呂麗麗，宋開山，劉閣，溫志丹，尚盈辛，李思佳

1.中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所遙感中心,長春130102;

2.中國科學(xué)院大學(xué),北京100049;

3.聊城大學(xué) 環(huán)境與規(guī)劃學(xué)院,聊城252000

1 引 言

相比海洋生態(tài)系統(tǒng)，內(nèi)陸水體（湖泊、水庫、河流）生態(tài)系統(tǒng)與人類生產(chǎn)生活的關(guān)系更加密切。內(nèi)陸水體中各浮游動植物、顆粒和溶解性有機(jī)物、無機(jī)物、微生物、碳源和氮源等物質(zhì)相互作用，共同維持著水體生物化學(xué)生態(tài)系統(tǒng)的平衡（Duan等，2012；Song 等，2019；Wen 等，2019）。在內(nèi)陸水體中浮游藻類，因其含有的色素可以捕獲太陽光并將其轉(zhuǎn)化成能量，充當(dāng)著一切能量的提供者（Hmimina等，2019）。有研究表明，色素組成及其比例的不同是引起藻類間吸收光譜變化的主要原因（Zhao等，2018）。藻藍(lán)蛋白PC（Phycocyanin），是藍(lán)藻的標(biāo)志性色素，僅存在于藍(lán)藻中，可以指示藍(lán)藻生物量，具有吸收和傳遞光能的性質(zhì)，分子量約為232 KDa，具有熒光性，呈亮藍(lán)色，屬于胞內(nèi)蛋白，易溶于水、乙醇等極性溶劑（Zhao 等，2018）。PC 是天然光學(xué)活性物質(zhì)，在620 nm 附近處有明顯的特征吸收峰，這正給遙感監(jiān)測其濃度提供了理論依據(jù)。近年來，內(nèi)陸水體富營養(yǎng)化現(xiàn)象加劇，藍(lán)藻水華現(xiàn)象頻發(fā)，導(dǎo)致水生生態(tài)系統(tǒng)嚴(yán)重失衡，有些藍(lán)藻產(chǎn)生藻毒素，嚴(yán)重威脅著人類和動物健康安全（Matthews 等，2010；Shi 等，2015a；Song 等，2021）。利用遙感技術(shù)監(jiān)測PC 濃度，進(jìn)而來監(jiān)測水體中的藍(lán)藻生物量，是一種有效地、大尺度、快速精確地監(jiān)測藍(lán)藻水華的策略（Duan等，2017；Miao等，2020）。

PC第一次出現(xiàn)在遙感學(xué)科領(lǐng)域，應(yīng)歸功于美國的Gordon 學(xué)者，Gordon 等（1980）首次闡述了PC的光譜特征，標(biāo)志著PC 遙感應(yīng)用的開端。20 世紀(jì)90年代航空遙感傳感器CAMS、CASI（Dekker 等，1991；Millie 等，1992；Dekker，1993）被應(yīng)用于監(jiān)測PC 濃度；2000年以后隨著各大衛(wèi)星遙感平臺數(shù)據(jù)的相繼開放，MERIS 以及歐空局的Sentinal-3 OLCI 等數(shù)據(jù)增設(shè)了620 nm 波段，加之3 大分辨率的提升，算法的不斷優(yōu)化，大大提升了PC 遙感監(jiān)測技術(shù)在各個(gè)尺度和準(zhǔn)實(shí)時(shí)監(jiān)測的能力（Ogashawara，2020；Yan 等，2018）；在隨后的十幾年內(nèi)PC 遙感研究處于爆發(fā)期，無論是基礎(chǔ)原理，算法開發(fā)，還是遙感平臺的應(yīng)用都得到了突飛猛進(jìn)的發(fā)展，遙感技術(shù)已成為藍(lán)藻監(jiān)測及水質(zhì)管理領(lǐng)域中不可或缺的有效工具。然而，與3大經(jīng)典光學(xué)活性物質(zhì)相比，PC 的遙感研究相對較少，因?yàn)槠?20 nm 的吸收峰光學(xué)信號較弱、且易受到水體類型和葉綠素a、懸浮物等的影響。另外，PC實(shí)際濃度的測定尚沒有一個(gè)標(biāo)準(zhǔn)方法可循，目前主流的提取方法有手動研磨法、超聲破壁法、凍融法、超聲凍融聯(lián)用法（Hunter 等，2010；Sarada等，1999）。測定方法有吸光度法（Bennett和Bogorad，1973）、熒光分光光度計(jì)標(biāo)準(zhǔn)曲線法（Lyu等，2013）、酶聯(lián)反應(yīng)測定法（Zimba，2012）、熒光探針測定法（Mishra 等，2009；Song 等，2013）。以上萃取和測定方法間PC 的測定值存在差異，尤其是在低濃度水體中，想要做到高精度反演仍是一個(gè)挑戰(zhàn)（Liu等，2018）。

PC 定量遙感反演研究的意義在于，可利用PC與藍(lán)藻生物量，與藻毒素之間強(qiáng)烈的正相關(guān)關(guān)系，定量監(jiān)測水體中藍(lán)藻生物量或藻毒素含量，這對理解藍(lán)藻暴發(fā)機(jī)制及其早期預(yù)警具有重要意義?；谶@點(diǎn)，關(guān)于PC 光學(xué)性質(zhì)（反射、吸收、熒光）、反演模型及應(yīng)用拓展的研究，都成為近年來水環(huán)境遙感研究領(lǐng)域的熱點(diǎn)。國際上已有幾篇綜述性論文發(fā)表（Ogashawara，2020；Ogashawara等，2013；Yan 等，2018），他們的側(cè)重點(diǎn)或是反演算法對比或是文獻(xiàn)統(tǒng)計(jì)分析，缺少PC 光學(xué)性質(zhì)的全面概述，缺少PC 反演的影響因素分析等。因此，本研究領(lǐng)域迫切需要一個(gè)從多角度、多維度、系統(tǒng)地綜述論文來概括總結(jié)國內(nèi)外PC 遙感研究的發(fā)展趨勢及取得的新成果?；谶@點(diǎn)，本綜述更注重對PC 光學(xué)性質(zhì)、反演算法開發(fā)和驗(yàn)證、影響因素以及多種衛(wèi)星數(shù)據(jù)源應(yīng)用的梳理，并深入挖掘其未來的發(fā)展方向。

2 文獻(xiàn)計(jì)量分析及概述

在過去的30 a里，PC遙感研究不斷發(fā)展進(jìn)步，涉及到的研究區(qū)300余個(gè)，遍布全球各地，主要集中分布在歐美地區(qū)及中國境內(nèi)，還有少數(shù)分布在非洲、印度、韓國等地區(qū)。經(jīng)文獻(xiàn)查閱，這些水體無論是湖泊、水庫還是河流均屬于富營養(yǎng)化或超富營養(yǎng)化水體類型。中國境內(nèi)涉及的相關(guān)研究區(qū)多分布在南方富營養(yǎng)化較為嚴(yán)重的一些湖泊，例如，太湖、巢湖、滇池、洱海等。從PC 遙感反演發(fā)文數(shù)量上看，自1990年至今一直呈持續(xù)增加的趨勢（圖1），增加趨勢可分為3 個(gè)階段，即2005年之前屬于起步階段，零星有些研究，2005年—2015年屬于快速增加階段，以算法開發(fā)，各數(shù)據(jù)源應(yīng)用為主，2015年之后屬于穩(wěn)定發(fā)展階段。這3 個(gè)階段也充分體現(xiàn)了30 a 來PC 遙感反演研究的發(fā)展和日趨成熟。

圖1 PC反演研究自1990年以來的發(fā)文數(shù)量及其發(fā)展的3個(gè)階段Fig.1 The number of papers published by PC inversion since 1990

PC 遙感反演研究在國家尺度上的分布情況表明（圖2），美國在該領(lǐng)域研究中發(fā)文數(shù)量遙遙領(lǐng)先，占研究發(fā)文總數(shù)量的40%；中國位居第二，占總數(shù)量的25%，歐洲國家占總數(shù)量的21%，韓國占總數(shù)量的8%，而南非、印度、加拿大、巴西等國家在這方面的研究則很少?？傮w來看，全球還有很多國家從來沒有涉及PC 遙感研究領(lǐng)域，并且，已有這些國家在此領(lǐng)域的發(fā)展極度不平衡，按照排名順序發(fā)文數(shù)量呈斷崖式下降?？上驳氖牵袊诖祟I(lǐng)域的研究數(shù)量超過了歐洲，但在文章質(zhì)量和影響力上，中國離歐美還有一定差距。

圖2 自1992年以來所有PC反演研究發(fā)文數(shù)量在主要國家的分布情況Fig.2 Distribution of the number of papers published in PC inversion studies since 1992 in major countries

3 藻藍(lán)蛋白的光學(xué)性質(zhì)

3.1 藻藍(lán)蛋白的吸收特性

PC的吸收系數(shù)一般表示為aPC(620)，以aPC(620)除以PC濃度來表示PC單位吸收系數(shù)，即(620)。這兩個(gè)參數(shù)對定量遙感反演PC 濃度都是至關(guān)重要的。從中國幾個(gè)典型水體的藻類吸收光譜曲線（圖3），可以看到3 個(gè)明顯的吸收峰，綠色線指示Chla 的吸收峰（443 nm、675 nm），藍(lán)色線指示了PC 的吸收峰（620 nm）。相比于Chla的吸收峰，PC 吸收信號較弱，大概只有Chla 吸收峰強(qiáng)度的20%（Schalles 和Yacobi，2000）。所以要想在遙感上得到與Chla 等效的光譜信號，需要較高的PC濃度（Shi 等，2015a；Yan 等，2018）。

圖3 幾個(gè)內(nèi)陸水體反射光譜和吸收光譜（藍(lán)色：PC吸收峰，綠色：葉綠素a吸收峰，紅色：散射峰，黃色PC熒光峰，數(shù)據(jù)來源：課題組自測）Fig.3 Reflection and absorption spectra of several inland water bodies（blue：PC absorption peak，green：chlorophyll a absorption peak，red：scattering peak，yellow PC fluorescence peak）

不同類型內(nèi)陸水體的aPC(620)值差異較大，aPC(620)在中國東部湖泊數(shù)值范圍為0.05—1.56 m-1（Duan等，2012），在荷蘭北部湖泊為0.002-1.2 m-1（Simis等，2005），在美國印第安納州水庫為0.008-1.25 m-1（Li 等，2015），這表明內(nèi)陸水體aPC(620)有強(qiáng)烈的變異性。有研究表明，aPC(620)會隨著水體營養(yǎng)化等級的增加而增大（Matthews等，2020）。另外，aPC(620)也呈現(xiàn)季節(jié)性變化，一般是夏秋季較高，春冬季較低（Schalles 和Yacobi，2000）。這些研究結(jié)果表明aPC(620)不僅具有時(shí)空變異性，同時(shí)也受水質(zhì)類型的影響。

根據(jù)定義，PC 單位吸收(620)可以反映aPC(620)與PC 濃度的關(guān)系，一般的(620)與PC濃度呈負(fù)相關(guān)關(guān)系（Duan 等，2012；Shi 等，2015a）。不同地區(qū)不同類型水體，(620)差別較大，中國東部湖泊(620)的范圍為0.001—1.2 m2·mg-1（Duan 等，2012），荷蘭北部湖泊為0.0088—0.1868 m2·mg-1（Simis 等，2005）。(620)受多種因素影響，包括細(xì)胞形態(tài)、光利用率、其他色素物質(zhì)的干擾（Simis 等，2005）。同時(shí)，PC濃度測定的不確定性也是(620)強(qiáng)變異性的重要因素。利用生物光學(xué)模型精確反演PC 的關(guān)鍵是選擇一個(gè)合適的(620)值，因此(620)的變異是不可忽略的（Duan 等，2012；Lyu 等，2013；Ruiz-Verdú 等，2008；Simis 等，2005）。Simis 算法中將(620)值固定為0.0095 m2·mg-1（Simis等，2005），但后來他們又調(diào)整到0.007 m2·mg-1（Simis等，2007），因?yàn)樾碌腜C提取方法使PC的萃取效率提高了28%。但是，Le 等（2011） 和Mishra 等（2013）等人認(rèn)為0.007 m2·mg-1仍然偏高，在研究中則使用了較低的(620)，如0.0043 m·2mg-1（Jupp等，1994）和0.0048 m2·mg-1（Mishra 等，2013），甚至在有的研究中，沒有測定(620)的值，而是直接使用已報(bào)道的平均值0.0046 m2·mg-1（Li 等，2015）?；?620)易變的性質(zhì)，Mishra 等（2013）利用同一組數(shù)據(jù)集，考察了3 種(620)（報(bào)道過的0.0048 m2·mg-1、平均值、模擬值）對PC 濃度反演精度的影響，3 種情況下得到的PC 估算平均相對誤差在10%—22%變異。結(jié)果還表明，(620)隨著Rrs(620)/Rrs(665)的比值呈線性增加?？偠灾?，(620)值不是一個(gè)固定值，受季節(jié)、細(xì)胞形態(tài)、藍(lán)藻種類、色素濃度等多種因素影響。

3.2 藻藍(lán)蛋白的反射光譜特性

在富含藍(lán)藻的水體中，反射光譜曲線具有3個(gè)明顯的反射峰（圖3），第1 個(gè)反射峰位于500—600 nm，是由藻類散射吸收引起的最大最寬的綠峰，第2 個(gè)峰位于640—660 nm，是由位于兩邊的620 nm、670 nm 波段處的PC 吸收，Chla 吸收，共同作用形成的（Hunter 等，2008），第3 個(gè)峰位于700—710 nm，是由Chla 強(qiáng)吸收和散射引起的。然而，這些峰并不是孤立的，固定不變的。有研究表明，PC光譜特征的位置是隨著PC濃度在Chla濃度比例中改變而變化的（Hunter 等，2010），可能小于620 nm也可能大于620 nm。在貧營養(yǎng)水體中，PC 濃度很低，光譜曲線620 nm 處沒有明顯的吸收谷，導(dǎo)致低濃度時(shí)，PC 反演精度較低（Li 等，2012；Simis等，2007），而在中營養(yǎng)、富營養(yǎng)水體中620 nm 處有明顯的吸收谷，且PC 濃度越高，620 nm 的吸收谷越深。而在浮渣出現(xiàn)以后，即水面被藍(lán)藻覆蓋，光譜呈現(xiàn)典型植被特征（光譜上753 nm 反射峰高于709 nm）時(shí)，PC 反演算法已經(jīng)沒有意義，此時(shí)應(yīng)該考慮更換算法去檢測浮渣藍(lán)藻生物量（Shi等，2019）。

與其他兩個(gè)散射峰相比，反映PC 吸收的反射峰信號是最弱的，這給遙感反演PC 濃度帶來了一定難度，多數(shù)研究使用實(shí)測高光譜數(shù)據(jù)或高光譜航空遙感影像（AISA、CASI、CHRIS），以獲得滿意的離水輻亮度信號。對于多光譜衛(wèi)星傳感器，含有620 nm 波段設(shè)置的，也多被用于PC 遙感反演研究?？傊?，結(jié)合PC 光譜特征和其他峰、谷的分析，包括其量級的大小、位置、峰高、峰面積、求導(dǎo)等方法、開發(fā)各種PC反演算法。

4 藻藍(lán)蛋白與葉綠素a、藍(lán)藻生物量的關(guān)系

葉綠素a存在于所有藻類中，研究多以Chla為代理指示總藻的含量，PC 只存在于藍(lán)藻中，可以指示藍(lán)藻生物量。藻毒素大多存在與藻藍(lán)細(xì)胞中，隨藻藍(lán)生物量增加而增多。他們之間的關(guān)系不僅可以用于妥善處理PC 反演精度的問題，還可以用于間接估算藍(lán)藻生物量，藻毒素濃度等，拓展PC遙感反演的意義及實(shí)際應(yīng)用價(jià)值。

一般的，內(nèi)陸水體中，PC 與Chla 的關(guān)系有兩種情況：第一，只有在藍(lán)藻主導(dǎo)的水體中，他們之間才存在顯著正相關(guān)性，例如南非的Hart bees poort 水庫、韓國Baekje 水庫，PC 與Chla 均具有很好的正相關(guān)關(guān)系；而對于非藍(lán)藻主導(dǎo)的水體，南非的Thee water skloof 水庫，兩者相關(guān)性較弱。第二，只有在適宜的PC：Chla 比值范圍內(nèi)，兩者關(guān)系才成立，當(dāng)PC：Chla＜0.5 時(shí)，兩者關(guān)系較弱，當(dāng)PC：Chla≥0.5 時(shí)，兩者關(guān)系增強(qiáng)（Hunter 等，2008；Li等，2012；Simis等，2005，2007）。太湖PC 濃度為7—50 μg·L-1范圍內(nèi)時(shí)，PC 與Chla 高度相關(guān)（郭一洋等，2016）。Ahn 等（2007）利用兩者的緊密關(guān)系，以PC代替Chla，提出了基于PC濃度的藍(lán)藻預(yù)警系統(tǒng)，得出PC 濃度為0.1 μg·L-1、30 μg·L-1和700 μg·L-1時(shí)分別指示安全水平、警惕水平、警告水平。

相比于Chla，PC與藍(lán)藻生物量間的關(guān)系更加穩(wěn)定，據(jù)報(bào)道兩者相關(guān)關(guān)系高達(dá)0.7—0.8（表1）。但也有研究表明，不同種類藍(lán)藻含有PC 濃度是不同。例如PC 在Planktothrix agardhi藻中比在Lemmemanniella sp藻中的含量低4倍多，（Mishra等，2013）。另外，PC 也可以作為橋梁連接Chla 和藍(lán)藻生物量，從而實(shí)現(xiàn)大量的Chla 反演算法被應(yīng)用于藍(lán)藻生物量監(jiān)測的目的（Pyo 等，2020）。值得一提的是，PC：Chla 比值賦有特別的意義，即可以指示總藻中藍(lán)藻的比列，這對早期藍(lán)藻水華預(yù)警以及理解內(nèi)陸水體中浮游生物群落結(jié)構(gòu)具有重要意義。

表1 藻藍(lán)蛋白與葉綠素a、藍(lán)藻生物量、藻毒素的關(guān)系Table 1 The relationship between phycocyanin，chlorophyll a，cyanobacteria，and microcystin

PC 與藻毒素關(guān)系研究不多。Shi 等（2015b）通過兩步估算法，利用藻毒素與Chla、Chla 與MODIS 指數(shù)這兩個(gè)緊密的關(guān)系，反演得到2003 到2013年的藻毒素濃度年際變化規(guī)律。其他研究也發(fā)現(xiàn)藻毒素濃度與PC濃度強(qiáng)烈正相關(guān)（Hunter等，2008；Sridhar和Vincent，2007）。由于藻毒素不是光學(xué)活性物質(zhì)，理論上不能直接與遙感反射率（Rrs）數(shù)據(jù)建立關(guān)系，所以，這些關(guān)系為二步法反演藻毒素提供了理論基礎(chǔ)。

5 藻藍(lán)蛋白的遙感反演算法

5.1 經(jīng)驗(yàn)算法

經(jīng)驗(yàn)算法是直接使用統(tǒng)計(jì)回歸方法，建立實(shí)測PC 濃度與實(shí)測光譜反射率或各種光學(xué)傳感器觀測的反射率數(shù)據(jù)之間的關(guān)系，此方法很少考慮輻射原理，操作簡單，是PC 定量遙感反演研究中使用較多的算法（表2），但此算法具有空間局限性，只適用于選定研究區(qū)的當(dāng)次數(shù)據(jù)集（Yan 等，2018）。在經(jīng)驗(yàn)算法中，波段比算法能消除一些干擾因素，如大氣的影響，例如Rrs(710)/Rrs(620)（Sepp?l? 等，2007），Rrs(709)/Rrs(620) （Chi 等，2016；Kwon 等，2020），Rrs(747)/Rrs(665)（Sòria-Perpinyà 等，2020），Rrs(700)/Rrs(600)（Mishra 等，2009），Rrs(764)/Rrs(628)（Schalles 和Yacobi，2000）?？梢钥闯觯@些算法的反演精度均較高。Mishra等（2009）認(rèn)為使用600 nm代替620 nm，可以有效消除Chla 的影響，反演精度得到提高。Millie 等（1992）基于CAMS 影像的Orange/red 與PC 濃度建立經(jīng)驗(yàn)回歸關(guān)系，但由于實(shí)測PC 濃度值準(zhǔn)確度的問題，反演精度不高）。Vincent等（2004）在美國Lake Erie，基于Landsat TM 數(shù)據(jù)，利用多個(gè)波段比為自變量，PC濃度為因變量，進(jìn)行多元線性回歸，取得較好的反演精度。Medina-Cobo 等（2014）在西班牙的幾個(gè)湖泊中，基于MERIS數(shù)據(jù)的B9和B6波段的差與和之比，成功反演PC 濃度。Varunan和Shanmugam（2017）在印度富營養(yǎng)化湖泊中，利用實(shí)測光譜數(shù)據(jù)開發(fā)了波段比Rrs(620)/Rrs(652)算法，反演出aPC(620)的值，然后利用固定（620）=0.0072，成功反演PC 濃度值，然后將算法應(yīng)用到HICO 影像，同樣獲得了較高反演精度。Torbick 等（2018）在英格蘭北部湖泊，基于Landsat 7 ETM+，Landsat OLI數(shù)據(jù)，利用NIR/green+NIR/blue 算法，反演了PC 濃度，并利用GIS 空間分析方法將PC 濃度與肌肉萎縮病聯(lián)系起來，建立了肌肉萎縮病風(fēng)險(xiǎn)因子評價(jià)體系。Sòria-Perpinyàd等（2020）基于Sentinel-2 MSI 影像數(shù)據(jù)，利用B5和B4比值算法，成功反演PC濃度。

表2 PC遙感算法匯總Table 2 PC remote sensing algorithm summary

續(xù)表

續(xù)表

續(xù)表

除了波段比使用較多外，由Dekker（1993）提出的基線法，也經(jīng)常用于PC 遙感反演，Ruiz-Verdú 等人在西班牙荷蘭水體中，對比了基線法和Simis嵌套法對PC 反演的效果，兩個(gè)算法都取得較高精度，Simis 嵌套法精度更高一些（Ruiz-Verdú等，2008）。另外，Castagna等（2020）基于Landsat 8 OLI 互補(bǔ)色橙線高算法，成功反演PC 濃度。Tao 等（2017）基于MODIS 影像，利用多元線性回歸，成功地反演了中國巢湖PC 濃度。Sun 等（2015）在中國巢湖，基于Landsat系列衛(wèi)星，利用可見光、近紅外及兩者之比，進(jìn)行多元線性回歸，成功反演PC 濃度。除這些算法外，還有高斯函數(shù)（Wang 等，2016，2017），正交函數(shù)（Soja-Wo?niak 等，2017），波段差（Beck 等，2017）等經(jīng)驗(yàn)算法用于PC濃度的遙感估算。

5.2 半分析算法

為了克服上述經(jīng)驗(yàn)算法的缺點(diǎn)，近年來基于水體固有光學(xué)特性（IOPs）結(jié)合一些經(jīng)驗(yàn)關(guān)系及水體輻射傳輸理論，提出的半分析方法受到更多關(guān)注。一般的，半分析算法包括：三波段算法、四波段算法、嵌套波段比算法、準(zhǔn)分析算法（QAA）、衍生算法（光譜形狀算法SS）等。這些算法主要致力于解決以下3 個(gè)問題：大氣校正、620 nm 處藻類吸收的分解和足夠的光譜分辨率（Yan等，2018）。未來的半分析算法將致力于最小化其他色素對PC反演的影響。

嵌套波段比算法最早由Simis 等（2005）開發(fā)出來，此算法基于3 個(gè)假設(shè)：第一，aph(λ)=aChla(λ)+aPC(λ)；第二，固定aChla(665)對aChla(620)的貢獻(xiàn)；第三，固定單位吸收（620）的值，此算法在其特定研究區(qū)內(nèi)，反演精度很高。然而，在其他研究區(qū)，第二和第三假設(shè)引起的誤差較大，因?yàn)檫@兩個(gè)值都不是固定的，是隨地域和時(shí)間變異的。后來，以此算法為基礎(chǔ)的各種變體算法被廣泛用于各個(gè)地區(qū)的PC 反演研究。其中，Randolph 等（2008）將算法的（620）更改為0.007，應(yīng)用于美國印第安那州的3 個(gè)富營養(yǎng)化的水庫，取得很好的反演精度。Duan 等（2012）和Yin 等（2011）將此算法應(yīng)用于中國太湖，取得較高反演精度。Wheeler 等（2012）則是將此算法應(yīng)用到法國Champlain 湖，利用Quick Bird 和MERIS數(shù)據(jù)，獲得良好的反演精度。Lyu 等（2013）是以高度富營養(yǎng)化的太湖為研究對象，改進(jìn)了算法中兩個(gè)系數(shù)，并用非線性冪函數(shù)來代替固定的（620），并闡述了總懸浮顆粒物（TSM）對反演結(jié)果的影響。Chawira 等（2013）和Zhang 等（2015）利用此算法，基于MERIS 數(shù)據(jù)分別對非洲津巴布韋和美國大部分湖泊進(jìn)行了PC 反演。除嵌套波段比算法，一些從遙感反射率估算aPC(620)的半分析算法不斷涌現(xiàn)（Li 等，2015；Matthews 等，2020；Miao 等，2020）。這些算法主要是從總吸收中分離出PC 在620 nm 的吸收，消除了Chla、CDOM 和非PC物質(zhì)的干擾。另一種是基于準(zhǔn)分析模型（QAA）來分離各組分的吸收系數(shù)，將QAA 算法的波段修改后，應(yīng)用于aPC(620)的估算，修改的算法成功的從總藻類吸收中分離出aPC(620)。該算法的優(yōu)點(diǎn)在于沒有忽略CDOM 和非藻類顆粒物吸收的貢獻(xiàn)（Mishra等，2013；Lee等，2002）。

三波段和四波段算法最早被發(fā)明用與Chla 的遙感反演研究。Hunter等（2010）將算法中的Chla特征吸收波段更改為PC 特征吸收波段，第一次將此算法引入到PC 遙感反演研究中，并獲得較高的反演精度。后來Song 等（2012a）對比了三波段和波段比模型對PC 反演的效果，發(fā)現(xiàn)三波段算法優(yōu)于波段比算法。Le 等（2011）是將算法中的Chla特征吸收波段更改為PC 特征吸收波段，第一次將四波段算法引入到PC 遙感反演研究中，隨后Liu等（2018）將修改后的四波段算法應(yīng)用滇池。

QAA算法最早由Lee等（2002）提出，其優(yōu)點(diǎn)是基于表觀光學(xué)量AOPs 和經(jīng)驗(yàn)關(guān)系，將水體中3 大光學(xué)活性物質(zhì)CDOM、藻類、非藻類顆粒物在總吸收的貢獻(xiàn)中分解成每個(gè)獨(dú)立的變量，最后，依據(jù)各物質(zhì)吸收系數(shù)實(shí)現(xiàn)其濃度的定量反演。QAA 算法可以最大程度的減少各物質(zhì)間的干擾，但需要大量實(shí)測數(shù)據(jù)。QAA 算法多用于3 大光學(xué)活性物質(zhì)定量遙感反演，很少應(yīng)用于PC 遙感反演。Becker 等（2009）和Mishra 等（2013）將QAA算法中相關(guān)波段修改成PC 特征波段，分別基于MODIS和實(shí)測高光譜數(shù)據(jù)，實(shí)現(xiàn)了PC遙感估算。

5.3 衍生算法

衍生算法最早由Wynne 等（2008）提出，又叫做光譜形狀算法SS（λ），此算法是基于光譜曲線中PC 特征吸收谷和其他峰或谷的位置形成特定的光譜形狀，可用波段有620 nm、560 nm、654 nm、681 nm、714 nm等。Wynne等（2008）和Wynne等（2010）基于實(shí)測光譜數(shù)據(jù)和MERIS影像，利用SS（681）算法對美國密歇根湖和伊利湖PC 濃度進(jìn)行遙感估算。Qi 等（2014）將其修改的光譜形狀算法稱之為PCI 指數(shù)基于實(shí)測光譜，在太湖PC 遙感反演中取得較好精度，隨后PCI指數(shù)多次被用于PC遙感估算（Kudela等，2015；Sayers等，2019）。

5.4 基于機(jī)器學(xué)習(xí)的算法

近年來，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，遙感反演研究算法開發(fā)越來越依賴計(jì)算機(jī)，以期獲得高精度反演結(jié)果。機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。他是人工智能的核心，在全球人工智能浪潮的背景下，遙感算法開發(fā)也融入了機(jī)器學(xué)習(xí)算法，先后出現(xiàn)了遺傳算法（Song 等，2012b）、支持向量機(jī)算法（Sun 等，2013）、人工神經(jīng)網(wǎng)絡(luò)算法（Park等，2017；Song等，2014）、堆疊自編碼算法（Yim等，2020）、機(jī)器學(xué)習(xí)（Peterson 等，2019；Pyo 等，2020）。尤其是近兩年，機(jī)器學(xué)習(xí)算法大量地出現(xiàn)在PC 遙感反演研究中，與上述幾種算法相比，這類算法遙感估算精度很高，R2＞0.88，RMSE較低，且其適用多種數(shù)據(jù)源。但是，這類算法過多地依賴數(shù)理分析，缺少與水體固有光學(xué)特性和表觀光學(xué)特性關(guān)聯(lián)的機(jī)理研究。所以，未來PC 算法的發(fā)展還是會以機(jī)理研究為主，機(jī)器學(xué)習(xí)為輔。

5.5 間接估算方法

上述反演算法多數(shù)是利用遙感反射率數(shù)據(jù)或影像直接與實(shí)測PC 濃度建立關(guān)系，然而一些利用中間橋梁，如濁度、漫衰減系數(shù)Kd，經(jīng)二步法間接實(shí)現(xiàn)PC遙感估算的方法也鮮有報(bào)道。Gitelson發(fā)現(xiàn)PC濃度與Kd值相關(guān)性很好（Gitelson等，1995），雖然文中并沒有利用這個(gè)關(guān)系反演PC 濃度，但這一發(fā)現(xiàn)為未來間接反演PC 奠定了基礎(chǔ)。另外，Richard Beck研究發(fā)現(xiàn)，PC濃度與濁度的關(guān)系為良好的正相關(guān)關(guān)系，并借助濁度與遙感反射率的關(guān)系，成功反演了PC濃度（Beck等，2019）。

6 衛(wèi)星傳感器

PC 遙感反演算法開發(fā)的最終目的是可以將這些算法成功地應(yīng)用到衛(wèi)星影像上，以期進(jìn)行水體中PC 濃度在時(shí)間空間的遙感估算，為相關(guān)部門水質(zhì)監(jiān)管提供技術(shù)支撐。目前，PC反演算法的開發(fā)、驗(yàn)證多使用實(shí)測高光譜數(shù)據(jù)或航空影像（CASI-2、AISA Eagle），然而，為滿足一定空間和頻次上的PC濃度分布需要，多使用衛(wèi)星影像數(shù)據(jù)源。首先，對于多光譜衛(wèi)星數(shù)據(jù)，只有MERIS、Sentinel-3 OLCI 影像數(shù)據(jù)具有PC 敏感波段，是應(yīng)用于PC 遙感反演研究最多的數(shù)據(jù)源。對于一些不具備PC 敏感波段的傳感器，如Landsat 系列、MODIS 等，則可以通過構(gòu)建多參數(shù)模型算法來彌補(bǔ)其波段設(shè)置的缺點(diǎn)。除多光譜傳感器外，高光譜衛(wèi)星影像數(shù)據(jù)（如Hyperion、HICO）也被用于PC 空間反演研究中。

6.1 Landsat系列數(shù)據(jù)

Landsat 數(shù)據(jù)具有較高的空間分辨率（30 m）和較長時(shí)間跨度（1980年代），但其波段設(shè)置沒有覆蓋PC 特征吸收波段（620 nm）。盡管如此，一些研究者仍然開發(fā)了一些巧妙的算法利用Landsat數(shù)據(jù)，成功進(jìn)行PC 反演制圖。Vincent 等（2004）等利用Landsat 5 TM，Landsat 7 ETM+，結(jié)合多個(gè)波段比線性回歸算法B3/B1、B4/B1、B4/B3、B5/B3、B7/B3、B7/B4 對美國伊利湖PC 濃度進(jìn)行反演并制圖，適用于PC 濃度范圍為0.9—5μg·L-1。Torbick 等（2018） 利用Landsat 7 ETM+數(shù)據(jù)和Landsat 8 OLI 數(shù)據(jù)，結(jié)合NIR/green 和NIR/blue 波段比回歸模型對英格蘭北部湖泊PC 含量進(jìn)行反演并制圖（Torbick 等，2018）。Sun 等（2015 利用相同的方法在滇池進(jìn)行了PC 濃度制圖。最有趣的是，Castagna 等（2020）利用Landsat 8 OLI 波段互補(bǔ)色與PC 濃度建立關(guān)系，提出橙線高Orange Line Height（OLH）算法，成功的反演PC濃度。

6.2 MERIS/Sentinel 3 OLCI數(shù)據(jù)

MERIS 影像數(shù)據(jù)具有300 m 空間分辨率，2—3 d 的重訪周期，15 個(gè)波段設(shè)置，較高的信噪比。對比于其他衛(wèi)星，MERIS數(shù)據(jù)在615—905 nm 具有更多的波段，這個(gè)區(qū)域覆蓋了多個(gè)反射率特征用于PC 遙感估算。大多數(shù)研究使用MERIS 數(shù)據(jù)進(jìn)行PC 反演，已經(jīng)證明其良好的輻射、空間、時(shí)間、光譜分辨率。Simis 等（2005）基于MERIS 影像數(shù)據(jù)結(jié)合嵌套波段比算法，獲得較高PC 反演精度。Guanter 等（2010）基于MERIS 影像數(shù)據(jù)結(jié)合嵌套波段比算法，對歐洲75個(gè)湖泊的PC 濃度進(jìn)行遙感估算。Wynne 等（2010）基于MERIS 數(shù)據(jù)，利用光譜形狀算法，對伊利湖進(jìn)行了PC 濃度遙感估算。不幸的是，MERIS 數(shù)據(jù)在2012年停止提供，但歐空局的Sentinel-3 OLCI 數(shù)據(jù)繼承了MERIS 數(shù)據(jù)的配置和優(yōu)點(diǎn)，繼續(xù)被用于PC 遙感反演研究。Miao（2020）基于OLCI 影像結(jié)合半分析算法，反演太湖、巢湖PC 濃度。Song 等（2013）利用實(shí)測光譜數(shù)據(jù)模擬OLCI 波段，采用三波段算法，很好的估算了PC 濃度。Beck 等（2019）利用同一套數(shù)據(jù)對比了多個(gè)傳感器，WorldView-2/3、Sentinel-2 MSI、Landsat 8 OLI、MODIS、MERIS、OLCI 對PC估算的能力，結(jié)果表明，相比于其他傳感器，OLCI具有與MERIS 一樣的高精度。OLCI數(shù)據(jù)也被用于其他衛(wèi)星傳感器反演結(jié)果的驗(yàn)證（Castagna等，2020）。

6.3 MODIS數(shù)據(jù)

MODIS數(shù)據(jù)具有2景/d影像的高重訪時(shí)間，前兩個(gè)波段具有相對高的空間分辨率250 m，然而MODIS 波段設(shè)置沒有覆蓋PC 特征吸收波段。基于這個(gè)特點(diǎn)，大多數(shù)利用MODIS 數(shù)據(jù)進(jìn)行PC 反演的研究，通常使用經(jīng)驗(yàn)算法，如多項(xiàng)式擬合，多元線性回歸（Tao 等，2017），高斯函數(shù)（Wang 等，2017）等。

7 結(jié) 語

本綜述通過文獻(xiàn)計(jì)量方法，從多角度系統(tǒng)地對當(dāng)前藻藍(lán)蛋白光學(xué)特性（吸收特性和反射特性）、反演算法、與其他水質(zhì)參數(shù)的關(guān)系、多源遙感影像應(yīng)用的研究、發(fā)展趨勢及取得的新成果進(jìn)行了梳理。結(jié)果表明，PC的光學(xué)特性隨營養(yǎng)等級、季節(jié)、空間變異。目前已開發(fā)了多種PC 反演算法，包括經(jīng)驗(yàn)?zāi)Ｐ?，半分析模型、生物光學(xué)模型等，應(yīng)用多種遙感數(shù)據(jù)源對水體進(jìn)行了PC 空間反演，對富營養(yǎng)化水體藍(lán)藻生物量估算、水環(huán)境檢測與保護(hù)具有重要意義。本綜述注重對PC 光學(xué)性質(zhì)、反演算法開發(fā)和驗(yàn)證、影響因素分析的梳理，并指出當(dāng)前研究的難點(diǎn)和未來的發(fā)展方向。在研究難點(diǎn)方面，首先，PC的萃取測試方法無統(tǒng)一標(biāo)準(zhǔn)，導(dǎo)致多個(gè)報(bào)道中實(shí)測PC濃度無法進(jìn)行對比和引用，使得基于文獻(xiàn)收集的更大尺度，例如全國尺度、或全球尺度的PC 遙感反演建模難以建立，另外，PC光譜信號弱，易受大氣和其他光學(xué)活性物質(zhì)的干擾。PC：Chla 比值作為藍(lán)藻在總藻中的相對比例，是對PC 估算干擾最大的因素（Hunter 等，2008；Li等，2015；Simis等，2005）。另外，由于非藻類顆粒物后向散射可以掩蓋PC 光譜信號，所以PC：TSM 比值是對PC 估算干擾的第二大因素。有些報(bào)道稱，根據(jù)Chla、TSM 取值范圍，對水體進(jìn)行分類后，再反演PC，可以有效消除二者的干擾（郭一洋等，2016）。因此，合理處理這些干擾因素，正是準(zhǔn)確反演PC的關(guān)鍵。

基于上述分析，PC遙感反演未來的發(fā)展方向，歸納為以下幾個(gè)方面：（1）在PC 萃取測試方面，急需一個(gè)國際通用標(biāo)椎化方法；（2）算法的發(fā)展，堅(jiān)持與固有光學(xué)量相關(guān)的機(jī)理研究，并融合機(jī)器學(xué)習(xí)算法，以期帶來較高反演精度；（3）研究區(qū)水體在空間、時(shí)間尺度上的發(fā)展，未來會向著更大地理空間尺度，更長時(shí)間序列歷史追溯和未來預(yù)測方向發(fā)展；四是在應(yīng)用方面的擴(kuò)展，PC 遙感反演不僅局限于藍(lán)藻生物量的定量估算，未來將更多的與藻毒素、相關(guān)疾病等建立關(guān)系，實(shí)現(xiàn)基于遙感的水體風(fēng)險(xiǎn)因子評級體系。

志 謝此論文感謝溫志丹副研究員、劉閣副研究員、尚盈辛特別研究助理等老師們在文章寫作構(gòu)思上的指導(dǎo)和幫助，同時(shí)還感謝陶慧、王翔、蒲靜、王強(qiáng)、侯俊斌、徐世琦、陳方方等同學(xué)們在數(shù)據(jù)查找收集過程中的幫助。