周博天，張雅燕，施坤

1.中國科學(xué)院重慶綠色智能技術(shù)研究院 大數(shù)據(jù)與智能計算重慶市重點實驗室,重慶400714;

2.杭州市淳安生態(tài)環(huán)境監(jiān)測站,杭州311700;

3.中國科學(xué)院南京地理與湖泊研究所 湖泊與環(huán)境國家重點實驗室,南京210008

1 引 言

湖泊是“山水林田湖草”生命共同體的核心組成部分，提供了安全供水、防洪抗旱、漁業(yè)航運、生物多樣性保護(hù)、休閑旅游等多種生態(tài)服務(wù)功能，對區(qū)域經(jīng)濟(jì)社會高質(zhì)量發(fā)展及生態(tài)文明建設(shè)意義重大。然而，強烈的人類活動和顯著的氣候變暖等因素導(dǎo)致全球湖泊現(xiàn)已或者逐漸進(jìn)入富營養(yǎng)化狀態(tài)。自然因素和（或）人類活動影響下，由于營養(yǎng)物質(zhì)（例如氮、磷化合物）匯入湖泊，導(dǎo)致湖泊營養(yǎng)狀態(tài)從生產(chǎn)力較低的貧營養(yǎng)水平向生產(chǎn)力較高的富營養(yǎng)水平逐步演化，這一現(xiàn)象即為湖泊富營養(yǎng)化（張開翔，1992；Stevens，2019）。自然狀態(tài)下湖泊會逐漸富營養(yǎng)化，然而人類活動增加和全球氣候變暖將加速這一進(jìn)程。聯(lián)合國環(huán)境規(guī)劃署和多國科研機構(gòu)的調(diào)查表明，人類活動造成的氮、磷化合物過量輸入，大大加快了湖泊富營養(yǎng)化的自然進(jìn)程，導(dǎo)致全球處于不同富營養(yǎng)化程度的大型湖泊（面積大于25 km2）占到總數(shù)的60%，而中國達(dá)到富營養(yǎng)化標(biāo)準(zhǔn)的大型湖泊（面積大于10 km2）超過總數(shù)的85%（Gibson 等，2000；Bricker 等，2008；楊桂山 等，2010；Wang 等，2018）。湖泊富營養(yǎng)化會顯著增加藻類生物量，并引發(fā)大規(guī)模藍(lán)藻水華暴發(fā)，進(jìn)而導(dǎo)致藻型生態(tài)系統(tǒng)擴張、草型生態(tài)系統(tǒng)退化、湖泊生態(tài)服務(wù)功能下降等一系列嚴(yán)重的水環(huán)境問題（Zhang 等，2017）。同時，富營養(yǎng)化與湖泊碳排放緊密相關(guān)（Michalak等，2013；Pace等，2017）。因此，湖泊營養(yǎng)狀態(tài)精準(zhǔn)、實時、大范圍的同步監(jiān)測是準(zhǔn)確掌握湖泊水環(huán)境變化特征，開展富營養(yǎng)化成因分析、評價評估、治理修復(fù)和管理考核的重要基石。

湖泊營養(yǎng)狀態(tài)的早期評價方法主要包括特征法（饒飲止，1956）、磷收支模型（Dillon 和Rigler，1974）、參數(shù)法（Wetzel，1983）、生物指標(biāo)評價法（Liu，1984）及營養(yǎng)狀態(tài)指數(shù)法（李祚泳和張輝軍，1993）等一系列定性或定量描述方法。自本世紀(jì)初期以來，湖泊富營養(yǎng)化研究更加注重計算機技術(shù)的運用，現(xiàn)代數(shù)學(xué)理論開始應(yīng)用于探索湖泊營養(yǎng)狀態(tài)及其演化過程與水體參數(shù)之間的非線性響應(yīng)關(guān)系，開啟了從“狀態(tài)評價”到“過程描述”的轉(zhuǎn)型（胡文等，2020）。最為常見的相關(guān)研究是模糊數(shù)學(xué)方法（龔紹琦等，2005）、神經(jīng)網(wǎng)絡(luò)模型（張曉丹等，2007）、主成分分析法（Primpas和Karydis，2011）等。目前，在各國政府間開展的湖泊富營養(yǎng)化研究多聚焦于水體生物、物理、化學(xué)等表征參數(shù)的合理篩選與綜合分析，尤其是逐漸認(rèn)識到直接（例如氮磷營養(yǎng)鹽、葉綠素、藻類群落結(jié)構(gòu)）和間接（溶解氧、沉水植物、水體色度等）效應(yīng)參數(shù)對湖泊營養(yǎng)狀態(tài)變化瞬時響應(yīng)的同等重要性，并采用上述表征參數(shù)的量級、閾值或相關(guān)加權(quán)系數(shù)，構(gòu)建了湖泊營養(yǎng)狀態(tài)評價國際標(biāo)準(zhǔn)體系（Organization for Economic Cooperation and Development，1982；European Commission，2000；United States Environmental Protection Agency，2009）。

基于傳統(tǒng)采樣分析的湖泊營養(yǎng)狀態(tài)評價方法具有數(shù)據(jù)準(zhǔn)確、指標(biāo)豐富等特點，通常可以作為監(jiān)測點位或斷面營養(yǎng)狀況的常規(guī)方法。然而，常規(guī)評價方法存在著人力成本高、實驗耗時長、易受環(huán)境影響等諸多不足，并且由于采樣時間差別大、數(shù)據(jù)樣本少、水體流動性強，很難同步反映湖泊營養(yǎng)狀態(tài)的空間分布。因此，如何建立一種準(zhǔn)確、快速、廣域的湖泊營養(yǎng)狀態(tài)通用評價方法，成為湖泊生態(tài)環(huán)境保護(hù)與淡水資源安全保障亟待解決的重要問題之一。遙感技術(shù)具有高精度、大范圍、周期性等優(yōu)點，已廣泛應(yīng)用于湖泊水環(huán)境和水生態(tài)等多種參數(shù)的監(jiān)測，比如葉綠素濃度、水華暴發(fā)面積與物候特征、水生植被覆蓋等水體生物參數(shù)，透明度、漫射衰減系數(shù)、真光層深度等水體物理參數(shù)，以及總氮、總磷、顆粒態(tài)磷濃度等水體化學(xué)參數(shù)（Zhou等，2018；Shi等，2019a；Espel 等，2020；Gomes 等，2020；Maciel 等，2020）。遙感可監(jiān)測參數(shù)幾乎囊括了湖泊營養(yǎng)狀態(tài)評價所需的參數(shù)，為遙感監(jiān)測湖泊營養(yǎng)狀況提供了可能。截止目前已有大量的研究利用遙感技術(shù)開展湖泊營養(yǎng)狀態(tài)評價，彰顯了遙感技術(shù)在湖泊富營養(yǎng)化研究領(lǐng)域的巨大應(yīng)用潛力。隨著世界各國陸續(xù)發(fā)射越來越多的對地觀測衛(wèi)星以及星載傳感器技術(shù)的快速發(fā)展，遙感技術(shù)勢必成為湖泊富營養(yǎng)化研究不可或缺的監(jiān)測手段。

本文基于中國知網(wǎng)CNKI （China National Knowledge Infrastructure）數(shù)據(jù)庫和Web of Science核心庫的文獻(xiàn)檢索功能，以遙感（Remote sensing）和富營養(yǎng)化（Eutrophication）為主題詞，共篩選出中文文獻(xiàn)415 篇（1951年—2020年）和英文文獻(xiàn)727 篇（1990年—2020年），系統(tǒng)梳理了湖泊富營養(yǎng)化遙感研究目前的進(jìn)展、存在的問題和未來的挑戰(zhàn)，幫助湖泊科學(xué)及遙感科學(xué)領(lǐng)域科研人員盡快掌握研究動態(tài)；運用CiteSpace 軟件梳理了遙感技術(shù)在湖泊富營養(yǎng)化領(lǐng)域的研究進(jìn)展，獲取可視化知識圖譜分析結(jié)果（圖1），將其作為探討該領(lǐng)域研究熱點及發(fā)展趨勢的重要依據(jù)。

2 湖泊營養(yǎng)狀態(tài)遙感評價

營養(yǎng)狀態(tài)指數(shù)TSI（Trophic State Index）與綜合營養(yǎng)狀態(tài)指數(shù)TLI（Trophic Level Index）是目前地表水營養(yǎng)狀態(tài)評價最為常用的方法，兩者均為基于單一基準(zhǔn)因子靈敏性與多元輔助因子全面性的湖泊營養(yǎng)程度連續(xù)分級方法（舒金華，1990；王明翠 等，2002）。TSI 和TLI 的相似之處在于將水體生物、物理、化學(xué)參數(shù)轉(zhuǎn)化為某種適用于湖泊營養(yǎng)狀態(tài)評價的連續(xù)數(shù)值，而主要區(qū)別在于由不同基準(zhǔn)、輔助因子及其相互關(guān)聯(lián)推導(dǎo)出營養(yǎng)狀態(tài)評價公式和表征參數(shù)閾值的不同。TSI 主要是以透明度為基準(zhǔn)因子，以葉綠素、總磷濃度為輔助因子構(gòu)建的；而TLI是以葉綠素濃度為核心，結(jié)合透明度、化學(xué)需氧量、總磷、總氮濃度提出的。由于TSI 和TLI 的基準(zhǔn)因子均為可遙感參數(shù)，且具備結(jié)構(gòu)簡單、操作容易、成本低廉等優(yōu)點，國內(nèi)外學(xué)者主要圍繞上述兩種營養(yǎng)狀態(tài)評價指數(shù)開展湖泊營養(yǎng)程度遙感監(jiān)測研究，相關(guān)應(yīng)用已經(jīng)覆蓋了水生態(tài)學(xué)中的多個熱點領(lǐng)域（圖1）。

圖1 遙感技術(shù)在湖泊富營養(yǎng)化研究領(lǐng)域的關(guān)鍵詞分析，字號越大表示出現(xiàn)頻次越高Fig.1 Keyword analysis of remote sensing technology in lake eutrophication，the larger keyword size，the higher frequency

雖然20 世紀(jì)提出的葉綠素濃度遙感算法可以為湖泊營養(yǎng)狀態(tài)評價提供一些依據(jù)，但是若要制定適用于特定場景的富營養(yǎng)化防治政策，仍須對經(jīng)典算法進(jìn)行融合與改進(jìn)。隨著遙感技術(shù)及反演算法的快速發(fā)展，尤其是近十年的湖泊營養(yǎng)狀態(tài)遙感評價研究更多涉及到透明度、色度、吸收系數(shù)等典型水體光學(xué)參數(shù)對湖泊營養(yǎng)狀態(tài)的響應(yīng)機理，并且充分考慮單一基準(zhǔn)因子、多元輔助因子在湖泊營養(yǎng)狀態(tài)評價方面的統(tǒng)一性與合理性。本文將以時間進(jìn)展為大致主線，按可遙感參數(shù)、反演算法、遙感數(shù)據(jù)等基本特征對湖泊營養(yǎng)狀態(tài)遙感評價常用方法進(jìn)行梳理與歸類（表1），以期為相關(guān)研究提供有益的參考。

表1 主要的湖泊營養(yǎng)狀態(tài)評價方法及其基本特征Table 1 Lake eutrophication assessment methods and their basic characteristics

2.1 基于營養(yǎng)狀態(tài)指數(shù)遙感模型的湖泊營養(yǎng)狀況評價

由于在實際工作中通常會采用多種指標(biāo)和標(biāo)準(zhǔn)進(jìn)行湖泊營養(yǎng)狀態(tài)評價，導(dǎo)致同一時期同一湖泊可能得到不同的調(diào)查結(jié)果，不同時期不同湖泊的調(diào)查結(jié)果也缺乏可比性。為解決上述問題，須形成統(tǒng)一的湖泊營養(yǎng)狀態(tài)評價方法，例如Carlson（1977） 提出的營養(yǎng)狀態(tài)指數(shù)（TSI）。TSI 采用0—100 連續(xù)數(shù)值可將湖泊營養(yǎng)程度劃分為貧營養(yǎng)、貧中營養(yǎng)、中營養(yǎng)、中富營養(yǎng)、富營養(yǎng)、重富營養(yǎng)等6 個級別。結(jié)合TSI 計算模型，國內(nèi)外學(xué)者運用不同的可遙感參數(shù)作為基準(zhǔn)因子在湖泊營養(yǎng)狀態(tài)評價方面進(jìn)行了一系列有意義的探索。相關(guān)研究按基準(zhǔn)因子類型可分為以下兩類。

（1）以葉綠素濃度為基準(zhǔn)的營養(yǎng)狀態(tài)指數(shù)。國內(nèi)研究團(tuán)隊依據(jù)湖泊水體固有光學(xué)特性，建立適用于模擬水面反射率的遙感機理模型，實現(xiàn)葉綠素Chla（Chlorophylla）濃度后向反演，進(jìn)而構(gòu)建以葉綠素濃度為基準(zhǔn)的營養(yǎng)狀態(tài)指數(shù)（式（1）），并對2004-06 和2004-08 的太湖營養(yǎng)狀況進(jìn)行遙感評價（李云梅等，2006）。結(jié)果顯示，單獨以葉綠素濃度為基準(zhǔn)的營養(yǎng)狀態(tài)指數(shù)可以合理估算出太湖營養(yǎng)程度。

相似研究進(jìn)一步證明了以單一因子為基準(zhǔn)進(jìn)行湖泊營養(yǎng)狀態(tài)監(jiān)測的可行性（Duan 等，2007）。首先，以地面高光譜實驗為基礎(chǔ)構(gòu)建基于Landsat衛(wèi)星TM 影像的葉綠素濃度遙感反演算法，可用式（2）表示；然后，采用修正營養(yǎng)狀態(tài)指數(shù)TSIM（Modified Carlson’s Trophic State Index）（Aizaki等，1981）建立湖泊營養(yǎng)狀態(tài)與葉綠素濃度之間的關(guān)系模型（式（3）），以此實現(xiàn)對查干湖營養(yǎng)狀況的大時空尺度調(diào)查。

式中，b為衛(wèi)星影像波段（band）反射率。

通過分析湖泊營養(yǎng)狀態(tài)表征參數(shù)與水面高光譜特征參數(shù)之間的相關(guān)性，段洪濤等（2006）嘗試建立基于透明度ZSD（ZSecchiDisk）、葉綠素（Chla）、總磷TP（Total Phosphorous）濃度的湖泊營養(yǎng)狀態(tài)綜合評價算法。首先，基于實測數(shù)據(jù)建立上述3種水體參數(shù)的遙感反演模型，即式（4）—式（6）；然后，以葉綠素濃度為基準(zhǔn)因子，以透明度、總磷濃度為輔助因子，運用地面高光譜數(shù)據(jù)構(gòu)建修正營養(yǎng)狀態(tài)指數(shù)（式（7））；最終實現(xiàn)查干湖營養(yǎng)狀態(tài)的定量化綜合評價，為湖泊營養(yǎng)狀況遙感監(jiān)測提供了借鑒。

式中，Rrsλ為波長λ處的遙感反射率（Remote Sensing Reflectance）。

（2）以水體光學(xué)參數(shù)為基準(zhǔn)的營養(yǎng)狀態(tài)指數(shù)。國內(nèi)外學(xué)者在以水體光學(xué)參數(shù)為基準(zhǔn)的湖泊營養(yǎng)程度遙感評價方面取得一些進(jìn)展。結(jié)合太湖多個采樣站點的水下光譜和光合有效輻射實測數(shù)據(jù)，樂成峰等（2008）建立真光層深度Zeu（Zeuphotic）與水面以下遙感反射率的關(guān)系模型，從而實現(xiàn)真光層深度的遙感反演（式（8））；進(jìn)一步利用真光層深度與透明度之間的相互關(guān)聯(lián)，構(gòu)建以真光層深度為基準(zhǔn)的營養(yǎng)狀態(tài)指數(shù)，可通過式（9）表達(dá)。

美國研究團(tuán)隊利用1985年—2005年Landsat系列衛(wèi)星影像對明尼蘇達(dá)州湖泊營養(yǎng)狀況進(jìn)行調(diào)查（Olmanson等，2008）。首先，采用Kloiber等（2002）針對該州湖泊透明度構(gòu)建的遙感反演算法（式（10）），完成了湖泊透明度長時序（1973年—1998年）的遙感估算；然后，依據(jù)以透明度為基準(zhǔn)的營養(yǎng)狀態(tài)指數(shù)（式（11）），實現(xiàn)了該州上萬個湖泊營養(yǎng)狀態(tài)的遙感評價?；诖耍琒ong 等（2020）在應(yīng)用Landsat 8 衛(wèi)星OLI 數(shù)據(jù)全面調(diào)查中國湖泊透明度的研究中，通過式（11）表示的營養(yǎng)狀態(tài)指數(shù)，完成了中國不同地區(qū)湖泊營養(yǎng)狀況的遙感調(diào)查。

水色指數(shù)FUI（Forel-Ule Index）是湖泊水質(zhì)的重要指標(biāo)。通過21 級水體色度與遙感反射率的相互關(guān)系，可構(gòu)建基于RGB（Red-Green-Blue）與CIE （Commission Internationale de l’Eclairage）兩種色度坐標(biāo)體系的水色指數(shù)（Wo?niak 和Meler，2020）。依據(jù)FUI 和TSI 模擬數(shù)據(jù)集，建立兩者之間的轉(zhuǎn)換模型（式（12）），并確定FUI＜7表示貧營養(yǎng)狀態(tài)，7≤FUI＜10對應(yīng)中營養(yǎng)狀態(tài)，F(xiàn)UI≥10為富營養(yǎng)狀態(tài)；利用645 nm處離水輻射率排除黃色物質(zhì)占主導(dǎo)的湖泊水域，實現(xiàn)基于MODIS影像數(shù)據(jù)的全球大型湖泊營養(yǎng)狀態(tài)展示（Wang等，2018）。

現(xiàn)有研究顯示，水體組分吸收系數(shù)能夠指示溶解態(tài)與非溶解態(tài)物質(zhì)濃度，這與湖泊營養(yǎng)狀態(tài)息息相關(guān)（Dall’Olmo 等，2003）。國內(nèi)研究團(tuán)隊通過實地調(diào)查，發(fā)現(xiàn)湖泊營養(yǎng)狀態(tài)與光學(xué)活性物質(zhì)吸收系數(shù)aOACs（aOpticallyActiveComponents）存在密切關(guān)聯(lián)，進(jìn)而建立兩者間的定量關(guān)系（式（13））；以aOACs=0.38 m-1、1.64 m-1為閾值將湖泊營養(yǎng)程度劃分為貧營養(yǎng)、中營養(yǎng)、富營養(yǎng)狀態(tài)，為基于水體組分吸收系數(shù)的湖泊營養(yǎng)狀態(tài)遙感評價研究提供了科學(xué)依據(jù)（Wen等，2019）。

Shi 等（2019b）系統(tǒng)分析不同營養(yǎng)水平湖泊的大量實測數(shù)據(jù)，建立色素顆粒物吸收系數(shù)、懸浮顆粒物吸收系數(shù)、除純水以外組分吸收系數(shù)at-w（atotal-water）與營養(yǎng)狀態(tài)指數(shù)之間的相關(guān)關(guān)系，由此確定營養(yǎng)狀態(tài)指數(shù)的最優(yōu)指示因子為at-w；通過半機理模型獲取水體組分吸收系數(shù)，從而構(gòu)建基于at-w的營養(yǎng)狀態(tài)指數(shù)反演模型（式（14）），并對該模型做了應(yīng)用檢驗。研究結(jié)果進(jìn)一步證實，水體組分吸收系數(shù)可以指示湖泊營養(yǎng)狀況。

2.2 基于綜合營養(yǎng)狀態(tài)指數(shù)遙感模型的湖泊營養(yǎng)狀況評價

在眾多的營養(yǎng)狀態(tài)表征參數(shù)中，透明度、化學(xué)需氧量、葉綠素、總氮和總磷濃度已廣泛應(yīng)用于湖泊營養(yǎng)狀況評價，主要原因是上述水體參數(shù)對湖泊營養(yǎng)程度及其生態(tài)異常響應(yīng)具備較好的指示意義。在實際應(yīng)用中，往往利用部分或全部上述參數(shù)構(gòu)建表征湖泊營養(yǎng)狀況的綜合營養(yǎng)狀態(tài)指數(shù)（TLI）。由于中國環(huán)境監(jiān)測總站推薦的TLI在湖泊富營養(yǎng)化研究方面具備一定程度的通用性和可靠性，湖泊遙感領(lǐng)域?qū)W者在TLI計算模型與可遙感參數(shù)融合方面開展了大量有價值的工作。相關(guān)研究按基準(zhǔn)因子類型可大致分為如下兩類。

（1）以葉綠素濃度為基準(zhǔn)的綜合營養(yǎng)狀態(tài)指數(shù)。通過分析水面光譜數(shù)據(jù)、水體參數(shù)與營養(yǎng)狀態(tài)之間的相互關(guān)系，國內(nèi)研究團(tuán)隊分別構(gòu)建了以透明度、葉綠素、總氮、總磷濃度為基準(zhǔn)的綜合營養(yǎng)狀態(tài)指數(shù)；通過對比分析，選取葉綠素濃度作為基準(zhǔn)的TLI 評價湖泊營養(yǎng)狀態(tài)（式（15）—式（16））（徐祎凡等，2014）。結(jié)果顯示僅考慮葉綠素濃度的TLI高光譜遙感模型能夠較為精準(zhǔn)的評判湖泊營養(yǎng)狀況。

通過研究中國生態(tài)環(huán)境保護(hù)部門現(xiàn)行的湖泊營養(yǎng)狀態(tài)評價方法及其表征參數(shù)光譜特征，吳傳慶等（2011）分析了透明度、化學(xué)需氧量、葉綠素、總氮、總磷濃度等水體參數(shù)遙感反演的可行性；在考慮表征參數(shù)之間自相關(guān)性的基礎(chǔ)上，提出了以葉綠素濃度為基準(zhǔn)和以懸浮顆粒物SS（Suspended Substance）濃度為輔助的綜合營養(yǎng)狀態(tài)指數(shù)（式（17））。實驗結(jié)果表明，基于葉綠素和懸浮顆粒物濃度的TLI遙感模型適用于湖泊營養(yǎng)狀態(tài)綜合評價。

在融合衛(wèi)星遙感與地面實測數(shù)據(jù)的湖泊營養(yǎng)狀態(tài)評價研究方面，殷守敬等（2018）利用HJ-1衛(wèi)星CCD 數(shù)據(jù)獲取葉綠素濃度、透明度等表征參數(shù)的空間分布（式（18）—式（19））；通過地面數(shù)據(jù)空間插值獲得化學(xué)需氧量、總氮、總磷濃度等不易遙感參數(shù)的空間分布；進(jìn)而構(gòu)建以葉綠素濃度、透明度為基準(zhǔn)因子，以化學(xué)需氧量、總氮、總磷濃度為輔助因子的TLI，由此實現(xiàn)對湖泊營養(yǎng)狀況的綜合評價。

（2）以遙感反射率為基準(zhǔn)的綜合營養(yǎng)狀態(tài)指數(shù)。借鑒機器學(xué)習(xí)思想直接利用衛(wèi)星影像波段反射率評價湖泊營養(yǎng)狀態(tài)的相關(guān)研究正逐漸演變?yōu)楫?dāng)前重點和未來趨勢。Xiang 等（2015）在分析巢湖大量實測數(shù)據(jù)的基礎(chǔ)上，引入人工神經(jīng)網(wǎng)絡(luò)模型ANN（Artificial Neural Network）構(gòu)建了數(shù)據(jù)驅(qū)動下的綜合營養(yǎng)狀態(tài)指數(shù)（TLI）遙感反演算法。利用最近鄰算法（Nearest neighbour algorithm） 對MODIS 地表反射率產(chǎn)品（MOD09）前5 個波段影像進(jìn)行融合重采樣處理，選取影像波段反射率（b1、b2、b3、b4、b5）和TLI 分別為ANN 模型輸入和輸出參數(shù)，設(shè)置ANN 隱含層節(jié)點數(shù)為4，由此獲取高精度的湖泊營養(yǎng)狀態(tài)反演結(jié)果。

相似研究表明，以Landsat 8 衛(wèi)星OLI 影像為遙感數(shù)據(jù)源，利用徑向基RBF （Radial Basis Function）神經(jīng)網(wǎng)絡(luò)模擬復(fù)雜非線性關(guān)系的優(yōu)勢能夠精準(zhǔn)提取TLI（Zhou 等，2019）。通過大量衛(wèi)星影像和地面實測數(shù)據(jù)的學(xué)習(xí)訓(xùn)練，在考慮大氣水汽差分系數(shù)等參數(shù)的基礎(chǔ)上，構(gòu)建以7個單波段反射率（b1、b2、b3、b4、b5、b6、b7）和7 個波段反射率比值（b3/b5、b1/b2、b3/b7、b2/b5、b2/b7、b3/b6、b3/b4）為輸入?yún)?shù)，以TLI為輸出結(jié)果的RBF神經(jīng)網(wǎng)絡(luò)模型；相較于其他輸入?yún)?shù)的RBF 神經(jīng)網(wǎng)絡(luò)模型，該模型的TLI反演精度更高，進(jìn)一步證實基于遙感反射率的神經(jīng)網(wǎng)絡(luò)模型適用于湖泊營養(yǎng)狀態(tài)評價。

2.3 基于其他遙感模型的湖泊營養(yǎng)狀況評價

相對于國內(nèi)湖泊富營養(yǎng)化研究，國外學(xué)者考慮到TSI 和TLI 基準(zhǔn)因子的多樣性與各因子間加權(quán)關(guān)系的多變性，往往較少提及TSI 或TLI，而習(xí)慣于根據(jù)特定應(yīng)用場景的營養(yǎng)狀態(tài)，利用水體生物參數(shù)，尤其是反映浮游植物生物量的葉綠素濃度，建立營養(yǎng)狀態(tài)表征參數(shù)與營養(yǎng)物質(zhì)濃度之間的相互關(guān)聯(lián)，制定具有針對性的湖泊營養(yǎng)狀態(tài)定性或定量評價方法。因而在利用遙感技術(shù)估算湖泊營養(yǎng)程度時，應(yīng)當(dāng)考慮以下幾種定制化的評價方法。

為應(yīng)對歐盟水框架指令WFD（Water Framework Directive），法國研究團(tuán)隊提出一套融合查找表法的湖泊營養(yǎng)狀態(tài)遙感評價方法（Gohin 等，2008）。該評價方法利用O’Reilly 等（1998）提出由412 nm和555 nm 反射率比值構(gòu)建的Ocean chlorophyll 4 算法反演營養(yǎng)狀態(tài)表征參數(shù)——葉綠素濃度；定義Percentile 90（P90）為90%葉綠素濃度觀測值均低于的閾值；依據(jù)WFD 標(biāo)準(zhǔn)，以P90=5、10、20、40 mg/m3為閾值將浮游植物生長期的湖泊營養(yǎng)狀態(tài)分為5個程度（high、good、moderate、poor、bad），從而實現(xiàn)湖泊富營養(yǎng)化的風(fēng)險評估。

巴西圣保羅州政府根據(jù)當(dāng)?shù)貎?nèi)陸水體特性，制定了基于葉綠素濃度的湖泊營養(yǎng)狀態(tài)評價標(biāo)準(zhǔn)，以Chla=1.17 mg/m3、3.24 mg/m3、11.03 mg/m3、30.55 mg/m3、69.05 mg/m3為閾值將湖泊營養(yǎng)狀態(tài)劃分為超貧營養(yǎng)、貧營養(yǎng)、中營養(yǎng)、富營養(yǎng)、超富營養(yǎng)、重度富營養(yǎng)（Companhia Ambiental do Estado de S?o Paulo，CETESB，2017）。針對巴西Fundao 水壩倒塌事件造成的河道型水庫持續(xù)富營養(yǎng)化問題，Coimbra 等（2021）提出應(yīng)用Landsat 8 衛(wèi)星OLI 數(shù)據(jù)獲取葉綠素濃度的反演算法（式（20）），結(jié)合CETESB 評價標(biāo)準(zhǔn)，即可實現(xiàn)2013年—2019年該水庫營養(yǎng)狀態(tài)的追蹤評價。

式中，NDCI 為Normalized Difference ChlorophyllaIndex且NDCI =

國內(nèi)研究團(tuán)隊提出富營養(yǎng)化發(fā)生幾率PEO（Probability of Eutrophication Occurrence）的概念，并論證了PEO 在評價長江中下游平原湖泊營養(yǎng)狀態(tài)方面的科學(xué)價值（Guan等，2020）。首先，利用支持向量機模型建立葉綠素濃度及其敏感波段反射率組合之間的非線性關(guān)系，實現(xiàn)了葉綠素濃度的遙感反演；其次，采用Chlorophyll spectral index、Phycocyanin baseline 或者葉綠素濃度為評判標(biāo)準(zhǔn)，判別富營養(yǎng)化是否發(fā)生；最后，定義PEO 為特定時空范圍內(nèi)富營養(yǎng)化發(fā)生次數(shù)在衛(wèi)星遙感有效觀測總數(shù)中所占的比例，并將PEO年平均值應(yīng)用于湖泊營養(yǎng)狀態(tài)變化趨勢的長期刻畫。

3 營養(yǎng)狀態(tài)表征參數(shù)遙感反演

自1970年代以來，隨著水體光學(xué)特性研究的不斷深入，遙感技術(shù)逐步應(yīng)用到湖泊科學(xué)領(lǐng)域，適用范圍從最初的水體面積提取擴展到后來的水生態(tài)安全預(yù)警。一方面，水體參數(shù)遙感反演算法研究從定性判別發(fā)展到定量反演，大致經(jīng)歷了4個階段：（1）1980年代以前，主要針對開闊海洋的理論方法研究；（2）1980年—1990年，圍繞內(nèi)陸水體展開的經(jīng)驗方法研究；（3）1990年—2010年，融合以上兩種方法的半機理方法研究；（4）2010年以后，融合先驗知識的機器學(xué)習(xí)模型研究。另一方面，近年來衛(wèi)星傳感器技術(shù)發(fā)展迅速，性能得到顯著改善，主要體現(xiàn)在如下兩點：（1）遙感傳感器種類更為豐富，例如陸續(xù)發(fā)射升空的Sentinel、GF、TG 系列衛(wèi)星已經(jīng)或計劃搭載高分辨率的光學(xué)、微波、激光傳感器，為深入開展中小型湖泊的水體輻射傳輸機理研究，進(jìn)而建立全天時、高精度的營養(yǎng)狀態(tài)表征參數(shù)遙感反演算法提供數(shù)據(jù)支撐；（2）光學(xué)影像數(shù)據(jù)時—空—譜分辨率的大幅提高，例如珠海一號衛(wèi)星組網(wǎng)后的重訪周期為1 d、空間分辨率可達(dá)亞米級、光譜分辨率為2.5 nm，以及配備可見光、近紅外、短波紅外通道的COMS、Himawari-8、FY-4 等靜止軌道衛(wèi)星將拍攝周期縮短至0.5—60 min，充分滿足營養(yǎng)狀態(tài)表征參數(shù)光譜特征的精準(zhǔn)識別和高頻觀測需求。在定量反演算法與傳感器技術(shù)協(xié)同發(fā)展的背景下，基于衛(wèi)星/航空/地基遙感數(shù)據(jù)的水體組分光譜特征研究克服了水體光學(xué)屬性在不同尺度上所呈現(xiàn)的時空復(fù)雜性問題，以及傳感器接收輻射信息易受外界干擾的技術(shù)難點，從而有效加強了水體光學(xué)參數(shù)（例如色度）、光學(xué)活性物質(zhì)（例如葉綠素）、非光學(xué)活性物質(zhì)（例如顆粒態(tài)磷）反演算法的穩(wěn)定性，將進(jìn)一步拓展表征營養(yǎng)狀態(tài)的可遙感參數(shù)，提升反演產(chǎn)品的時空分辨率和精度。

國內(nèi)外研究進(jìn)展表明，以營養(yǎng)狀態(tài)遙感評價作為整體目標(biāo)的大量工作均是借鑒TSI 或TLI 的構(gòu)建思想，建立單個或多個營養(yǎng)狀態(tài)表征參數(shù)的遙感反演算法，并以此為基準(zhǔn)進(jìn)行湖泊營養(yǎng)狀態(tài)評價。然而，該類遙感評價方法在參數(shù)體系和評價精度的通用性和可靠性方面存在不足。因此，為奠定湖泊營養(yǎng)狀況遙感評價的理論基礎(chǔ)，營養(yǎng)狀態(tài)表征參數(shù)反演算法研究仍須加強。本文將圍繞透明度、色度、葉綠素、總氮和總磷濃度等湖泊營養(yǎng)狀態(tài)關(guān)鍵表征參數(shù)定量反演的代表性研究（2017年—2021年）展開論述。

3.1 透明度

透明度（ZSD）表征水體清澈程度和透光能力，是描述湖泊營養(yǎng)狀態(tài)最直觀的水體參數(shù)。透明度反演算法是近年來國內(nèi)水色遙感領(lǐng)域的研究熱點，該算法的快速發(fā)展必將大力推進(jìn)湖泊營養(yǎng)狀態(tài)遙感評價研究。

湖泊透明度遙感估算經(jīng)驗?zāi)Ｐ偷南嚓P(guān)研究表明，根據(jù)Landsat TM/ETM+/OLI、Aqua MODIS影像反射率和透明度實地觀測數(shù)據(jù)，分析透明度敏感波段與遙感反演建模所需參數(shù)隨時間變化情況，構(gòu)建基于紅光波段反射率Rrs(red)冪函數(shù)和指數(shù)函數(shù)的透明度遙感反演算法（式（21）—式（22））（Shi等，2018；Zhang 等，2021）。結(jié)果顯示，該類算法具備一定普適性，能較好展示多種典型湖泊的透明度長時序變化情況。

隨著湖泊遙感原位實驗的深入開展，水色指數(shù)（FUI）、色相角（α）與透明度（ZSD）之間的潛在關(guān)聯(lián)開始引起更多關(guān)注。Wang等（2020a）收集了中國多種典型湖泊的地面實測數(shù)據(jù)，提出基于MODIS 地表反射率產(chǎn)品（MOD09）和RGB 顏色空間模型的歸一化CIE色度坐標(biāo)體系；從藍(lán)色到黃棕色的水體色度漸變中提取0°—360°的色相角，并依據(jù)查找表計算FUI；進(jìn)而建立透明度遙感反演模型（式（23）—式（24）），由此實現(xiàn)中國大型湖泊透明度的遙感監(jiān)測。

在湖泊透明度遙感估算的物理機制研究方面，國內(nèi)研究團(tuán)隊利用長江中下游平原50 個大型湖泊實測數(shù)據(jù)，對Lee等（2015）面向海洋透明度估測提出的一種遙感半機理模型進(jìn)行參數(shù)優(yōu)化，建立適用于內(nèi)陸水體的透明度遙感反演算法（式（25））；運用2003年—2016年的MODIS 影像數(shù)據(jù)記錄下研究區(qū)透明度時空演化趨勢，以此分析人文與自然因素對湖泊透明度年際變化的相對貢獻(xiàn)（Feng 等，2019）。

3.2 色度

比色卡法是一種通過肉眼比對自然水體表觀顏色與21 級國際標(biāo)準(zhǔn)色度的水體光學(xué)分類方法。由于具備標(biāo)準(zhǔn)統(tǒng)一、操作簡單、成本低廉的優(yōu)勢，該方法已有130多年的應(yīng)用史，產(chǎn)生了數(shù)以萬計的水體色度數(shù)據(jù)樣本?；诒壬ǚ?gòu)建的水色指數(shù)被證明與湖泊營養(yǎng)程度有關(guān)（曹暢等，2021）。因而，通過比色卡法確定湖泊水體的21 級色度將有助于湖泊營養(yǎng)狀態(tài)的遙感評價。

近年來，國際標(biāo)準(zhǔn)照明委員會（CIE）建立了一套可見光顏色空間標(biāo)準(zhǔn)，即CIE 色度坐標(biāo)體系。通過該系統(tǒng)將遙感反射率轉(zhuǎn)換為色相角（式（26）—式（31））；根據(jù)表征色相角與21級色度關(guān)系的查找表，確定衛(wèi)星影像反射率對應(yīng)的色度（Pitarch 等，2019）。因此，通過比色卡法即可利用衛(wèi)星影像反射率開展全球尺度下的水體光學(xué)屬性分析研究，從而揭示湖泊光學(xué)特性對全球變化的響應(yīng)機理。

式中，(λ)、(λ)、(λ)是CIE 1931 標(biāo)準(zhǔn)色度觀察者的光譜三刺激值。

式中，xw、yw是CIE 色度坐標(biāo)體系的白點橫縱坐標(biāo)（1/3，1/3）。

3.3 葉綠素濃度

葉綠素濃度是表征浮游植物生物量的主要指標(biāo)，因而可以作為衡量湖泊營養(yǎng)程度的基礎(chǔ)參數(shù)（圖1）。近年來，基于經(jīng)驗?zāi)Ｐ?、半機理模型與機器學(xué)習(xí)模型的葉綠素濃度反演算法取得了一些新進(jìn)展。

面向渾濁二類水體的葉綠素濃度精確提取問題，國內(nèi)研究團(tuán)隊借鑒水體光學(xué)分類思想，提出基于浮游植物aph（aphytoplankton）與非色素水體組分ad（adetritus）吸收系數(shù)的湖泊光學(xué)分類模型，以aph443/ad443=0.2、1 為閾值將水體劃分為3 類；利用NPP衛(wèi)星VIIRS 數(shù)據(jù)與地面實測數(shù)據(jù)篩選出適用于3 種湖泊光學(xué)類型的葉綠素敏感光譜指數(shù)，進(jìn)而建立對應(yīng)的葉綠素濃度反演算法（式（32）—式（34）），以期提升復(fù)雜光學(xué)特征條件下葉綠素濃度的遙感估算精度（Jiang等，2020）。

針對類似的復(fù)雜光學(xué)背景下葉綠素濃度精細(xì)化反演難題，Liu 等（2020）對現(xiàn)有半機理算法QAA（Quasi-Analytical Algorithm）進(jìn)行改進(jìn)，闡明了近紅外波段信噪比對葉綠素濃度反演效果的影響。一方面，假設(shè)純水吸收特征（aw）在近紅外波段占據(jù)優(yōu)勢，通過選擇QAA 參考波長在近紅外波段的位置估算總后向散射系數(shù)（bbp）（式（35））；另一方面，通過非水組分總吸收系數(shù)（anon-water）估算浮游植物吸收系數(shù)（aph）（式（36）），最終建立適用于渾濁二類水體的葉綠素濃度半機理反演算法（式（37））。

式中，λ0=709或754 nm，bbw為純水后向散射系數(shù)。

式中，( 665 )= 0.017 m2/mg。

為了解決常規(guī)生物光學(xué)模型不易建立普適性葉綠素濃度反演算法的問題，韓國研究團(tuán)隊嘗試運用深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建遙感影像光譜信息與葉綠素濃度之間的相互關(guān)聯(lián)（Pyo 等，2019）。首先，構(gòu)建基于無人機高光譜影像的改進(jìn)型卷積神經(jīng)網(wǎng)絡(luò)模型PRCNN （Point-centered Regression Convolutional Neural Networks）；其次，借助PRCNN的卷積和批量規(guī)范化層將以不同窗口大小輸入的遙感影像大氣校正參數(shù)和灰度值轉(zhuǎn)換為葉綠素濃度；最后對比分析該模型與常規(guī)生物光學(xué)模型（表面、固有光學(xué)屬性算法）的輸出結(jié)果。實驗表明，基于PRCNN 模型的葉綠素濃度反演算法能夠獲取高精度的估算結(jié)果。

針對多源衛(wèi)星數(shù)據(jù)協(xié)同反演不同營養(yǎng)狀態(tài)下葉綠素濃度的結(jié)果一致性問題，美國國家航空航天局研究發(fā)現(xiàn)，通過調(diào)整混合密度網(wǎng)絡(luò)模型MDN（Mixture Density Network）控制多元概率密度函數(shù)的參數(shù)（平均向量、協(xié)方差矩陣（Σ）、混合系數(shù)），可以構(gòu)建基于多源衛(wèi)星數(shù)據(jù)無縫協(xié)同的不同營養(yǎng)水平下葉綠素濃度反演算法（Pahlevan 等，2021）。結(jié)果顯示，當(dāng)Sentinel-2/3衛(wèi)星多光譜影像遙感反射率（400—800 nm）與葉綠素濃度分別為MDN 輸入和輸出參數(shù)時，Σ 可約簡至標(biāo)準(zhǔn)差（σ），由此可建立全球尺度的葉綠素濃度數(shù)據(jù)產(chǎn)品。

3.4 總氮和總磷濃度

由湖泊富營養(yǎng)化遙感研究的關(guān)鍵詞分析（圖1）可知，作為營養(yǎng)狀態(tài)表征參數(shù)，總氮、總磷濃度的精確估算對水生態(tài)環(huán)境保護(hù)意義重大。相較于葉綠素、懸浮顆粒物、黃色物質(zhì)等光學(xué)活性物質(zhì)，總氮、總磷并無實質(zhì)的光譜響應(yīng)。因而，湖泊遙感領(lǐng)域?qū)W者大多通過經(jīng)驗?zāi)Ｐ突驒C器學(xué)習(xí)模型解決此類非光學(xué)活性物質(zhì)的遙感反演問題。

千島湖富營養(yǎng)化遙感研究發(fā)現(xiàn)，通過對Landsat 8衛(wèi)星OLI數(shù)據(jù)的不同類型波段反射率組合與營養(yǎng)物質(zhì)濃度實測數(shù)據(jù)進(jìn)行相關(guān)性分析，確定b4/（b2+b5）與總氮濃度密切相關(guān)，并且該組合可以最大限度降低大氣校正所帶來的不良影響；由此可構(gòu)建營養(yǎng)狀態(tài)表征參數(shù)——總氮TN （Total Nitrogen）濃度的遙感反演算法（式（38））（Li 等，2017）。

Wang 等（2020b）考慮利用挺水植物吸收水體營養(yǎng)物質(zhì)的不同導(dǎo)致的光譜特征微弱差異，通過挺水植物的光譜特征差異弱信息間接表征水體總氮濃度。實驗結(jié)果表明，構(gòu)建基于分?jǐn)?shù)階導(dǎo)數(shù)的決策層融合模型可以控制基于機器學(xué)習(xí)模型間接反演總氮濃度的計算誤差；比較分析偏最小二乘法、隨機森林、極端學(xué)習(xí)機、高斯過程模型的輸出結(jié)果，確定決策層融合模型與高斯過程模型是利用挺水植物間接估算總氮濃度的最優(yōu)組合。

Du 等（2018）提出一種借鑒水體光學(xué)分類思想的總磷（TP）濃度遙感反演算法。首先，利用葉綠素與無機懸浮顆粒物ISM（Inorganic Suspended Matter）比值構(gòu)建一種簡單有效的水體光學(xué)分類方法，將湖泊分為浮游植物優(yōu)勢（Chla/ISM≥1）和非優(yōu)勢（Chla/ISM＜1）區(qū)域；通過總磷濃度和高光譜實測數(shù)據(jù)之間的回歸分析，建立總磷濃度的幾種備選反演算法，從中選取各水體光學(xué)類型的最優(yōu)反演算法。結(jié)果顯示，適用于浮游植物優(yōu)勢和非優(yōu)勢水域的總磷濃度反演算法分別為式（39）和（40）。

隨著湖泊富營養(yǎng)化研究的深入，國內(nèi)外學(xué)者開始關(guān)注到總磷中占據(jù)較大比例的顆粒態(tài)磷PP（Particulate Phosphorus）對生物地球化學(xué)循環(huán)過程產(chǎn)生的影響。Shi 等（2020）通過對太湖長時序地面實測數(shù)據(jù)和MODIS 影像數(shù)據(jù)進(jìn)行相關(guān)性分析，篩選出顆粒態(tài)磷的光學(xué)敏感波段為b1和b2（中心波長為645 nm和859 nm），由此構(gòu)建顆粒態(tài)磷濃度的遙感反演算法（式（41））；該研究實現(xiàn)了顆粒態(tài)磷的精細(xì)化提取，進(jìn)而描繪出2003年—2017年太湖顆粒態(tài)磷濃度及其環(huán)境驅(qū)動因子的動態(tài)演化過程。

4 問題與挑戰(zhàn)

伴隨著全球湖泊富營養(yǎng)化進(jìn)程的加劇，湖泊生態(tài)環(huán)境以及水體光學(xué)類型呈現(xiàn)出復(fù)雜化和多樣化的變化趨勢，致使現(xiàn)有的湖泊富營養(yǎng)化遙感研究仍存在以下幾個層面的問題。（1）各國家各部門主導(dǎo)的衛(wèi)星影像數(shù)據(jù)標(biāo)準(zhǔn)、格式、技術(shù)不統(tǒng)一，并且缺乏數(shù)據(jù)共享機制，從根本上為多源遙感數(shù)據(jù)的協(xié)同分析、有效集成、互聯(lián)共享制造了障礙；（2）在湖泊營養(yǎng)狀態(tài)遙感評價參數(shù)選取方面，國外研究相對較少涉及透明度、總氮、總磷濃度等水體理化參數(shù)，往往利用浮游植物、水生植物、浮游動物的相關(guān)生物參數(shù)反映湖泊營養(yǎng)程度，使得湖泊營養(yǎng)狀態(tài)表征參數(shù)的選取標(biāo)準(zhǔn)很難統(tǒng)一；（3）現(xiàn)有研究多以單一湖泊為研究對象進(jìn)行傳統(tǒng)的“一湖一策”營養(yǎng)狀態(tài)遙感評價，對湖泊水體時—空—譜的普適特征分析不足，導(dǎo)致湖泊營養(yǎng)狀態(tài)表征參數(shù)遙感反演算法在復(fù)雜化和多樣化的水體光學(xué)條件下缺乏可移植性；（4）從湖泊營養(yǎng)狀態(tài)遙感評價算法的研究現(xiàn)狀可知，國內(nèi)研究以營養(yǎng)狀態(tài)評價指數(shù)（例如TSI 和TLI）為主，國外學(xué)者偏重于單一因子（例如葉綠素濃度）評價研究，未能形成標(biāo)準(zhǔn)化的湖泊營養(yǎng)狀況評價框架。

在已經(jīng)來臨的數(shù)據(jù)經(jīng)濟(jì)時代，大數(shù)據(jù)技術(shù)在很多行業(yè)都發(fā)揮著不可替代的作用。越來越多的人們意識到，大數(shù)據(jù)是一種蘊含重要價值的戰(zhàn)略資源；同時大數(shù)據(jù)技術(shù)的興起豐富了數(shù)據(jù)挖掘手段，為高效表達(dá)遙感專題信息提供了一種具有實際應(yīng)用價值的全新方法論（張兵，2018）。作為大數(shù)據(jù)的重要分支，具備多分辨率、多時相、多尺度特征的遙感大數(shù)據(jù)為精確識別湖泊富營養(yǎng)化專題信息提供更加可靠的數(shù)據(jù)保障，也為湖泊營養(yǎng)狀態(tài)評價算法研究注入新的發(fā)展動力。鑒于此，本文將討論如何利用遙感大數(shù)據(jù)及其相關(guān)算法探尋湖泊富營養(yǎng)化研究所面臨主要科學(xué)問題的解決方法，相關(guān)的組織機制如圖2所示。

圖2 湖泊營養(yǎng)狀態(tài)遙感大數(shù)據(jù)評價的組織機制Fig.2 Organization mechanism of remote sensing big data for lake eutrophication assessment

4.1 遙感大數(shù)據(jù)平臺建設(shè)

遙感大數(shù)據(jù)平臺的功能包括多源衛(wèi)星影像海量數(shù)據(jù)的收集存儲、一致化預(yù)處理、云計算處理等。對于大時空尺度下的湖泊營養(yǎng)狀態(tài)遙感評價而言，建議利用美國谷歌公司搭建地理信息云計算服務(wù)平臺GEE （Google Earth Engine）采集Landsat 系列衛(wèi)星影像數(shù)據(jù)，并運用GEE 提供的一致化預(yù)處理算法實現(xiàn)常規(guī)影像數(shù)據(jù)的輻射定標(biāo)、大氣校正、幾何校正、影像拼接等。目前，中國在生態(tài)環(huán)境遙感監(jiān)測信息采集與傳輸網(wǎng)絡(luò)建設(shè)方面的投入不夠，尚未構(gòu)建與多源遙感數(shù)據(jù)相匹配的自動化影像采集與處理技術(shù)，還沒有開展生態(tài)環(huán)境大數(shù)據(jù)的關(guān)聯(lián)分析與開發(fā)利用，更未建立相應(yīng)的遙感大數(shù)據(jù)標(biāo)準(zhǔn)，因而仍然缺乏能夠取代GEE的國產(chǎn)遙感大數(shù)據(jù)平臺。

4.2 湖泊營養(yǎng)狀態(tài)表征參數(shù)選取

生態(tài)環(huán)境評價參數(shù)選取原則是盡量選擇普適性參數(shù)，并分析各參數(shù)間的內(nèi)在聯(lián)系。考慮到營養(yǎng)程度較低的湖泊，水體生化參數(shù)（例如葉綠素、總氮、總磷濃度）的遙感反演精度將受到限制，進(jìn)而影響到湖泊營養(yǎng)狀態(tài)遙感評價的可靠性。相對而言，水體光學(xué)參數(shù)（即透明度、色度、吸收系數(shù)） 具備適用于遙感監(jiān)測的一般光譜特征（Ayele 和Atlabachew，2021）。因此，本文歸納總結(jié)的湖泊營養(yǎng)狀態(tài)可遙感參數(shù)著重涵蓋了具有穩(wěn)定光譜特性的水體光學(xué)參數(shù)。大量研究證明，由上述營養(yǎng)狀態(tài)表征參數(shù)組成的評價體系足以實現(xiàn)定量評價湖泊營養(yǎng)狀況（Sinha等，2017）。為了更加全面準(zhǔn)確的描述自然因素和（或）人類活動影響下湖泊營養(yǎng)狀態(tài)，本文建議從廣義的富營養(yǎng)化范疇出發(fā)，把流域、經(jīng)濟(jì)、氣候等因素綜合起來建立湖泊營養(yǎng)狀態(tài)遙感大數(shù)據(jù)評價算法。在具體實踐過程中，依據(jù)湖泊生態(tài)環(huán)境類型與營養(yǎng)程度，對可遙感參數(shù)（包含自然、人文要素）設(shè)置差異化的相關(guān)加權(quán)系數(shù)；根據(jù)各業(yè)務(wù)部門不同需求，實施多層次、多要素的湖泊營養(yǎng)狀態(tài)遙感評價。

4.3 非光學(xué)活性物質(zhì)遙感反演

由于非光學(xué)活性物質(zhì)的生物光學(xué)特征微弱而容易被光學(xué)活性物質(zhì)遮蓋，目前國內(nèi)外湖泊遙感發(fā)展趨勢是更多的依靠機器學(xué)習(xí)模型實現(xiàn)非光學(xué)活性物質(zhì)定量反演。然而，暫未發(fā)現(xiàn)泛用的機器學(xué)習(xí)反演算法，并且無法完全排除人工比對環(huán)節(jié)。因此，該類機器學(xué)習(xí)反演算法還不能進(jìn)行大數(shù)據(jù)級別的應(yīng)用。建議充分考慮非光學(xué)活性物質(zhì)光譜弱響應(yīng)變化規(guī)律同時受到自身前期狀態(tài)與空間鄰接狀態(tài)的影響，引入空間表征學(xué)習(xí)技術(shù)與圖神經(jīng)網(wǎng)絡(luò)模型，將空間上下文信息融入其光譜響應(yīng)時序分析，構(gòu)建適用于挖掘更深層次拓?fù)潢P(guān)系、提取自身變化信息、反映時空交互過程的非光學(xué)活性物質(zhì)時—空—譜分析模型；借助無監(jiān)督學(xué)習(xí)算法與自動編碼器技術(shù)，分析不同尺度時空變化過程序列下隱含的光譜弱響應(yīng)變化模式，從而提高非光學(xué)活性物質(zhì)光譜弱信息的解析能力，由此實現(xiàn)湖泊營養(yǎng)狀態(tài)表征參數(shù)的全面反演與精度提升。

4.4 遙感大數(shù)據(jù)評價可行性分析

面對收集到的湖泊營養(yǎng)狀態(tài)表征參數(shù)及相應(yīng)遙感影像，主張構(gòu)建面向多源多維數(shù)據(jù)的利用、分析、決策等遙感大數(shù)據(jù)思維體系，對湖泊營養(yǎng)狀態(tài)變化進(jìn)行高頻次定量反演，為湖泊營養(yǎng)狀態(tài)評價提供數(shù)據(jù)基礎(chǔ)；借助大數(shù)據(jù)技術(shù)對多源多維數(shù)據(jù)進(jìn)行有效的整合處理，加強湖泊營養(yǎng)狀態(tài)評價算法訓(xùn)練樣本的穩(wěn)健性，降低人工決策在評價算法中所占比重，實現(xiàn)數(shù)據(jù)樣本的自動、通用、定量處理；利用遙感大數(shù)據(jù)在時空域上的廣泛度和密集度使得時空連續(xù)的湖泊營養(yǎng)狀態(tài)直接適配于遙感影像光學(xué)信息，以期提升湖泊營養(yǎng)狀態(tài)遙感評價精度；由此可從多時空尺度掌握湖泊富營養(yǎng)化過程的相關(guān)專題信息，進(jìn)而借助大數(shù)據(jù)評價框架對時空域上湖泊營養(yǎng)狀態(tài)做出系統(tǒng)評價。因此，遙感大數(shù)據(jù)可在一定程度上解決大時空尺度湖泊營養(yǎng)狀態(tài)調(diào)查所面臨的瓶頸問題。

綜上所述，通過建設(shè)遙感大數(shù)據(jù)分析引擎平臺，設(shè)計定量化湖泊營養(yǎng)狀態(tài)評價參數(shù)體系，建立一套面向湖泊營養(yǎng)狀態(tài)表征參數(shù)反演的時—空—譜分析模型，實現(xiàn)評價算法層面的時空拓展，為進(jìn)一步利用遙感大數(shù)據(jù)思維方法正確理解不同時空尺度下的湖泊富營養(yǎng)化過程奠定基礎(chǔ)，最終形成一套可挖掘湖泊生態(tài)環(huán)境內(nèi)涵的遙感大數(shù)據(jù)普適性評價框架。

5 結(jié) 語

近年來，隨著定量反演算法與傳感器技術(shù)的不斷改善，圍繞湖泊營養(yǎng)狀態(tài)的遙感評價研究進(jìn)入快速發(fā)展階段，對解決自然與人文要素影響下大時空尺度的湖泊營養(yǎng)狀態(tài)評價問題具有重要意義。

湖泊營養(yǎng)狀態(tài)遙感評價算法研究已經(jīng)從傳統(tǒng)的營養(yǎng)狀態(tài)評價指數(shù)（基于TSI和TLI的遙感評價）擴展到國際政府間組織（例如歐盟）、國家（例如巴西）技術(shù)標(biāo)準(zhǔn)層面，加之一些新型遙感算法（例如水色指數(shù)）的出現(xiàn)，為湖泊營養(yǎng)狀態(tài)精細(xì)化評價提供有力的技術(shù)支持；在營養(yǎng)狀態(tài)表征參數(shù)遙感反演算法方面，囊括了透明度、色度、葉綠素、總氮和總磷濃度的最新代表性反演算法研究，高精度的遙感估算結(jié)果可為湖泊營養(yǎng)狀態(tài)評價提供重要的數(shù)據(jù)支撐；針對當(dāng)前湖泊富營養(yǎng)化研究所面臨的問題與挑戰(zhàn)，從遙感大數(shù)據(jù)視角展望了該研究領(lǐng)域的發(fā)展趨勢?？傊?，遙感大數(shù)據(jù)必將在湖泊富營養(yǎng)化前沿研究中發(fā)揮至關(guān)重要的作用，為中國湖泊生態(tài)環(huán)境監(jiān)測與保護(hù)做出切實的貢獻(xiàn)。