[发明专利]MSI的湖泊富营养指数遥感估算方法

说明书

MSI的湖泊富营养指数遥感估算方法，它涉及一种MSI的湖泊富营养指数遥感估算方法。本发明的目的是为了提高湖泊富营养状态评价的系统性和精确程度。本方法如下：获取连续三年的内陆典型湖泊水体星地同步数据，利用修订的卡尔森富营养化指数公式和实测的叶绿素a、透明度和总磷浓度值计算富营养化指数，评价湖泊富营养状况和等级；将同步MSI Level1C影像数据经过重采样和大气校正预处理，获取湖泊水体采样点对应的遥感反射率；根据第一波段、第四波段和第五波段反射率组合，构建富营养化指数TSI反演模型并精度验证；获取典型内陆湖泊富营养化指数的时空分布。本发明的湖泊富营养化指数遥感估算方法，提高了湖泊富营养化监测的效率和精度，属于富营养指数遥感估算领域。

技术领域

本发明涉及一种MSI的湖泊富营养指数遥感估算方法。

背景技术

全球面积大于25km²的2058个湖泊中，63.1％处于富营养化状态，亚洲54％、欧洲53％、北美48％、非洲28％和南美41％的湖泊受到富营养化影响。由于陆源输入营养负荷增加和生产力急剧增长，缺氧和藻华事件频繁暴发，湖泊富营养化已经成为影响大部分淡水生态系统的全球水质问题。

湖泊水生态环境监测的常用范式是富营养化状况，它是光、热、水动力学和营养物如氮和磷的结合形成的一系列生物、化学和物理过程。

目前，国内外普遍采用“野外采样—室内试验”方法，以实测总磷、叶绿素a和透明度等浓度作为富营养化参数指标，引入一种被广泛采用的数值—卡尔森富营养化状态指数(Trophic status index，TSI)，定量富营养状态，表征湖泊为“寡养”、“中养”或“富营养化”等级。

传统的野外离散采样和室内分析测试方法，一方面需要大量人力、物力和财力且耗时长，水样的保存时间、保存温度、不同仪器测量精度、水样前处理操作等都会对TSI指数计算的结果造成较大影响。其次，湖泊单个样本的营养程度不能代表整个湖泊，且部分湖泊由于地处偏远，难以进行现场测量，限制区域尺度或全球尺度湖泊富营养化评估，缺乏对大区域尺度上湖泊生物地球化学循环过程的理解和富营养化治理政策综合实施。

卫星遥感技术被广泛用于监测湖泊水生环境，并基于反射率光谱和存档数据提供时空连续的动态变化，可弥补传统方法的不足。

富营养指数TSI三个指标中，叶绿素a作为光学活性物质具有独特的光学特性，富营养化遥感监测主要通过估算水体中叶绿素a的浓度来实现。叶绿素a定量遥感反演的数据源主要有OLI、MODIS、SPOT、MSI、OLCI和MERIS，反演模型主要有基线法、波段比值模型、三波段模型、四波段模型、QAA生物光学模型和人工智能机器学习算法(Gitelson et al.,2008；Gower et al.,2005；Gurlin et al.,2011；Moses et al.,2009；Shen et al.,2010；Yanget al.,2010)。近年来，随着人工智能新型算法发展，线性回归算法、神经网络法、随机森林和Boost算法在不同程度上提高叶绿素a浓度估算精度。Li Sijia等(2021)基于MSI数据产品验证了两波段模型、三波段模型、三波段叶绿素指数模型、MCI叶绿素指数模型、SCI综合叶绿素指数模型以及人工智能机器算法如线性回归、支持向量机和Catboost算法在中国典型湖泊的适用性，其中支持向量机获得较高的反演精度。Watanabe et al.,(2015)应用Landsat OLI数据反演叶绿素a浓度，进而估算水体富营养指数TSI。