湖泊草藻不同群落遙感自動識別算法研究獲進展

　　在人類活動和氣候變暖雙重壓力下，湖泊水環境問題日益突出。全球超過60%湖泊呈現富營養化狀態，8.8%湖泊出現藻華。草、藻型不同穩態類型的演變和轉化是湖泊生態學研究的熱點之一，但因缺乏長時序草藻數據支撐而無明顯突破。

　　Landsat系列衛星數據可快速獲取高分辨率的地表現狀信息，并可重建自1980s以來的歷史信息；發展基于Landsat的藻華、挺水/浮葉和沉水植被的自動識別算法是開展草藻演變和轉化研究的關鍵。目前，圍繞湖泊藻華或水生植被已發展了一系列遙感提取算法，但尚無能夠完全實現草、藻的自動識別并大規模應用的算法。

　　中國科學院南京地理與湖泊研究所研究員段洪濤團隊副研究員羅菊花圍繞上述難題，研發出藻華、挺水/浮葉和沉水植被遙感自動識別算法（VBI算法。近日，相關研究成果以A new technique for quantifying algal bloom, floating/emergent and submerged vegetation in eutrophic shallow lakes using Landsat imagery為題，發表在Remote Sensing of Environment上。

　　VBI算法另辟蹊徑，通過纓帽變換構建了水生植被指數（AVI），解決了草藻遙感識別的兩個難題即挺水/浮葉植被和藻華光譜形狀相似、識別難；沉水植被位于水面以下，光譜信號弱，與水體光譜區分難。VBI算法在長江中下游湖泊群開展了廣泛驗證，平均分類精度高于80%，具有較高的準確性、魯棒性和適用性。同時，VBI算法與已有算法在全球多個湖泊開展比較研究，發現VBI算法優勢明顯，是目前唯一能夠同時識別藻華、挺水/浮葉植被和沉水植被的遙感分類算法。

　　長江中下游湖泊富營養化嚴重，草、藻長期變化尚不可知。基于VBI算法，科研人員重建了1985-2021年的長江中下游大型湖泊（面積>50km2）數據集，發現了大型湖泊均有水生植被分布，且平均植被覆蓋度為59%，其中沉水植被的平均覆蓋度為36.98%，浮葉類植被的平均覆蓋度為22.06%；約81%大型湖泊優勢植被類群為沉水植被，12個湖泊有不同程度藻華發生；1980s以來，長江中下游湖泊水生植被覆蓋度顯著下降，尤其是沉水植被減少明顯，浮葉類植被無顯著變化。此外，發生藻華的湖泊數量顯著增加，長江下游尤為明顯。

　　研究工作得到國家自然科學基金、南京地理所自主部署科研項目和江蘇省碳達峰碳中和科技創新專項資金項目的支持。