全球视野 媒体聚焦
接受央视报道共计15次 党媒、央媒、地方官媒总传播量达0.5亿人次
洪泽湖水体叶绿素a浓度反演
概述
叶绿素 a 是浮游植物的主要光合色素，常被用作浮游植物生物量的指标，是水环境管理的重要组成部分。叶绿素 a 浓度（Chla）是评估水体富营养化程度和研究水生环境中碳循环的关键指标，其快速、准确获取对湖泊生态管理至关重要。
传统的湖泊营养状态评价方法主要依赖于对水体的实地取样分析，然而该方法易受局部天气与环境影响，取样与测试过程也比较耗时耗力、成本较高，较难实现对湖泊富营养状态在精细时空尺度上的监测。与之相比，遥感技术具有覆盖范围广、获取资料快、周期短等优点，可弥补传统水质采样的诸多不足，因此，已被广泛应用于湖泊水环境和水生态等方面的监测。
数据
数据源：
（1）采样点数据：在本次研究中，共收集并分析了19个有效采样点数据，这些数据点经过严格筛选和质量控制，确保后续分析的准确性和可靠性。
（2）遥感数据：采用了Sentinel-2多光谱仪（MSI）提供的Level-2A级标准产品作为主要的遥感数据源。该数据产品涵盖了10个关键的光谱波段，包括B1至B9波段以及B8A波段，能够全面捕捉地表水体的光谱特征。所有遥感数据均通过Google Earth Engine平台高效获取和处理。
数据处理：
（1）实测数据清洗：首先剔除叶绿素a浓度（Chl-a）小于或等于0以及数值缺失的数据点，以确保数据的有效性和准确性。
（2）水体提取：应用归一化水体指数（NDWI），计算公式为(B3 - B8) / (B3 + B8)，通过设定阈值大于0.1生成水体掩膜，从而精确提取出水体区域，排除非水体像元的干扰。
（3）时空匹配处理：在空间上，提取每个采样点周围3x3像素窗口的平均反射率值，以减小像元级噪声和空间异质性的影响；在时间上，依据实际采样日期进行精确匹配，确保遥感数据与实地观测数据在时间上高度一致，提升分析的时空准确性。
技术路线
图1. 技术路线图
方法
本次研究基于已有的实测数据和卫星影像数据，通过对比不同单波段以及波段组合的相关系数，分别以相关性最高的波段组合值作为自变量，水质参数叶绿素a浓度作为因变量，构建统计回归模型进行水质反演，并以决定系数R2为评估标准检验模型是否准确，最终得到反演模型。
结果与分析
基于上述反演模型，得到采样点当日洪泽湖水体叶绿素a浓度分布图：
图2.洪泽湖水体叶绿素a浓度反演（mg/L）
如图所示，基于Sentinel-2反演的洪泽水体叶绿素a（Chl-a）浓度全湖整体处于较低营养水平，Chl-a浓度最大值仅为0.0145 mg/L，符合冬季水体浮游植物生物量受低温与弱光照抑制的季节性特征。空间上呈现明显的非均质格局，表现为“湖心低、边缘高”的分布模式：湖心开阔水域Chl-a浓度普遍偏低，水体较为清洁；而沿岸区域，尤其是入湖河口及邻近城镇的浅水湾汊，出现局部高值斑块，该处人类活动频繁，存在对水体富营养化的潜在影响。总体来看，此次反演时间为1 月（冬季），洪泽湖水温较低，藻类生长速率整体受抑制，因此主湖区 Chla 浓度处于全年较低水平；但湖岸带受陆源输入的 “点源式” 影响，仍形成局部高值区，这与洪泽湖 Chla 浓度 “冬春季近岸高、核心区低” 的季节分布规律一致。