東北地理所證實國產HJ-2衛星具備黑土區復雜湖群水質監測的跨湖泊泛化能力
東北黑土區湖泊密集分布，承擔著農業調蓄、水資源供給和生態維系等關鍵功能。然而，在高強度農業利用與氣候波動背景下，該區湖泊普遍呈現出高懸浮顆粒物、高有色溶解有機物和多源營養鹽輸入并存的特征，使其成為典型的光學復雜水體系統。葉綠素a（Chl-a）作為表征浮游植物生物量與營養狀態的核心指標，是湖泊生態監測和富營養化評估的基礎參數。對于黑土區而言，關鍵科學問題并非單一湖泊的反演精度，而是在高度光學異質性的湖群尺度上，如何構建具有跨水體泛化能力的遙感反演框架。
近日，東北地理所水環境遙感團隊圍繞國產環境減災衛星 Huanjing-2（HJ-2A/B）CCD數據，在東北黑土區典型湖泊開展系統研究，首次在不同營養狀態和光學類型條件下，綜合比較經驗模型（波段比）、半解析模型（QAA算法）和機器學習模型的葉綠素a反演性能，全面評估HJ-2在復雜湖群環境中的應用能力。
研究選取興凱湖、松花湖、呼倫湖和查干湖等具有代表性的黑土區湖泊。上述湖泊涵蓋寡營養、輕度富營養和中度富營養狀態，并對應有色溶解性有機物主導型、懸浮顆粒物主導型、混合型和浮游植物主導型等不同光學結構類型。2021-2023年期間，在國家民用空間基礎設施陸地觀測衛星共性應用支撐平臺支持下，研究團隊開展多次野外調查，獲取376組實測樣本數據，并結合HJ-2影像構建多類反演模型，對不同算法在跨湖泊條件下的穩定性與適用性進行了系統評估。研究結果表明，在單湖泊條件下，波段比和QAA模型均可獲得較好精度；但在湖群合并建模條件下，算法差異顯著。相比之下，機器學習方法在跨湖泊應用中表現出更強的泛化能力。其中，CatBoost模型在獨立驗證集中達到R2=0.97，RMSE為6.69 μg/L。基于最優模型生成的空間分布圖能夠清晰反映不同湖泊及不同季節間葉綠素a的空間異質性，體現出區域尺度應用潛力。
圖1 利用HJ-2影像在四個典型湖泊中應用不同葉綠素a算法進行夏季和秋季空間分布制圖，即：(a) 興凱湖（XKL），(b) 松花湖（SHL），(c) 呼倫湖（HLL）和 (d) 查干湖（CGL）。EM代表經驗模型，QAA代表半解析模型，ML代表機器學習模型。
作為我國新一代環境減災業務衛星，HJ-2A/B具備16米空間分辨率和2天重訪周期，并配置690–730 nm紅邊波段。較高時間分辨率對于黑土區高緯度湖泊季節性變化監測具有重要意義，而紅邊波段的加入增強了對葉綠素信號的敏感性，為渾濁水體條件下的水質反演提供了關鍵光譜信息。本研究表明，在復雜光學結構條件下，HJ-2 CCD能夠穩定支持葉綠素a定量反演，為國產衛星在黑土區生態環境監測中的規模化應用提供了研究基礎。在糧食安全與生態安全高度耦合的黑土區背景下，建立高頻、可靠的湖泊水質遙感監測能力，對于支撐區域水環境治理與生態修復決策具有重要意義。
該成果近期在線發表于遙感領域國際重要期刊International Journal of Digital Earth（IF=4.9），由東北地理所聯培碩士生周昊沄（現為北京師范大學博士生）、李思佳副研究員（通訊作者）、毛德華研究員和宋開山研究員，以及中國科學院空天信息創新研究院陶醉研究員等共同完成，該研究得到國家自然科學基金區域創新發展聯合基金項目（U2342008）和吉林省自然科學基金項目B類（J202401384ZYTS）資助。該論文數據來源于國家陸地觀測衛星共性應用支撐平臺（https://124.16.188.131:9699/web/server3/build/#/Home）。
論文信息：Zhou, H., Li, S., Liu, G., Mao, D., Tao, Z., Mu, G. and Song, K., 2026. Chinese new satellite HJ-2 imagery application in quantifying lake chlorophyll-a: empirical, semi-analytical and machine learning algorithms.?International Journal of Digital Earth,?19(1), p.2640812.
論文鏈接：https://www.tandfonline.com/doi/full/10.1080/17538947.2026.2640812
附件下載：
吉公網安備22017302000214號
