基于多源光学卫星影像的蓝藻水华自动检测方法开发与应用研究

为解决传统蓝藻水华(CyanoBloom)监测方法依赖大气校正数据、效率低且难以跨传感器应用的问题，研究人员开发了一种基于卫星大气层顶反射率(R TOA )的自动蓝藻水华检测(ACD)方法。该方法通过浮游绿藻指数(FGAI)和CIE色度约束实现多源光学影像的自动化处理，在太湖、巢湖等国内外湖泊验证中表现出高精度和鲁棒性，为水质监测与灾害防控提供了高效技术支撑。

　　

蓝藻水华(CyanoBloom)已成为全球湖泊生态系统的重大威胁，其暴发会破坏水生环境并危及公众健康。传统监测依赖船载调查，效率低下且难以捕捉水华动态变化。虽然光学卫星遥感能实现大范围观测，但现有方法多需大气校正数据，流程复杂且跨传感器兼容性差。如何利用原始卫星数据实现自动化、高精度的跨平台监测，成为亟待解决的科学问题。

针对这一挑战，中国科学院空天信息创新研究院等机构的研究人员创新性地提出基于大气层顶反射率(R
_TOA
)的自动蓝藻水华检测(ACD)方法。该方法突破传统依赖大气校正数据的限制，通过开发浮游绿藻指数(FGAI)和自动阈值选择算法，结合CIE色度约束消除误判，仅需蓝、绿、红和近红外四个波段即可实现多源卫星数据的标准化处理。相关成果发表在环境监测领域权威期刊《Ecological Indicators》上。

研究团队采用多源卫星数据协同分析技术，选取中国太湖、巢湖、滇池、星云湖以及美国奥基乔比湖、北爱尔兰内伊湖等典型水体作为研究区。通过Tasseled Cap变换提取蓝藻特征，利用改进的Gram-Schmidt正交化方法推导专用系数，构建FGAI指数增强水华信号。采用直方图峰谷分析实现阈值自动选择，并引入CIE色度空间约束(α_Hue
250°-360°且X
_Hue

0.33)提升分类精度。

研究结果显示，R
_TOA
光谱在近红外波段呈现显著"红边效应"，与水体形成明显区分。FGAI指数在HY1C/D-CZI、GF-WFV等七类传感器上均能有效增强蓝藻特征，与Sentinel-2 MSI的FAI指数检测结果一致性达96.4%(Kappa=0.91)。在太湖的长期监测中，ACD方法成功捕捉到2021-2022年蓝藻从北向南的季节性迁移规律。敏感性分析表明，FGAI在气溶胶光学厚度(AOD)0.19-1.68和不同观测几何条件下保持稳定。

讨论部分指出，该方法创新性地利用R
_TOA
数据规避了大气校正环节，显著提升处理效率。通过CIE约束有效解决了水生植被误判问题，在浑浊水体中表现优于传统VB-FAH指数。虽然对薄云覆盖条件下的检测仍需优化，但其多传感器兼容性为构建全球蓝藻数据库奠定基础。

该研究为湖泊蓝藻水华的实时监测提供了突破性技术方案，其自动化、跨平台的特性特别适合应急响应和长期生态评估。未来结合人工智能算法，有望进一步提升在复杂环境下的检测精度，为联合国可持续发展目标(SDGs)中的清洁水源保护提供重要技术支撑。