我所內陸湖泊藻類豐度指示性色素遙感反演算法研究獲得新進展
東北地理所地理景觀遙感學科組在內陸湖泊藻類豐度主要指示性色素——葉綠素-a（Chl-a）與藻清蛋白（PC）智能算法與半解析模型遙感反演算法等方面取得新的研究進展，相關研究成果發表在遙感和環境科學領域的國際主流學術期刊上（Remote Sensing of Environment, Environmental Science and Pollution Research; Ecological Informatics），為內陸渾濁水體水環境遙感算法及業務性應用奠定了技術基礎。
學科組成員與美國印第安納大學印第安納波利斯校區李林教授進行合作開發了自適應智能算法GA-PLS（Genetic Algorithm-Partial Least Squares)，對內陸重要湖泊和城市水源地的Chl-a進行了遙感算法研究[1]。本次研究同時使用了美國中西部水體、南澳大利亞水體、長春市水源地、太湖等實測數據（n = 1160），這些水體在固有光學特性與遙感反射率等方面梯度變化大，具有很好的代表性。研究結果表明GA所選取的波段與波段比值算法、半解析模型所采用的特征波段基本一致，具有很好的理論基礎。PLS在Chl-a濃度遙感反演方面表現穩定，具有很好的外推性。研究證明，在有代表性的大樣本訓練下，GA-PLS模型可以直接用于水體Chl-a濃度估算。
課題組成員以三波段模型對藍藻指示性色素PC進行濃度估算，為藍藻爆發的遙感監測提供理論與技術支撐[2-3]，同時也為其他地區湖泊富營養化遙感監測與動態分析提供了技術支撐。PC的實驗室分析一直以來是技術難點，本研究通過YSI水質儀的PC探頭獲取的藍藻濃度與遙感反射率構建了三波段模型。與實驗室分析結果對照表明，YSI水質儀與高光譜遙感有機結合，可為快速進行藍藻爆發、水體富營養化現狀評價提供信息支持，為水資源管理與污染治理決策提供依據。
以上研究工作得到NASA項目(NNG06GA92G)與國家自然科學基金項目（41171293）資助。
1.Song, K. S*., Li, L., Lenore, L. P., Li, S., Duan, H. T., Liu, D. W., Hall, B. E., Du, J., Li, Z. C., Shi, K., Zhao, Y. 2013. Remote estimation of chlorophyll-a in turbid inland waters: Three-band model versus GA-PLS model. Remote Sensing of Environment, 136, 342-357.
2. Song, K. S*., Li, L., Li, Z. C., Tedesco, L., Hall, B., Shi, K. 2013. Remote detection of cyanobacteria through phycocyanin for water supply source using three-band model. Ecological Informatics, 15, 22-33.
3. Song, K. S*., Li, L., Tedesco, L., Clercin, N., Hall, B., Li, S., Shi, K., Liu, D. W., Sun, Y. 2013. Remote estimation of phycocyanin (PC) for inland waters coupled with YSI PC fluorescence probe. Environmental Science and Pollution Research, 20(8): 5330-5340.
附件下載：
吉公網安備22017302000214號
