內陸湖泊藻類(lèi)生物量遙感估算研究進(jìn)展
????富營(yíng)養化湖泊中藻類(lèi)大量繁殖，衛星觀(guān)測的表面藻華面積和葉綠素a濃度是評價(jià)水體富營(yíng)養化狀態(tài)的常用指標。但水華的暴發(fā)并非藻類(lèi)在二維表層快速生長(cháng)造成的，而是水體一定深度內藻類(lèi)生物量持續性累積，是藻類(lèi)在三維水柱中上下、水平遷移的綜合表現。遙感技術(shù)已經(jīng)成為藻類(lèi)生物量監測的重要手段，然而由于二類(lèi)水體（Case II，尤其是內陸水體）復雜的生物光學(xué)特性以及顯著(zhù)的地理空間區域性差異，目前仍無(wú)法建立具有較強普適性的生物量估算算法。此外，對藻類(lèi)生物量量化的深度必須包含整個(gè)藻類(lèi)生長(cháng)生存所覆蓋的絕大部分深度，深度的取決是估算的前提條件。因此，如何基于衛星遙感手段開(kāi)展內陸湖泊中包含藻類(lèi)深度內的生物量研究，以豐富湖泊水色遙感的研究?jì)群?，擴展湖泊水色遙感的應用深度和廣度，成為一個(gè)有待解決的問(wèn)題。
????中國科學(xué)院南京地理與湖泊研究所張玉超研究員課題組來(lái)萊博士，針對內陸湖泊藻類(lèi)生物量估算模型存在的問(wèn)題，基于MODIS衛星數據對內陸典型富營(yíng)養化湖泊-太湖的藻類(lèi)生物量長(cháng)時(shí)序變化開(kāi)展遙感評估研究并取得進(jìn)展。相關(guān)系列研究成果近期分別以Algal biomass mapping of eutrophic lakes using a machine learning approach with MODIS images和Satellite mapping reveals phytoplankton biomass's spatio-temporal dynamics and responses to environmental factors in a eutrophic inland lake為題發(fā)表在環(huán)境科學(xué)權威期刊The Science of The Total Environment和Journal of Environmental Management。
????系列研究基于野外實(shí)測數據和2003~2020年MODIS衛星數據，構建了估算太湖真光層內藻類(lèi)生物量的隨機森林機器學(xué)習算法、獲取了太湖近20年真光層深度內藻總量的長(cháng)時(shí)序數據集、解析了其時(shí)空動(dòng)態(tài)變化趨勢規律、定量評估了對環(huán)境變化因子的響應。研究表明，（1）基于機器學(xué)習算法估算內陸湖泊藻類(lèi)生物量誤差更低、模型更穩定、應用普適性更強；（2）太湖全湖藻類(lèi)生物量2003~2020年呈現三個(gè)變化階段，即2000~2007年緩慢上升，2008~2017年較平穩，2018~2020年相對減少，峰值出現在2007和2017年；（3）太湖全湖藻總量呈現雙峰年際變化模式；（4）太湖單元水柱藻總量呈現“三灣高（竺山灣、梅梁灣、貢湖灣），湖心低”的特點(diǎn)；（5）單元水柱藻總量對月際、年際尺度上溫度變化響應比較敏感，而風(fēng)速則直接影響著(zhù)每日的單元水柱藻總量的空間分布格局，較高的溫度和偏低的風(fēng)速促進(jìn)了湖泊中浮游藻類(lèi)的生長(cháng)，風(fēng)則通過(guò)湖泊的水動(dòng)力過(guò)程對藻總量空間分布細節產(chǎn)生直接影響；（6）藻類(lèi)生物量是評價(jià)湖泊富營(yíng)養化狀態(tài)更好的指標，可以提供浮游植物更細節的物候信息；（7）隨著(zhù)氣候變化的加劇，太湖富營(yíng)養化狀況將面臨著(zhù)更多的挑戰。
????該系列研究工作得到國家自然科學(xué)基金、中國科學(xué)院科研儀器設備研制項目、江蘇省水利科技項目聯(lián)合資助。
????論文鏈接：https://doi.org/10.1016/j.scitotenv.2023.163357，https://doi.org/10.1016/j.jenvman.2024.121134????
