气候变暖和人类活动双重胁迫下，湖库富营养化和蓝藻水华呈现全球扩张态势，显著削弱了湖库生态服务功能和价值。卫星遥感在湖库环境监测上展示了巨大的优势和应用潜力。目前，MODIS、VIIRS和OLCI等海洋水色传感器空间分辨率较低（~300m），无法满足面积较小的湖库监测需求。随着Landsat-8、Sentinel-2A/B、Landsat-9等中高分辨率卫星的陆续发射，携带的较高质量传感器为高分辨率反演湖泊水质提供数据支撑。然而，这些中高分辨率传感器的时间分辨率较低，单独使用难以满足环境变化大的湖库监测需求，联合多源卫星传感器构建虚拟星座成为有效的解决策略。 　　

针对如何构建虚拟星座以高频监测中小型湖泊富营养化问题，中国科学院南京地理与湖泊研究所马荣华研究员课题组曹志刚博士，以云贵高原湖泊为试验区，交叉检验了Landsat-8/9 OLI、Sentinel-2A/2B MSI间的光谱一致性，发展了一套基于虚拟星座协同监测湖泊叶绿素a的方法，相关成果发表在遥感领域顶级期刊IEEE Transactions on Geoscience and Remote sensing上(https://doi.org/10.1109/TGRS.2022.3207345)。论文主要结果如下： 　　

（1）在卫星图像获取湖泊遥感反射率上，DSF大气校正方法适合在云贵高原湖泊从Landsat-8/9 OLI和Sentinel-2 MSI获取遥感反射率。该方法精度（相对误差~30%）不仅高于POLYMER、C2RCC、SeaDAS，且能从MSI和OLI数据产生一致的湖泊遥感反射率（相对差异11.8%），奠定了虚拟星座构建的基础（图1）。 　　

（2）在叶绿素a反演算法上，机器学习模型（MDN、随机森林、SVR）精度高于传统半经验/半分析模型，MDN方法精度最高。MDN方法同时适用于MSI和OLI，联合DSF大气校正，可从卫星图像获取较可靠的湖泊叶绿素a浓度（图2）。基于2293821个MSI和OLI同步样点对比发现他们获取的叶绿素a具有较好一致性（相对差异34.6%），据此，建立OLI-MSI叶绿素a的校正系数，用于构建虚拟星座。 　　

（3）利用2013-2022年的Landsat-8/9 OLI和Sentinel-2A/B MSI图像产生了云贵高原九大湖泊的叶绿素a时间序列（图3）。过去10年，L8/L9/S2虚拟星座获取的云贵高原九大湖泊群平均叶绿素a浓度范围是1.8μg/L-92.6μg/L之间，抚仙湖（2.1μg/L）、泸沽湖（1.8μg/L）叶绿素a平均浓度极低，洱海、阳宗海、程海叶绿素a浓度在8-16μg/L之间，滇池、星云湖、杞麓湖和异龙湖则浓度较高，均超过60μg/L。自2021年9月Landsat-9发射，该虚拟星座的理论观测频次为2-3天，基于MDN模型，未来可在提升湖泊环境观测空间细节（10-30m）的同时保证湖泊富营养化状态的高频观测。 　　

以上成果受到国家自然科学基金、江苏省自然科学基金和遥感科学国家重点实验开放基金资助。

 

图1 DSF获得的MSI和OLI遥感反射率的一致性

 

图2 算法在MSI和OLI影像的验证结果

 

图3 MSI-OLI获取的云南九大湖泊Chla时间序列