來(lái) 萊，張玉超，景園媛，劉兆敏

(1：中國(guó)科學(xué)院南京地理與湖泊研究所湖泊與環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210008) (2：中國(guó)科學(xué)院大學(xué)，北京 100049)

近年來(lái)，在自然因素與人為因素的共同作用下，湖泊水環(huán)境變化劇烈，水質(zhì)持續(xù)惡化，生態(tài)系統(tǒng)遭受?chē)?yán)重破壞，功能和效益不斷下降，富營(yíng)養(yǎng)化及引起的藻類(lèi)水華頻發(fā)問(wèn)題逐漸成為公眾媒體關(guān)注的焦點(diǎn)[1].

浮游植物是生活在河流、湖泊和海洋中的敏感有機(jī)體，其群落結(jié)構(gòu)一定程度上可以反映水體富營(yíng)養(yǎng)化的程度[2]. 通常浮游植物就是指浮游藻類(lèi)，包括藍(lán)藻門(mén)、綠藻門(mén)、硅藻門(mén)等8個(gè)門(mén)類(lèi)的浮游種類(lèi). 足夠的藻類(lèi)生物量和適宜的環(huán)境條件是形成藍(lán)藻水華的基本條件. 藻類(lèi)大量繁殖引起的水華現(xiàn)象(簡(jiǎn)稱(chēng)“藻華”)是湖泊水體富營(yíng)養(yǎng)化的重要特征[3]. 針對(duì)全球71個(gè)大型湖泊的遙感監(jiān)測(cè)研究表明，68%的湖泊藻華發(fā)生強(qiáng)度增加趨勢(shì)顯著[4]. 2019年，我國(guó)監(jiān)測(cè)了107個(gè)重點(diǎn)湖(庫(kù))的富營(yíng)養(yǎng)化狀況，其中6個(gè)呈中度富營(yíng)養(yǎng)狀態(tài)、24個(gè)呈輕度富營(yíng)養(yǎng)狀態(tài)、其余未呈現(xiàn)富營(yíng)養(yǎng)化[5]. 而以太湖、巢湖、滇池為首的富營(yíng)養(yǎng)化湖泊，藍(lán)藻水華暴發(fā)尤為頻繁[6-8]. 我國(guó)已經(jīng)成為世界上藍(lán)藻水華暴發(fā)最嚴(yán)重、分布最廣的國(guó)家之一[9].

衛(wèi)星遙感因其速度快、范圍廣、監(jiān)測(cè)周期性短，已經(jīng)成為湖泊富營(yíng)養(yǎng)化及藍(lán)藻水華監(jiān)測(cè)和預(yù)測(cè)預(yù)警不可或缺的技術(shù)手段[10]. 藻華暴發(fā)時(shí)，覆蓋有藻類(lèi)的水體反射光譜在紅光波段呈現(xiàn)出低反射率、綠光波段及近紅外波段呈現(xiàn)高反射率，明顯區(qū)分于清潔水體，是遙感技術(shù)識(shí)別藻華的關(guān)鍵依據(jù). 因此，基于遙感手段監(jiān)測(cè)浮游植物的相關(guān)主題越來(lái)越多，監(jiān)測(cè)范圍也由小尺度向大尺度轉(zhuǎn)變. 目前，我國(guó)長(zhǎng)江中下游少數(shù)富營(yíng)養(yǎng)化湖泊(太湖、巢湖)已基本實(shí)現(xiàn)對(duì)其藍(lán)藻水華面積及水體表層葉綠素a濃度的業(yè)務(wù)化衛(wèi)星遙感監(jiān)測(cè)[11]，為政府及水環(huán)境管理部門(mén)提供了重要的決策依據(jù)[12].

此前有關(guān)“富營(yíng)養(yǎng)化水體浮游植物遙感監(jiān)測(cè)”主題的綜述大多側(cè)重于藻華面積的識(shí)別、表層色素濃度反演算法的總結(jié)上；研究區(qū)域大多集中于長(zhǎng)江中下游的太湖、巢湖、鄱陽(yáng)湖以及云南的滇池、洱海等[13-14]. 近年來(lái)，相關(guān)研究在研究?jī)?nèi)容和方法上又有了全新的發(fā)展. 本研究基于中國(guó)知網(wǎng)(CNKI)和Web of Science等文獻(xiàn)數(shù)據(jù)庫(kù)，以富營(yíng)養(yǎng)化水體和藍(lán)藻水華為主題，綜合1970-2020年間約803篇國(guó)內(nèi)外研究成果，基本厘清和總結(jié)了在近些年來(lái)主要的研究進(jìn)展和重點(diǎn)，并歸納總結(jié)了發(fā)展中所面臨的困難以及未來(lái)發(fā)展的新趨勢(shì). 本綜述皆在梳理富營(yíng)養(yǎng)化水體浮游植物遙感監(jiān)測(cè)的發(fā)展動(dòng)向，促進(jìn)水色遙感的進(jìn)一步發(fā)展和深入應(yīng)用，同時(shí)也為從事藍(lán)藻水華生態(tài)災(zāi)害監(jiān)測(cè)和預(yù)警人員提供重要的技術(shù)支撐和理論參考.

1 研究主題與數(shù)據(jù)源

研究表明該領(lǐng)域逐漸發(fā)展為以應(yīng)用為導(dǎo)向，研究主題趨于更多樣化：從藻華水體識(shí)別、藻華面積監(jiān)測(cè)、表層色素濃度反演發(fā)展至水下三維藻總量估算以及不同藻種定量區(qū)分等. 其中，藻類(lèi)總存量的研究還處于起步階段，這將為未來(lái)三維立體化監(jiān)測(cè)浮游藻類(lèi)濃度奠定基礎(chǔ). 研究方法也從傳統(tǒng)的線(xiàn)性或非線(xiàn)性回歸分析算法，發(fā)展為更復(fù)雜的人工智能(artificial intelligence，AI)方法，如支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)等，且以“遙感+AI+大數(shù)據(jù)+Google Earth Engine云計(jì)算平臺(tái)”為主題的新技術(shù)也逐漸成為新熱點(diǎn)[13]. 研究數(shù)據(jù)源從單一數(shù)據(jù)源轉(zhuǎn)至多數(shù)據(jù)源融合使用，利用的衛(wèi)星數(shù)據(jù)也更加豐富多彩(圖1a，b). 圍繞該主題的相關(guān)論文主要發(fā)表于《湖泊科學(xué)》、《環(huán)境科學(xué)》、RemoteSensing、RemoteSensingofEnvironment、ScienceoftheTotalEnvironment等國(guó)內(nèi)外期刊上.

多層面需求推動(dòng)了多源衛(wèi)星數(shù)據(jù)的多元化應(yīng)用. 近年來(lái)中高分辨率遙感衛(wèi)星的發(fā)展為多尺度的湖泊水質(zhì)變化監(jiān)測(cè)提供了多種數(shù)據(jù)源，促進(jìn)了湖泊水體動(dòng)態(tài)監(jiān)測(cè)向業(yè)務(wù)化信息服務(wù)方向不斷推進(jìn)[15-16]. 但由于衛(wèi)星載荷以及應(yīng)用目標(biāo)的需要，現(xiàn)有常用衛(wèi)星傳感器的時(shí)、空分辨率設(shè)置并不能完全滿(mǎn)足內(nèi)陸水體監(jiān)測(cè)的時(shí)間連續(xù)性、空間完整性的要求[17]. 因此，除加強(qiáng)多源遙感數(shù)據(jù)聯(lián)合監(jiān)測(cè)外，研制更高時(shí)間分辨率、高空間分辨率傳感器及星座組網(wǎng)，是未來(lái)研制水色遙感衛(wèi)星的發(fā)展和應(yīng)用方向(圖2).

為了形成完善的富營(yíng)養(yǎng)化湖庫(kù)藍(lán)藻監(jiān)控體系，形成全方位、多層次的天-空-地一體化觀(guān)測(cè)和應(yīng)急防控平臺(tái)，要充分發(fā)揮多源觀(guān)測(cè)手段在不同時(shí)空信息觀(guān)測(cè)方面的優(yōu)勢(shì)，整合不同手段信息，在空間尺度、時(shí)間尺度等方面取長(zhǎng)補(bǔ)短、互相補(bǔ)充[17-18]. 在小型湖庫(kù)應(yīng)急監(jiān)測(cè)中，選擇無(wú)人機(jī)(分辨率最高能達(dá)到0.04 m)或人工監(jiān)測(cè)，實(shí)現(xiàn)人工安排、隨機(jī)機(jī)動(dòng)，短時(shí)間內(nèi)開(kāi)展突發(fā)性湖庫(kù)藻類(lèi)大規(guī)模暴發(fā)的事故處置，已有學(xué)者應(yīng)用無(wú)人機(jī)在太湖[19]、八里河[20]、Maspalomas自然保護(hù)區(qū)[21]等進(jìn)行藻華監(jiān)測(cè)；而在日常大中型湖庫(kù)監(jiān)測(cè)中，則更傾向于使用多源衛(wèi)星數(shù)據(jù)實(shí)現(xiàn)長(zhǎng)時(shí)序動(dòng)態(tài)監(jiān)測(cè)，如中分辨率成像光譜儀(moderate-resolution imaging spectrum-radiometer, MODIS)因其免費(fèi)、時(shí)間分辨率高等優(yōu)點(diǎn)成為日常水質(zhì)監(jiān)測(cè)中最受歡迎的數(shù)據(jù)資源.

2 水體表層藻華的遙感識(shí)別方法研究

浮游植物大量聚集會(huì)引起水體色度、透明度等物理性質(zhì)的變化，進(jìn)而導(dǎo)致水體反射波譜特征的變化[22]. 覆蓋藍(lán)藻的水體反射光譜因葉綠素a和藻藍(lán)蛋白的吸收效應(yīng)，在可見(jiàn)光的藍(lán)紫光及紅光波段呈現(xiàn)較低反射率，在近紅外則出現(xiàn)類(lèi)似于植被的“陡坡效應(yīng)”，這是湖泊藻華遙感識(shí)別的理論基礎(chǔ)[23]. 基于近紅外抬升的單波段法以及近紅外與可見(jiàn)光波段差異的差值法、比值法、歸一化植被指數(shù)(normalized difference vegetation index，NDVI)法、增強(qiáng)型植被指數(shù)(enchanted vegetation index，EVI)法、浮游藻類(lèi)指數(shù)(floating algae index，F(xiàn)AI)法等均為目前開(kāi)展湖泊藻華遙感識(shí)別的主要方法[24-28]. 此外，還有一些針對(duì)浮游植物色素的藍(lán)藻水華指數(shù)(cyanobacteria bloom algae index，CAI)、最大特征峰高度(maximum characteristic peakheight,MPH)、最大葉綠素指數(shù)(maximum chlorophyll index，MCI)等方法(表1).

表1 藻華水體識(shí)別算法*

在業(yè)務(wù)化應(yīng)用中發(fā)現(xiàn)，水生植物、高渾濁水體以及薄云等對(duì)藻華遙感識(shí)別的影響顯著[47-48]. 藻華具有近紅外抬升的反射光譜特點(diǎn)，與植物的相類(lèi)似，因此，基于該特點(diǎn)的藻華遙感識(shí)別方法均無(wú)法對(duì)兩者進(jìn)行區(qū)分. 基于先驗(yàn)知識(shí)，對(duì)于常年生長(zhǎng)有水生植物的地區(qū)，通常用掩膜將其遮蓋掉；對(duì)于水生植物分布變化較為顯著的內(nèi)陸水體，通過(guò)對(duì)比兩者在可見(jiàn)光波段及短波紅外波段的反射光譜差異，實(shí)現(xiàn)水生植物和藻華的同步遙感監(jiān)測(cè)[49-50]. 朱慶等[51]利用葉綠素a光譜指數(shù)和藻藍(lán)蛋白基線(xiàn)的水華和水草識(shí)別模型，提取太湖水華和水草分布圖，表明高光譜遙感則可以利用625 nm附近藻藍(lán)素吸收峰區(qū)分藍(lán)藻水華和水草. 高渾濁水體在可見(jiàn)光-近紅外整體增高，導(dǎo)致單波段法、比值法、NDVI、FAI等會(huì)將渾濁水體誤判為低強(qiáng)度藻華[33,52-53]，而適當(dāng)?shù)牟ǘ谓M合成的假彩色合成圖上，藻華可明顯區(qū)分于清潔水體、高濁水體及云等，水色指數(shù)(forel-ule index，F(xiàn)UI)為此問(wèn)題提供了一個(gè)新的解決思路[54].

MODIS因其良好的時(shí)間分辨率(Auqa與Terra兩星聯(lián)合為2次/d)，成為大型富營(yíng)養(yǎng)化湖泊藻華日常遙感監(jiān)測(cè)的主要數(shù)據(jù)源. 然而250 m的空間分辨率會(huì)導(dǎo)致影像中存在藻華水體的混合像元[55-56]，在尚無(wú)更高分辨率的免費(fèi)衛(wèi)星數(shù)據(jù)用于日常遙感監(jiān)測(cè)的前提下，開(kāi)展亞像元藻華遙感監(jiān)測(cè)研究是滿(mǎn)足高精度藻華遙感日常監(jiān)測(cè)的重要前提[57]. Zhang等[6-8]利用瑞利校正反射率(rayleighcorrected reflectance，Rrc)和從Rrc導(dǎo)出3個(gè)光譜帶中的浮藻指數(shù)研發(fā)了藻華像元生長(zhǎng)算法(algae pixel-growing algorithm)，將藻華面積識(shí)別精確到了亞像元內(nèi)，將MODIS與(準(zhǔn))同步TM遙感監(jiān)測(cè)結(jié)果一致性提升至85%以上，且該方法在太湖、巢湖以及滇池得到了廣泛的研究與應(yīng)用. 此外，馬金戈[58]基于Google Earth Engine(GEE)對(duì)全球大型湖泊(>500 km2)的藍(lán)藻水華進(jìn)行了提取研究，得到了全球大型湖泊的藻華時(shí)空暴發(fā)情況. 結(jié)合GEE平臺(tái)開(kāi)展大尺度藻華遙感監(jiān)測(cè)也成為水色遙感的一個(gè)新趨勢(shì).

3 水體表層浮游植物色素濃度遙感反演研究

藻華水體識(shí)別定性地反映了浮游植物的空間分布，但不能定量評(píng)價(jià)水體中浮游植物的確切濃度. 浮游植物色素(葉綠素a和藻藍(lán)素等)是水體光學(xué)活性物質(zhì)，是定量表征水體富營(yíng)養(yǎng)化程度以及浮游植物濃度的重要水質(zhì)指標(biāo)[59-60]. 目前，遙感反演浮游植物色素主要是基于實(shí)測(cè)多/高光譜數(shù)據(jù)的經(jīng)驗(yàn)算法、半經(jīng)驗(yàn)半分析算法[12]. 基本反演思路如圖3所示. 其中，實(shí)用性和應(yīng)用性比較強(qiáng)的模型為精度較高且有理論支撐的半經(jīng)驗(yàn)/半分析算法，完全分析算法的機(jī)理及參數(shù)仍需進(jìn)一步探究和優(yōu)化[61-62].

圖3 遙感反演藻類(lèi)色素流程Fig.3 Remote sensing inversion process of algae pigments

表2和表3列出了內(nèi)陸湖泊葉綠素a及藻藍(lán)素的遙感反演具體算法，并對(duì)這些算法做了多角度的對(duì)比分析和歸納總結(jié). 對(duì)比表格可以發(fā)現(xiàn)相同的數(shù)據(jù)有不同的算法，相同的區(qū)域有不同的數(shù)據(jù)，但這些方法均是基于具體衛(wèi)星遙感數(shù)據(jù)和湖泊的光學(xué)特性所構(gòu)建的針對(duì)性較強(qiáng)的浮游植物色素反演模型. 內(nèi)陸湖泊光學(xué)活性差異較大，甚至同一湖泊不同時(shí)間段水體光學(xué)活性物質(zhì)組成及其比例也大為不同[96]，往往造成反演算法復(fù)雜程度及反演精度上的差異. 因此，此類(lèi)算法通常都具有顯著的區(qū)域性和季節(jié)性，適用性較差. 多源衛(wèi)星中，針對(duì)海洋水色設(shè)置的中分辨率成像光譜儀(missouri emergency resource information system，MERIS)、哨兵3(Sentinel-3 OLCI)等，因具有對(duì)葉綠素和藻藍(lán)素的特征峰波段設(shè)置，反演結(jié)果精度高、效果好[97-98]. 而Landsat等寬波段衛(wèi)星是長(zhǎng)時(shí)序日常遙感監(jiān)測(cè)內(nèi)陸湖泊的常用數(shù)據(jù)，其波段設(shè)置和信噪比性往往難以滿(mǎn)足高精度定量遙感監(jiān)測(cè)的要求[83,99]. 近年來(lái)，機(jī)器學(xué)習(xí)方法，包括深度神經(jīng)網(wǎng)絡(luò)[100]、卷積神經(jīng)網(wǎng)絡(luò)[19]、隨機(jī)森林[20]等，都已被用于水體藻類(lèi)色素濃度的反演. Cao等就基于XGBoost(BST)模型，研發(fā)了陸地資源衛(wèi)星數(shù)據(jù)(Landsat OLI)反演內(nèi)陸湖泊浮游植物色素濃度的實(shí)用方法，該模型相比其他機(jī)器學(xué)習(xí)有更高的準(zhǔn)確率、效率和并發(fā). 結(jié)果也表明機(jī)器學(xué)習(xí)模型可以為進(jìn)一步提高寬波段數(shù)據(jù)反演水體藻類(lèi)色素濃度的適用性和準(zhǔn)確性提供重要的參考和應(yīng)用前提[101]. 此外，大氣校正對(duì)水色參數(shù)定量反演也有很大的影響，當(dāng)前的多種大氣校正方法都未充分考慮水色遙感的特點(diǎn)，適用性與普適性較差. 宋挺等[102]就對(duì)高分四號(hào)衛(wèi)星的大氣校正算法進(jìn)行了改進(jìn)，結(jié)果顯示紅光波段校正精度最高，可以較好地應(yīng)用于內(nèi)陸渾濁二類(lèi)水體的定量遙感監(jiān)測(cè).

表2 葉綠素a遙感反演模型

表3 藻藍(lán)素遙感反演模型

4 水體藻類(lèi)總存量的遙感估算研究

現(xiàn)有水體表層葉綠素a濃度的遙感反演研究，是基于藻類(lèi)垂向均一傳統(tǒng)水色遙感的理論假設(shè). 但已有研究表明藻類(lèi)在垂向上是非均勻分布的，會(huì)對(duì)基于傳統(tǒng)假設(shè)而形成的水體光學(xué)特性、水下光場(chǎng)分布、水質(zhì)參數(shù)反演產(chǎn)生很大誤差[103]. 只有充分考慮藻類(lèi)垂向分布異質(zhì)，精準(zhǔn)獲取真光層內(nèi)藻類(lèi)總生物量(即藻總量)，才能準(zhǔn)確把握藍(lán)藻水華強(qiáng)度變化情勢(shì)及湖泊營(yíng)養(yǎng)狀態(tài)變化趨勢(shì). 傳統(tǒng)的藻總量及其空間分布的估算方法是基于幾個(gè)生物量分布樣本的離散測(cè)量，然后插值到整個(gè)湖泊；隨著遙感技術(shù)的發(fā)展，水體表層色素濃度的遙感反演被廣泛地應(yīng)用到湖泊藍(lán)藻水華預(yù)測(cè)預(yù)警中[104]；近幾年，考慮到利用水體表層藻量信息的局限性，部分學(xué)者開(kāi)展了富營(yíng)養(yǎng)化湖泊藻總量遙感估算方面的初步研究[105-106].

理想條件下，假定像元水柱內(nèi)藻類(lèi)水平均勻分布，通過(guò)水體表層的遙感反射率，準(zhǔn)確獲知水體中藻類(lèi)垂向分布函數(shù)及其結(jié)構(gòu)參數(shù)，結(jié)合水位及湖盆DEM數(shù)據(jù)，完成每個(gè)像元水柱內(nèi)藻總量積分計(jì)算，基于所有像元水柱的藻總量計(jì)算結(jié)果，完成全湖的藻總量估算. 然而，目前受水體其他光學(xué)活性物質(zhì)以及野外監(jiān)測(cè)數(shù)據(jù)準(zhǔn)確性的影響，直接基于遙感反射率精確獲取藻類(lèi)垂向分布函數(shù)的結(jié)構(gòu)參數(shù)難度很大，存在著較多的“相同藻類(lèi)垂向分布反射率光譜相異”或“相同反射率光譜而藻類(lèi)垂向分布相異”的情況.

現(xiàn)有的研究主要基于以下思路“由淺入深”地開(kāi)展水體藻總量遙感估算研究：①在水平剖面面積為單位面積、垂向水深為Dm的單位水柱中，假定整個(gè)水柱中藻類(lèi)呈現(xiàn)水平、垂向都是均勻分布. Xue等[107-109]研究巢湖藻類(lèi)垂向分布對(duì)水體遙感反射比的影響已表明，基于藻類(lèi)垂向分布均勻的假定會(huì)造成遙感估算藻總量的顯著高估；②假設(shè)藻類(lèi)垂向分布為高斯類(lèi)型，利用表面葉綠素信息和總生物量之間的經(jīng)驗(yàn)關(guān)系計(jì)算藻類(lèi)總生物量. 該方法被用于遙感估算海洋系統(tǒng)的初級(jí)生產(chǎn)力，適用于大多數(shù)海洋水域[110]. Li等[106]借鑒該思路，基于MODIS遙感數(shù)據(jù)建立算法開(kāi)展了我國(guó)巢湖非藻華條件下(即均一型、高斯型)藻總量遙感估算研究，但也表明這種估算方法存在衛(wèi)星空間分辨率差異及衛(wèi)星和野外測(cè)量之間時(shí)間間隔的不足；③基于野外實(shí)測(cè)及Ecolight模擬數(shù)據(jù)，統(tǒng)計(jì)分析水體表層到40 cm深度處的藻類(lèi)生物量與單元水柱內(nèi)的藻類(lèi)總存量的線(xiàn)性關(guān)系，實(shí)現(xiàn)了藻華條件下(即指數(shù)型、冪函數(shù)型)的藻總量估算研究. Li等[106]基于這種方法對(duì)淺層富營(yíng)養(yǎng)化湖泊的藻總量進(jìn)行估算，表明該方法不僅對(duì)表層藻類(lèi)生物估算精度要求較高，而且其線(xiàn)性關(guān)系隨著藻類(lèi)垂向分布函數(shù)結(jié)構(gòu)參數(shù)差異而不同，普適性較差.

由此可見(jiàn)，現(xiàn)有的富營(yíng)養(yǎng)化湖泊藻總量遙感估算方法，均基于水體表層藻類(lèi)生物量估算. 鑒于優(yōu)勢(shì)藻種差異、藻類(lèi)垂向分布的復(fù)雜性以及變化的快速性，表層生物量與水柱內(nèi)藻總量的關(guān)系差異性較大，提出一個(gè)普適性較強(qiáng)的定量關(guān)系難度較大.

5 不同藻類(lèi)種群的遙感定量監(jiān)測(cè)研究

不同湖泊中藍(lán)藻水華的優(yōu)勢(shì)種群有著較大差異，甚至同一湖泊在不同的季節(jié)或者不同的地區(qū)也都存在不同的水華藍(lán)藻優(yōu)勢(shì)種群[111]，即存在“一湖多種”的現(xiàn)象. 相關(guān)研究表明，形成藍(lán)藻水華的種類(lèi)主要是微囊藻(Microcystis)、束絲藻(Aphanizomenon)、魚(yú)腥藻(Dolichospermum)和顫藻(Oscillatoria)[104]. Aldrich等對(duì)傳統(tǒng)藻種識(shí)別做出了相關(guān)研究，主要有基于形態(tài)學(xué)的顯微計(jì)數(shù)法和圖像法[112]、基于藻種DNA 的分子生物學(xué)方法[113]以及基于色素光學(xué)特征的高效液相色譜法[114-115]等. 而針對(duì)湖泊藍(lán)藻種群結(jié)構(gòu)的定量遙感反演的研究目前鮮有文獻(xiàn)報(bào)道. 馬萬(wàn)泉[116]、戴紅亮等[117-118]、呂恒等[119]和王瑜[120]基于室內(nèi)控制試驗(yàn)及模擬試驗(yàn)，開(kāi)展了不同門(mén)類(lèi)藻體生物光學(xué)特性研究，包括藍(lán)藻門(mén)(銅綠微囊藻(Microcystisaeruginosa))、綠藻門(mén)(小球藻(Chlorellavulgaris))、硅藻門(mén)(梅尼小環(huán)藻(Cyclotellameneghiniana))以及隱藻門(mén)(卵形隱藻(Cryptomonasovata))，并探索性地建立了藻種間比例遙感估算方法[121]，結(jié)果表明二層球形模型誤差較小，有較好的優(yōu)越性，但也存在波譜曲線(xiàn)抖動(dòng)的不足.

此外，針對(duì)內(nèi)陸富營(yíng)養(yǎng)化湖泊典型水華藍(lán)藻，張壹萱等[111]以微囊藻、魚(yú)腥藻、束絲藻3種典型水華藍(lán)藻為研究對(duì)象，通過(guò)室內(nèi)光學(xué)控制實(shí)驗(yàn)對(duì)其固有光學(xué)特性進(jìn)行研究，并探討色素濃度、色素占比以及藻類(lèi)等效粒徑對(duì)不同水華藍(lán)藻固有光學(xué)特性的影響. 上述3種典型藍(lán)藻的細(xì)胞形狀、粒徑大小以及形成藍(lán)藻群落的聚集形態(tài)存在明顯差異，這為基于生物光學(xué)特性開(kāi)展水華藍(lán)藻種群結(jié)構(gòu)的定量反演研究提供了理論上的可行性[119-123]. 但室內(nèi)培養(yǎng)的藻類(lèi)基本為單細(xì)胞，與湖泊環(huán)境中藻顆粒形態(tài)及其生物光學(xué)特征存在顯著差異，因此，基于人工培養(yǎng)藻類(lèi)的光學(xué)特性構(gòu)建的反演算法，其實(shí)際應(yīng)用能力和反演精度受到一定的限制. 而Chu等[124]利用MODIS衛(wèi)星數(shù)據(jù)對(duì)準(zhǔn)分析算法(quasi-analytical algorithm)進(jìn)行了改進(jìn)與優(yōu)化，在獲取巢湖水體表層吸收特性的基礎(chǔ)上，初步開(kāi)展了巢湖不同水華藍(lán)藻類(lèi)群的遙感定量識(shí)別研究，結(jié)果表明相比人工培養(yǎng)藻類(lèi)的光學(xué)特性構(gòu)建的反演算法，衛(wèi)星遙感模型有更好的準(zhǔn)確性和適用性. 這也為下一步加強(qiáng)構(gòu)建遙感定量反演模型、精確解析湖泊水體中主要水華藍(lán)藻的種群結(jié)構(gòu)，為富營(yíng)養(yǎng)化湖泊藍(lán)藻生態(tài)災(zāi)害的預(yù)測(cè)預(yù)警提供準(zhǔn)確時(shí)空分布信息等奠定了基礎(chǔ).

6 結(jié)束語(yǔ)

本文基于大量文獻(xiàn)的檢索和篩選，從研究主題、研究數(shù)據(jù)源、研究?jī)?nèi)容、研究方法等方面對(duì)內(nèi)陸富營(yíng)養(yǎng)化水體浮游植物的遙感監(jiān)測(cè)進(jìn)展進(jìn)行了深入分析，并圍繞藻華遙感監(jiān)測(cè)、浮游植物色素遙感反演以及最新的湖泊藻總量和不同水華藍(lán)藻的遙感定量識(shí)別方面的研究，開(kāi)展了具有針對(duì)性的分析與討論. 該綜述可為湖泊水環(huán)境管理和決策的相關(guān)研究人員提供參考.

目前，內(nèi)陸富營(yíng)養(yǎng)化水體浮游植物的監(jiān)測(cè)仍面臨著諸多問(wèn)題，如遙感反演模型的普適性、多源衛(wèi)星數(shù)據(jù)監(jiān)測(cè)結(jié)果的可比性和一致性等. 因此，為了促進(jìn)富營(yíng)養(yǎng)化湖泊浮游植物的遙感應(yīng)用能力，亟待補(bǔ)充完善不同湖泊、不同優(yōu)勢(shì)藻種的光譜數(shù)據(jù)庫(kù)，為發(fā)展普適性更強(qiáng)的反演算法奠定數(shù)據(jù)基礎(chǔ). 此外，由于不同湖泊面積和水環(huán)境的差異以及不同數(shù)據(jù)源之間分辨率的差異，需要進(jìn)一步發(fā)展多源數(shù)據(jù)融合的反演算法，以此實(shí)現(xiàn)系統(tǒng)化、體系化的監(jiān)測(cè). 利用多衛(wèi)星、多通道、多模式的方法，構(gòu)建一個(gè)“空-天-地一體化”的水環(huán)境監(jiān)測(cè)平臺(tái)，從而實(shí)現(xiàn)全覆蓋、多角度、多手段的實(shí)時(shí)監(jiān)測(cè)，這將進(jìn)一步促進(jìn)內(nèi)陸富營(yíng)養(yǎng)化水體浮游植物的遙感監(jiān)測(cè)更智能、更高效、更準(zhǔn)確.