利用多源光学传感器研究浅水浑浊湖泊中浮游植物的时空变化

摘要： 通过整合新一代遥感卫星的精细空间信息与原位光学传感器（WISPstation）的高频观测数据，湖泊水质监测水平有望得到提升。我们以特拉西梅诺湖为研究对象应用该方法，旨在深化对不同时间和空间尺度下浮游植物动态变化的认识。采用非参数乘性回归模型对WISPstation获取的高频叶绿素a数据进行建模，结果显示"年内日期"是最关键的影响因子，反映了7月至9月浮游植物水华的季节演替过程。此外，东西风分量等气象因素对预测浮游植物的季节和昼夜变化模式也具有重要影响。2018年Sentinel 3-OLCI和Sentinel 2-MSI卫星共获取42幅影像，成功绘制出叶绿素a的空间分布与季节变化图谱，可视化呈现了夏季中旬局部入流导致叶绿素a升高的潜在影响。相比传统人工方法，卫星数据还能以更精细的尺度评估水质状况。虽然与人工采集的实地数据吻合度良好，但更重要的是，卫星与WISPstation传感器提供的大幅提升的时空分辨率，显然为水资源研究与管理提供了前所未有的资源支持。