第七届青年地学论坛

叶绿素a是水体藻类的共有色素，常用于代表水体浮游植物生物量大小和评估水体富营养化状态。利用海洋水色卫星传感器，许多算法被开发用于世界范围内的湖泊叶绿素a浓度估算。受限于低空间分辨率，海洋水色传感器难以监测中小型湖泊，限制了遥感湖泊的空间尺度。宽波段卫星传感器具有较高的空间分辨率，是湖泊环境遥感的重要数据源，可有效弥补水色卫星的空间观测缺陷。作为典型的宽波段传感器，Landsat系列TM、ETM+和OLI，同时具有较高的空间分辨率和较长观测时间。但是，Landsat系列传感器的信噪比低、带宽大、波段数量少，且缺少内陆水体叶绿素a的光学敏感波段。针对宽波段传感器估算湖泊叶绿素a的机理和应用问题，研究评估了宽波段传感器辐射敏感性和带宽对遥感水体光学特性的影响，确定了宽波段传感器估算湖泊叶绿素a浓度的理论可行性，面向Landsat-8 OLI影像，开发了基于机器学习技术的湖泊叶绿素a估算算法，获取了中国江淮流域1 km²以上湖泊的叶绿素a时空格局。以太湖为例，将算法扩展到TM和ETM+上，得到了太湖1984-2019年叶绿素a时空变化规律。最后，简要研究探讨了气候和人类活动对区域湖泊群和太湖的叶绿素a的影响。

高分辨率,富营养化,Landsat,深度学习