqualitätsparametern basierenden Inversionsmodellen in unterschiedlichen Untersuchungsgebieten. Daher werden in dieser Arbeit bereits etablierte Inversionsmodelle für verschiedene Seen verwendet, um deren Allgemeingültigkeit zu bewerten.
Daten
Inversionsmodell:
In den Vorarbeiten wurde ein binäres lineares Funktionsinversionsmodell erstellt, indem Daten von 20 Probenahmestellen im See am 15. Januar 2026 sowie Daten des Satelliten Sentinel-2, die im gleichen Zeitraum über den See liefen, durch verschiedene Kombinationen von Wellenlängenbändern verwendet wurden.
Verifizierungssee
Anhand von Sentinel-2-Satellitendaten, die im gleichen Zeitraum überflogen wurden, wurden die Daten für den Luoma-See und den Chaohu-See analysiert.Taiping-SeeDie Studie konzentrierte sich hauptsächlich auf den Longgan-See, den Daguan-See, den Gucheng-See und den Wabu-See. Bis zum 15. Januar 2026 wurden Daten zur Chlorophyll-a-Konzentration an verschiedenen Messstationen erhoben (Tabelle 1). Es wurde das Sentinel-2-Multispektralanalysenprodukt (MSI) der Stufe 2A verwendet, das 10 Spektralbänder (B1–B9, einschließlich B8A) abdeckt. Die Daten stammen von …Google Earth EngineErhalten.
Evaluierungsmethoden
Beim räumlichen Abgleich der Ergebnisse der Fernerkundungsinversion mit den Messdaten der Station wird ein 3×3 Pixel großes Fenster für die gemeinsame Extraktion verwendet, um die Genauigkeit der Verifizierung zu verbessern und die durch Skaleneffekte verursachte Unsicherheit zu reduzieren.
Der konkrete Implementierungsprozess gestaltet sich wie folgt:
(1) FensterStandort und GewinnungAusgehend von den Koordinaten der Messstation wird das nächstgelegene Nachbarpixel im Bild lokalisiert und alle Chlorophyll-a-Inversionswerte innerhalb eines 3×3-Nachbarschaftsfensters, das um dieses Pixel zentriert ist, werden extrahiert.
(2) Qualitätskontrolle und Statistik:
Ungültige Werte innerhalb des Fensters entfernen (z. B. Wolkenmaskenmarkierungen, Landpixel, invertierte Werte, die den physikalisch sinnvollen Bereich überschreiten usw.);
Die Anzahl gültiger Pixel muss mindestens 5 betragen; andernfalls werden die Daten für diese Seite als „Übereinstimmung fehlgeschlagen“ markiert und entfernt.
Der arithmetische Mittelwert der verbleibenden effektiven Pixel wird berechnet und als endgültiger repräsentativer Wert der Fernerkundungsinversion für die Messstation verwendet;
Das aus früheren Arbeiten abgeleitete optimale Modell wurde direkt auf andere Seen angewendet, und seine allgemeine Anwendbarkeit wurde anhand des Bestimmtheitsmaßes (R²), des mittleren quadratischen Fehlers (RMSE) und des mittleren absoluten Fehlers (MAE) bewertet.
Bestimmtheitsmaß (R²):
Mittlerer quadratischer Fehler (RMSE):
Mittlerer absoluter Fehler (MAE):
Ergebnisse und Analyse
Das vorherige Inversionsmodell wurde auf jeden See angewendet, und die folgenden Inversionskarten wurden erhalten:
Abbildung 1.Bilder von Sentinel-2 in Chaohu
Abbildung 2.Verteilungskarte der Chlorophyll-a-Inversionsergebnisse in Chaohu
Abbildung 3.Sentinel-2-Bilder vom Gucheng-See
Abbildung 4.Verteilungskarte der Ergebnisse der Chlorophyll-a-Inversion im Gucheng-See
Abbildung 5.Sentinel-2-Bilder vom Loma-See
Abbildung 6.Verteilungskarte der Chlorophyll-a-Inversionsergebnisse im Luoma-See
Abbildung 7.Sentinel-2-Bilder vom Taiping-See
Abbildung 8.Verteilungskarte der Ergebnisse der Chlorophyll-a-Inversion im Taiping-See
Der Bestimmtheitskoeffizient (R²) betrug 0,7589, der mittlere quadratische Fehler (RMSE) 0,002143 und der mittlere absolute Fehler (MAE) 0,001189. Dies spiegelt wider, dass das Inversionsmodell bei der Validierung über mehrere Seen hinweg eine „moderate Anpassung und regionale Differenzierung“ aufwies. Die Inversionsabweichung war in der Ästuarzone und in Gebieten mit niedriger Konzentration relativ gering. An drei Stationen zeigte das Modell im Gebiet hoher Biomasse am Westufer des Chaohu-Sees eine unzureichende Sensitivität, was möglicherweise auf Reste der winterlichen Algenblüte und den spektralen Kopplungseffekt von Schwebstoffen und Chlorophyll zurückzuführen ist. Räumliche Verteilungsabweichungen und…Optische Eigenschaften von WasserDie Gradienten sind sehr konsistent: Das Inversionssystem mit hoher Trübung weist systematisch niedrige Werte auf, während das tiefe, klare Gewässer (Taiping-See) relativ stabil ist. Dies bestätigt die Regel der Fernerkundungsinversion, dass der Gewässertyp die Modellantwort maßgeblich beeinflusst. Insgesamt ist das Modell sehr gut an relativ homogene Regionen mit optischen Gewässerhintergründen anpassbar und besitzt eine gewisse regionale Anwendbarkeit für Inversionen. Die Ergebnisse sind im Allgemeinen von praktischem Nutzen.
Da diese Inversion auf eintägigen Stationsdaten basiert und die Chlorophyll-a-Konzentration im Wasser im Winter niedrig ist und die Bilddaten stark von der Wolkenbedeckung beeinflusst werden, werden in Zukunft Daten aus mehreren Zeiträumen gesammelt, um die Stichprobengröße für mehrere Inversionen zu erhöhen.