岳程鵬，李 興，包龍山，魏敬鋌

（1.內(nèi)蒙古師范大學(xué) 地理科學(xué)學(xué)院，呼和浩特 010022；2.內(nèi)蒙古師范大學(xué) 內(nèi)蒙古節(jié)水農(nóng)業(yè)工程 研究中心，呼和浩特 010022；3.鄂爾多斯林業(yè)和草原局，內(nèi)蒙古 鄂爾多斯 016100； 4.內(nèi)蒙古環(huán)科園環(huán)境科技有限責(zé)任公司，呼和浩特 010011）

0 引 言

【研究意義】烏梁素海作為內(nèi)蒙古“一湖兩?！敝匾M成部分，其一旦消失將造成土地沙漠化和加劇華北地區(qū)沙塵暴，近年來富營養(yǎng)化問題突出，因此研究烏梁素海水體環(huán)境十分必要，可為湖泊水質(zhì)治理與改善提供一定的依據(jù)和借鑒。遙感技術(shù)在水體監(jiān)測中具有無法替代的優(yōu)勢：速度快、范圍廣、成本低、周期性短[1]，利用遙感對(duì)水質(zhì)進(jìn)行監(jiān)測，可以極大地提高水質(zhì)監(jiān)測效率。

【研究進(jìn)展】國內(nèi)外學(xué)者運(yùn)用遙感數(shù)據(jù)對(duì)水質(zhì)參數(shù)進(jìn)行反演，取得了豐厚的研究成果。水環(huán)境遙感反演常用的方法有經(jīng)驗(yàn)?zāi)Ｐ?、半?jīng)驗(yàn)（半分析模型）、分析模型。經(jīng)驗(yàn)?zāi)Ｐ头矫?，馬馳[2]采用回歸分析，建立松嫩平原水體中葉綠素a 和懸浮物量的遙感模型；Zhan 等[3]基于Landsat8 OLI 圖像，在NIR 和可見光波段，構(gòu)建反演黃河三角洲表面懸浮物濃度的經(jīng)驗(yàn)立體模型；Abdelmalik[4]基于ASTER 遙感數(shù)據(jù)與水質(zhì)參數(shù)的相關(guān)性構(gòu)建埃及Qaroun 湖泊的水質(zhì)反演回歸模型。半經(jīng)驗(yàn)?zāi)Ｐ头矫妫琙heng 等[5]基于浮游植物光吸收系數(shù)，運(yùn)用半分析法構(gòu)建了廣義疊加模型（GSCM）獲得美國切薩皮克海灣的葉綠素 a 質(zhì)量濃度；Fernanda 等[6]基于近紅外波段的半經(jīng)驗(yàn)算法和紅光區(qū)波段的半分析算法分別構(gòu)建Funil 水庫葉綠素a 的預(yù)測模型；陳軍等[7]以太湖水質(zhì)濃度試驗(yàn)數(shù)據(jù)和同步的Hyperion 影像為數(shù)據(jù)基礎(chǔ)，運(yùn)用四波段半分析法反演葉綠素a 質(zhì)量濃度。分析模型方面，Giardino 等[8]利用Hyperion 數(shù)據(jù)，基于生物光學(xué)模型對(duì)Garda 湖的葉綠素和懸浮物進(jìn)行了質(zhì)量濃度反演，吳儀等[9]研究水體的輻射傳輸機(jī)理，分析入射光的吸收和散射，推導(dǎo)葉綠素質(zhì)量濃度遙感反演模型。

【切入點(diǎn)】前人對(duì)水環(huán)境遙感反演研究均取得了重要的科研成果，但是多數(shù)學(xué)者對(duì)水環(huán)境的遙感監(jiān)測僅僅基于單季度反演，缺乏多個(gè)季度反演。為此，選取烏梁素海Landsat8 OLI 遙感影像并提取水體采樣點(diǎn)遙感反射率，結(jié)合實(shí)測水體葉綠素a質(zhì)量濃度數(shù)據(jù)，采用回歸分析方法，構(gòu)建多季度（春、夏、秋）浮游植物生物量反演模型。由于浮游植物生物量和葉綠素a 質(zhì)量濃度高度相關(guān)，葉綠素a 能夠反映綠色植物和藍(lán)藻對(duì)水環(huán)境污染程度，因此葉綠素a 常被用作浮游植物生物量代用指標(biāo)[10-11]?！緮M解決的關(guān)鍵問題】通過對(duì)烏梁素海多個(gè)季度（春、夏、秋）浮游植物生物量進(jìn)行反演，本研究可以為同類型寒旱區(qū)湖泊生態(tài)環(huán)境治理提供一定的理論依據(jù)和借鑒。

1 材料與方法

1.1 研究區(qū)概況

烏梁素海位于內(nèi)蒙古巴彥淖爾市烏拉特前旗境內(nèi)，呼和浩特、包頭、鄂爾多斯三角地帶的邊緣，河套平原東端，為我國第八大淡水湖，是全球荒漠半荒漠地區(qū)極為少見的大型寒旱區(qū)湖泊[12-13]。烏梁素海流域?qū)儆趦?nèi)陸斷陷盆地，是典型的牛軛湖。溫帶大陸性氣候顯著，冬季寒冷漫長，夏季炎熱短暫。烏梁素海是河套灌區(qū)工業(yè)廢水、農(nóng)業(yè)退水、生活污水的承泄場所，水環(huán)境較差，成為內(nèi)蒙古湖泊水質(zhì)最為惡化、富營養(yǎng)化最為嚴(yán)重的草-藻型湖泊[14-16]。

1.2 數(shù)據(jù)采集與處理

于2016—2018 年春季（4、5 月）、夏季（6、7、8 月）、秋季（9、10 月）在烏梁素海進(jìn)行采樣，使用GPS 設(shè)置固定采樣點(diǎn)位置（圖1），在每個(gè)采樣點(diǎn)水下0.5 m處采取1 L的葉綠素水樣，裝入聚乙烯瓶中，每升葉綠素水樣現(xiàn)場加入2～4 mL 的1% MgCO3溶液，然后將聚乙烯瓶進(jìn)行密封保存，運(yùn)回實(shí)驗(yàn)室進(jìn)行分析，葉綠素a 質(zhì)量濃度的測定使用分光光度計(jì)法。

圖1 烏梁素海采樣點(diǎn) Fig.1 Sampling points in Lake Wuliangsuhai

1.3 遙感數(shù)據(jù)獲取與處理

從中國科學(xué)院遙感與數(shù)字地球研究所的對(duì)地觀測數(shù)據(jù)共享（ids.ceode.ac.cn）網(wǎng)上下載與采樣時(shí)間（2016—2018 年春、夏、秋季）相近的Landsat8 OLI遙感影像，云量覆蓋率均小于10%，利用ENVI 5.5遙感軟件對(duì)遙感影像進(jìn)行預(yù)處理，包括輻射定標(biāo)、大氣校正、裁剪等步驟。

1.4 烏梁素海遙感反射率的變化特征

遙感反射率是湖泊水色的綜合反映，是水體光學(xué)活性物質(zhì)吸收和散射互相作用的結(jié)果，包含了湖泊中 葉綠素、總懸浮物、有色可溶性有機(jī)物濃度等光學(xué)活性物質(zhì)的信息[17]。由于夏季烏梁素海浮游植物生長迅速，水體光譜反射較強(qiáng)，因此選擇2017 年7 月的水體光譜反射曲線。由圖2 可以看出，烏梁素海光譜特性基本上符合二類水體的光譜特征，波普之間的反射率差異明顯，藍(lán)光波段（450～515 nm）處形成1 個(gè)吸收谷，這是由于藻類色素對(duì)于藍(lán)光的強(qiáng)吸收造成的，在綠光波段（525～600 nm）處形成1 個(gè)反射峰，這主要是由于葉綠素a和胡蘿卜素吸收較弱加上細(xì)胞的散射作用而導(dǎo)致的，部分樣點(diǎn)的紅光波段（630～680 nm）也形成一個(gè)吸收谷，藻類濃度較高時(shí)，水體反射率曲線在這個(gè)波段處會(huì)形成谷值，部分樣點(diǎn)的近紅外波段處（845～885 nm）形成一個(gè)反射峰，近紅外波段的強(qiáng)反射則源于光線在藍(lán)藻細(xì)胞內(nèi)部的多次散射[18-20]。

圖2 烏梁素海2017 年7 月各采樣點(diǎn)遙感反射率 Fig.2 Remote sensing reflectance of sampling points in Lake Wuliangsuhai in July 2017

1.5 模型構(gòu)建

1.5.1 Spss 主成分分析

1）設(shè)有n 個(gè)樣本，每個(gè)樣本選取烏梁素海Landsat8 OLI 遙感影像前7 個(gè)波段的遙感反射率作為不同變量，分別為Coastal（海岸波段）、Blue (藍(lán)）、Green（綠）、Red（紅）、NIR（近紅外）、SWIR 1（短波紅外1）、SWIR 2（短波紅外2），記為Rij(i=1,2,3…,n j=1,2,3,…,7)。

2）對(duì)變量Rij進(jìn)行標(biāo)準(zhǔn)化處理。

3）KMO ( Kaiser-Meyer-Olkin )檢驗(yàn)和Bartlett 球形度用于定量的檢驗(yàn)變量之間是否具有相關(guān)性。KMO 檢驗(yàn)大于0.6，即樣本符合數(shù)據(jù)結(jié)構(gòu)合理的要求，Bartlett's 檢驗(yàn)的P 值小于0.05，可以進(jìn)行主成分提取。

4）提取主成分個(gè)數(shù)（主成分的特征值大于1，陡坡圖檢驗(yàn)—陡坡趨于平緩的位置判斷提取主成分的數(shù)量）。

5）各個(gè)主成分與葉綠素a 質(zhì)量濃度之間進(jìn)行Pearson 相關(guān)分析，確定影響烏梁素海遙感反射率的主要主成分。

1.5.2 波段比值方法

采用不同波段反射率比值可以在一定程度上消除水體表層光滑度和微波隨時(shí)空變化所產(chǎn)生的影響，同時(shí)也可以減小其他水體污染物的干擾[17]。通過對(duì)烏梁素海遙感影像各波段的反射率分析，首先選擇近紅外波段、紅光波段進(jìn)行比值處理，再將比值與實(shí)測葉綠素a 質(zhì)量濃度之間進(jìn)行Pearson 相關(guān)分析，選取相關(guān)系數(shù)最大者進(jìn)行回歸分析，建立葉綠素a 質(zhì)量濃度反演模型。比值模型如下：

式中：RRed代表紅光波段反射率；RNIR代表近紅外波段反射率。在Landsat8 OLI 遙感影像中分別對(duì)應(yīng)于4 波段、5 波段。

1.5.3 波段差值方法

根據(jù)烏梁素海遙感影像上紅波段、近紅外波段的波普差異，首先選擇近紅外波段、紅光波段進(jìn)行差值處理，再將差值與葉綠素a 質(zhì)量濃度做Pearson 相關(guān)性分析，進(jìn)行回歸分析，進(jìn)行葉綠素a質(zhì)量濃度反演。差值模型如下：

式中：RRed代表紅光波段反射率；RNIR代表近紅外波段反射率。在Landsat8 OLI 遙感影像中分別對(duì)應(yīng)于4 波段、5 波段。

2 結(jié)果與分析

2.1 構(gòu)建反演模型

2.1.1 春季浮游植物生物量反演

選取2016、2017、2018 年4、5 月共6 幅烏梁素海Landsat8 OLI 遙感影像，云量覆蓋率均小于10%，對(duì)遙感影像進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理，提取各采樣點(diǎn)的遙感反射率，對(duì)采樣點(diǎn)的波段進(jìn)行組合，共72 組數(shù)據(jù)，抽取其中60 組數(shù)據(jù)構(gòu)建主成分、比值和差值模型。

通過主成分分析，確定KMO 檢驗(yàn)系數(shù)為0.805，大于0.6，即樣本符合數(shù)據(jù)結(jié)構(gòu)合理的要求，Bartlett's檢驗(yàn)的P 值小于0.001，可以進(jìn)行主成分提取，提取了1 個(gè)主成分，主成分的貢獻(xiàn)率為87.31%。將主成分、比值和差值模型分別與同期實(shí)測的葉綠素a 質(zhì)量濃度進(jìn)行相關(guān)性分析。比值模型中b5（近紅外）/b4（紅光）與葉綠素a 質(zhì)量濃度的相關(guān)系數(shù)為0.641，相關(guān)性極顯著（P＜0.01）；差值模型中b5-b4與葉綠素a 質(zhì)量濃度的相關(guān)系數(shù)為0.605，相關(guān)性極顯著（P＜0.01）；主成分與葉綠素a 質(zhì)量濃度的相關(guān)系數(shù)為0.123，二者無相關(guān)性。

因此分別將b5/b4、b5-b4作為自變量對(duì)因變量葉綠素a 質(zhì)量濃度進(jìn)行反演，運(yùn)用origin 軟件分別選用線性、二次多項(xiàng)式、指數(shù)函數(shù)進(jìn)行回歸分析擬合，詳細(xì)結(jié)果見表1。由表1 可知，比值模型中，二次多項(xiàng)式Y(jié)=0.343X2-0.66X+10.56 的擬合效果最好，決定系數(shù)R2為0.511，F(xiàn) 檢驗(yàn)值為24.143，差值模型中，指數(shù)擬合效果最好，決定系數(shù)R2為0.467，F(xiàn) 檢驗(yàn)值為15.841。

表1 春季烏梁素海浮游植物生物量反演模型 Table 1 Phytoplankton inversion model in Lake Wuliangsuhai in spring

2.1.2 夏季浮游植物生物量反演模型

選取2017 年6、7、8 月共3 幅烏梁素海Landsat8 OLI 遙感影像，云量覆蓋率均小于10%，對(duì)遙感影像進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理，提取各采樣點(diǎn)的遙感反射率，進(jìn)行波段組合，共36 組數(shù)據(jù)，抽取其中24 組數(shù)據(jù)構(gòu)建主成分分析、比值模型、差值模型。

自古以來，山東盛產(chǎn)魁梧高大的漢子。鞏曉彬之外，球隊(duì)的主力中鋒紀(jì)民尚也是當(dāng)時(shí)國家隊(duì)的?？?。與鞏曉彬不同，紀(jì)民尚以精準(zhǔn)中投和踏實(shí)作風(fēng)著稱，從青年時(shí)便有了“老黃?！钡耐馓?hào)。再加上多次獲得搶斷王的后衛(wèi)鞠維松，這三個(gè)人構(gòu)成了山東男籃在聯(lián)賽初期的戰(zhàn)力來源。大部分時(shí)間，葉鵬成為了這支隊(duì)伍的主帥。

對(duì)烏梁素海遙感反射率運(yùn)用SPSS 進(jìn)行主成分分析，KMO 檢驗(yàn)系數(shù)為0.757，大于0.6，即樣本符合數(shù)據(jù)結(jié)構(gòu)合理的要求，Bartlett's 檢驗(yàn)的P 值小于0.001，可以進(jìn)行主成分提取，提取了2 個(gè)主成分，第一主成分的貢獻(xiàn)率為80.764%，第二主成分的貢獻(xiàn)率為15.605%，這2 個(gè)主成分的貢獻(xiàn)率累計(jì)達(dá)到96%左右。

將第一主成分、第二主成分、比值模型、差值模型分別與葉綠素a 質(zhì)量濃度進(jìn)行相關(guān)性分析，第二主成分與葉綠素a 質(zhì)量濃度相關(guān)系數(shù)為0.859，相關(guān)性較高，因此第二主成分可以較好地反映葉綠素a 質(zhì)量濃度的信息；比值模型中b5（近紅外）/b4（紅光）與葉綠素a 質(zhì)量濃度的相關(guān)性極顯著；差值模型中b5-b4與葉綠素a 質(zhì)量濃度的相關(guān)性極顯著。

因此分別將第二主成分、b5/b4、b5-b4作為自變量對(duì)因變量葉綠素a 質(zhì)量濃度進(jìn)行反演，運(yùn)用origin 軟件分別選用線性、二次多項(xiàng)式、指數(shù)函數(shù)進(jìn)行回歸分析擬合，詳細(xì)結(jié)果見表2。由表2 可知，比值模型中，二次多項(xiàng)式Y(jié)=0.026X2+2.374X+8.206 的擬合效果最好，決定系數(shù)R2為0.816，F(xiàn) 檢驗(yàn)值為46.482，其次是線性函數(shù)，R2和F 值分別是0.815、96.637；主成分模型中，擬合效果最好的函數(shù)也是二次多項(xiàng)式，決定系數(shù)R2是0.738，F(xiàn) 檢驗(yàn)值是29.612。

表2 夏季烏梁素海浮游植物生物量反演模型 Table 2 Phytoplankton inversion model in Lake Wuliangsuhai in summer

2.1.3 秋季浮游植物生物量反演模型

選取2016 年9、10 月、2017 年9 月、2018 年9、10 月共5 幅烏梁素海Landsat8 OLI 遙感影像，云量覆蓋率均小于10%，對(duì)遙感影像進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理，提取各采樣點(diǎn)的遙感反射率，進(jìn)行波段組合，共60 組數(shù)據(jù)，抽取其中50 組數(shù)據(jù)構(gòu)建比值模型和波段（b5-b4）/b3模型。

主成分與葉綠素a 質(zhì)量濃度沒有相關(guān)性，比值模型中b5（近紅外）/b4（紅光）與葉綠素a 質(zhì)量濃度的相關(guān)系數(shù)小于（b5-b4）/b3（b3為綠光波段）模型。因此選擇（b5-b4）/b3作為自變量對(duì)因變量葉綠素a 質(zhì)量濃度進(jìn)行反演，運(yùn)用origin 軟件分別選用線性、二次多項(xiàng)式、指數(shù)函數(shù)進(jìn)行回歸分析擬合，結(jié)果見表3。如表3 所示，模型中，二次多項(xiàng)式Y(jié) = -0.025X2+2.616X + 8.629 的擬合效果最好，決定系數(shù)R2為0.602，F(xiàn) 檢驗(yàn)值為34.859，其次是線性函數(shù)，R2和F 值分別是0.591、67.856。

表3 秋季烏梁素海浮游植物生物量反演模型 Table 3 Phytoplankton inversion modelin Lake Wuliangsuhai in autumn

2.2 精度檢驗(yàn)及誤差分析

2.2.1 春季浮游植物生物量反演模型檢驗(yàn)

選擇基于b5/b4為自變量的二次多項(xiàng)回歸模型Y = 0.343X2-0.66X+10.56 作為驗(yàn)證模型，由于春季預(yù)處理后的3 幅遙感影像中剩余12 組數(shù)據(jù)未參與模型的構(gòu)建，具有獨(dú)立性，因此使用剩余的12 組數(shù)據(jù)對(duì)模型進(jìn)行反演精度檢驗(yàn)，繪制實(shí)測值與反演值散點(diǎn)圖（圖3）。烏梁素海春季實(shí)測值與預(yù)測值值之間的RMSE 是6.88 mg/m3，最小相對(duì)誤差12%，最大相對(duì)誤差51%，說明該模型反演效果相對(duì)較差。

圖3 春季實(shí)測值與預(yù)測值散點(diǎn)圖 Fig.3 Scattered points of measured and predicted values in spring

2.2.2 夏季浮游植物生物量反演模型檢驗(yàn)

選擇基于b5/b4為自變量的二次多項(xiàng)回歸模型Y = 0.026X2+2.374X+8.20 作為驗(yàn)證模型，由于夏季預(yù)處理后的3 幅遙感影像中剩余12 組數(shù)據(jù)未參與模型的構(gòu)建，具有獨(dú)立性，因此使用剩余的12 組數(shù)據(jù)對(duì)模型進(jìn)行反演精度檢驗(yàn)，繪制實(shí)測值與反演值散點(diǎn)圖（圖4）。烏梁素海夏季實(shí)測值與預(yù)測值值之間的RMSE 是3.67 mg/m3，最小相對(duì)誤差2.55%，最大相對(duì)誤差50.86%，平均相對(duì)誤差22.38%，說明該模型反演效果相對(duì)較好，具有一定的實(shí)用性。

圖4 夏季實(shí)測值與預(yù)測值散點(diǎn)圖 Fig.4 Scattered points of measured and predicted values in summer

2.2.3 秋季浮游植物生物量反演模型檢驗(yàn)

選擇基于（b5-b4）/b3為自變量的二次多項(xiàng)回歸模型Y =-0.025X2+2.616X+8.629 作為驗(yàn)證模型，由于秋季預(yù)處理后的3 幅遙感影像中剩余10 組數(shù)據(jù)未參與模型的構(gòu)建，具有獨(dú)立性，因此使用剩余的10 組數(shù)據(jù)對(duì)模型進(jìn)行反演精度檢驗(yàn)，繪制實(shí)測值與反演值散點(diǎn)圖（圖5）。烏梁素海秋季實(shí)測值與預(yù)測值值之間的RMSE是4.63 mg/m3，最小相對(duì)誤差19%，最大相對(duì)誤差42%，說明該模型反演一般。

圖5 秋季實(shí)測值與預(yù)測值散點(diǎn)圖 Fig.5 Scattered points of measured and predicted values in autumn

3 討 論

由于冬季氣溫低，浮游植物生物量較少，提取的遙感反射率不明顯，所以本研究只選擇了3 季的數(shù)據(jù)用以建立春、夏、秋季節(jié)的浮游植物生物量反演模型。本文所構(gòu)建的烏梁素海秋季浮游植物生物量反演模型和馬馳[2]所構(gòu)建的松嫩平原水體秋季葉綠素a 反演模型都是由近紅外（b5）、紅光（b4）、綠光（b3）波段反射率值經(jīng)數(shù)學(xué)變換組合而成，二者都符合葉綠素a 的光學(xué)特性即葉綠素a 一般在近紅外波段和綠光波段形成反射峰，在紅光波段形成吸收谷[21]，因此三波段反射率值經(jīng)數(shù)學(xué)變換組合，可以增強(qiáng)對(duì)水體葉綠素a 變化的敏感度。與春秋二季浮游植物生物量反演模型精度相比，夏季浮游植物生物量反演模型精度最高，如表2 比值多項(xiàng)式模型所示，決定系數(shù)R2為0.816，再如圖4 所示，夏季實(shí)測值與預(yù)測值的均方根方差RMSE 為3.67 mg/m3，唐爽等[22]構(gòu)建的艾比湖夏季浮游植物生物量反演模型精度也較高，其決定系數(shù)R2為0.832，二者研究結(jié)果相似的原因可為夏季氣溫高，浮游植物快速繁殖，傳感器對(duì)葉綠素a 的監(jiān)測能力強(qiáng)。

相比其他研究僅僅采用單一季節(jié)數(shù)據(jù)進(jìn)行反演，本研究構(gòu)建春、夏、秋3 季的浮游植物生物量反演模型，具有一定的普適性，這對(duì)烏梁素海水質(zhì)改善提供了一定的理論依據(jù)，同時(shí)Landsat8 OLI 遙感影像的應(yīng)用，能體現(xiàn)湖區(qū)的真實(shí)地理環(huán)境，反演結(jié)果可以細(xì)化到湖區(qū)每一點(diǎn)，反映出湖區(qū)浮游植物生物量的分布，極大地提高水質(zhì)監(jiān)測效率。但是烏梁素海春、秋季反演模型中實(shí)測值與預(yù)測值的誤差較大，影響反演模型的精度的主要原因可分為：①試驗(yàn)數(shù)據(jù)采集缺乏同步性，烏梁素海野外實(shí)測數(shù)據(jù)與Landsat8 OLI 遙感影像過境時(shí)間不同步；②空間分辨率不高，Landsat8 OLI空間分辨率為30 m，較高的空間分辨率可以更加精細(xì)監(jiān)測水質(zhì)變化；③采樣點(diǎn)數(shù)量較少，由于采樣的主客觀條件限制，烏梁素海采樣點(diǎn)數(shù)量較少。今后對(duì)烏梁素海浮游植物生物量反演進(jìn)一步研究時(shí)，應(yīng)選擇多種遙感衛(wèi)星數(shù)據(jù)構(gòu)建反演模型，對(duì)源于不同遙感數(shù)據(jù)源的反演模型給予精度驗(yàn)證，以此提高反演模型精度，為烏梁素海水質(zhì)監(jiān)測提供更加精確的理論。

4 結(jié) 論

1）烏梁素海夏季浮游植物生物量反演模型Y= 0.026X2+2.374X+8.20 反演精度較高，R2和RMSE 分別為0.816 和3.67 mg/m3。

2）為了縮小誤差，提高精度，使用光譜儀采集水體光譜數(shù)據(jù)（采集水樣與采集光譜數(shù)據(jù)務(wù)必同步），細(xì)胞體積轉(zhuǎn)化法計(jì)算浮游植物生物量濃度，利用高光譜遙感影像數(shù)據(jù)（空間分辨率較高）監(jiān)測水質(zhì)。