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
面向湖泊水体的叶绿素 a 遥感定量反演
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。
但内陆水体光学特征具有较强的区域性和季节性，而且针对叶绿素 a 反演的各种算法仍受到季节和地理位置等的限制，致使不同研究区基于水质参数建立的反演模型存在不一致性，因此本文基于前期建立的反演模型对不同湖泊进行引用，以评估其通用性。
数据
反演模型：
在前期工作中，通过2026年1月15日20个湖泊采样点以及同期过境的Sentinel-2卫星数据，通过不同波段组合，建立了二元线性函数反演模型。
验证湖泊
以同期过境的Sentinel-2卫星数据对骆马湖、巢湖、太平湖、龙感湖、大观湖、固城湖、瓦埠湖为主，收集各湖泊2026年1月15日的站点Chl-a浓度数据（表1）。其中，Sentinel-2多光谱仪（MSI）Level-2A产品，覆盖10个波段（B1~B9，包括B8A）。数据从Google Earth Engine获取。
评估方法
在遥感反演结果与实测站点数据的空间匹配过程中，为提升验证精度并降低尺度效应带来的不确定性，采用3×3像元窗口协同进行提取。
具体实施流程如下：
（1）窗口定位与提取：以监测站点坐标为中心，定位其在影像中的最近邻像元，并提取以该像元为核心的3×3邻域窗口内所有叶绿素a反演值；
（2）质量控制与统计：
剔除窗口内无效值（如云掩膜标记、陆地像元、反演值超出物理合理范围等）；
要求有效像元数量≥5个，否则该站点数据标记为“匹配失败”予以剔除；
对剩余有效像元计算算术平均值，作为该实测站点的最终遥感反演代表值；
将前期工作得出的最佳模型直接应用于其他湖泊，通过决定系数(R²)、均方根误差(RMSE)和平均绝对误差(MAE)评估其通用性。
决定系数（R2）：
均方根误差（RMSE）：
平均绝对误差（MAE）：
结果与分析
将前期反演模型应用到各个湖泊，得到以下反演分别图：
图 1.巢湖Sentinel-2影像
图 2.巢湖叶绿素a反演结果分布图
图 3.固城湖Sentinel-2影像
图 4.固城湖叶绿素a反演结果分布图
图 5.骆马湖Sentinel-2影像
图 6.骆马湖叶绿素a反演结果分布图
图 7.太平湖Sentinel-2影像
图 8.太平湖叶绿素a反演结果分布图
决定系数（R²）为0.7589，均方根误差（RMSE）为0.002143，平均绝对误差（MAE）为0.001189，反映该反演模型在跨湖泊验证中呈现“中等拟合、区域分异”特征。入湖河口带及低浓度区反演偏差较小，站点3处模型在巢湖西岸高生物量区域的敏感性不足，可能与冬季藻华残留、悬浮物-叶绿素光谱耦合效应有关；空间分布偏差与水体光学特性梯度高度吻合—高浊度反演系统性偏低，深水清洁水体（太平湖）相对稳定，印证“水体类型主导模型响应”的遥感反演规律，整体反映模型对水体光学背景相对均质区域的适应性较强，整体具备一定区域适用基础反演，结果整体具备实用价值。
因本次反演基于单日站点数据，且水体叶绿素a浓度在冬季较低、影像数据受云量影响较大，后续将持续收集多期数据，增大样本量进行多期反演。