基于Sentinel-2卫星影像的热带水库浊度时空动态分析及其流域驱动机制研究

本研究针对热带水库因流域城市化、农业活动及气候变异导致的沉积物负荷变化问题，利用Sentinel-2卫星数据（2016-2021年）结合Google Earth Engine（GEE）平台，构建了印度Bhadra与Tungabhadra水库的浊度动态模型。通过归一化浊度指数（NDTI）与红光波段反射率协同分类，实现了低（<10 NTU）、中、高浊度级别的精准划分（R2 =0.81，SEE=5.3），揭示了流域土地利用（LULC）与降雨对浊度季节波动的影响，为热带水域可持续管理提供了遥感技术支撑。

　　

热带水库作为重要的淡水资源，其水质受流域土地利用和气候变化的双重影响尤为显著。浊度（Turbidity）作为衡量水体悬浮颗粒浓度的关键指标，直接影响水生生态系统健康。然而，传统水质监测方法耗时费力，而现有遥感模型在热带地区的适用性有限，尤其缺乏对印度次大陆水库的系统研究。

针对这一空白，印度海得拉巴国际信息技术研究所（IIIT）水文气候研究组（HRG）的Avantika Latwal团队，利用Sentinel-2卫星的高分辨率数据（10-20m），结合Google Earth Engine平台，对印度卡纳塔克邦的Bhadra和Tungabhadra水库开展了为期5年（2016-2021年）的浊度动态研究。该成果发表于《Remote Sensing Applications: Society and Environment》，首次将归一化浊度指数（NDTI）与红光波段反射率阈值法结合，实现了热带水库浊度的多级分类，并量化了流域城市化与降雨的驱动作用。

研究采用改进的归一化水体指数（MNDWI）提取水库范围，通过NDTI（基于红光与近红外波段）和单红光波段反射率分别处理高（>10 NTU）与低浊度（<10 NTU）区域。验证采用EOMAP卫星反演数据与实地观测，结合流域土地利用（LULC）和降雨数据分析驱动机制。

研究结果

1. 水体制图：MNDWI准确划定水库面积，Bhadra水库（33-117 km²
   ）与Tungabhadra水库（18.2-350 km²
   ）呈现显著季节性变化。
2. 浊度分类：NDTI对>10 NTU浊度检测效果优异（R²
   =0.81），红光波段对低浊度敏感（R²
   =0.74），联合方法实现三级分类。
3. 驱动因素：流域内城市与农业用地比例每增加10%，年均浊度上升15-20%；季风期降雨量每增加100mm，浊度峰值延迟2-3周。

讨论与结论
该研究证实Sentinel-2数据在热带水库监测中的优越性，其5天重访周期和高分辨率弥补了Landsat-8信号噪声比的不足。NDTI与红光波段联用策略为全球类似水域提供了可推广的模型框架。流域分析表明，快速城市化导致的不透水面增加是浊度长期上升的主因，而降雨强度决定季节性波动模式。这一成果为发展中国家水库的可持续管理提供了低成本、高时效的遥感解决方案，尤其适用于数据稀缺的热带地区。

研究局限性在于未考虑水下地形对光学信号的干扰，未来可结合声呐数据提升精度。团队建议将模型扩展至东南亚其他热带水库，并探索机器学习在异质水体中的应用。