新型高光谱指数REPWI在富营养化水体叶绿素a浓度定量监测中的突破性应用

针对富营养化水体中叶绿素a浓度(Chla)遥感反演受悬浮物(TSM)、有色溶解有机物(CDOM)干扰及大气校正误差影响的问题，研究人员提出新型高光谱指数——红边反射峰宽度指数(REPWI)。该指数基于红边反射峰曲线特征，通过生物光学模型验证其理论机制，利用全球57个水体的实测数据构建反演模型，精度达R2 =0.92，显著优于传统算法，并成功应用于ZY1-02D卫星影像，为复杂水体Chla监测提供可靠工具。

　　

在湖泊、海岸带等富营养化水体中，叶绿素a浓度(Chla)是衡量浮游植物生物量和评估水环境健康的关键指标。传统采样方法仅能获取有限点位数据，而遥感技术可提供大范围时空动态信息。然而，现有高光谱指数如波段比值(BR)、三波段算法(TBA)等在复杂水体中易受总悬浮物(TSM)和有色溶解有机物(CDOM)干扰，且依赖精确的大气校正，导致反演精度不稳定。随着EnMAP、PRISMA等新一代高光谱卫星的发射，开发适应复杂光学环境的新型指数成为迫切需求。

为解决这一难题，中国的研究团队提出创新性解决方案——红边反射峰宽度指数(REPWI)。该指数定义为从固定红谷波长(678 nm)到红边反射峰右侧交点的水平波长距离，巧妙利用高光谱数据的精细分辨率捕捉Chla特征。研究结合生物光学模型理论推导与HydroLight模拟数据，验证了REPWI与Chla的物理关联性，并通过全球57个水体的实测遥感反射率(R_rs
)数据集建立反演模型。结果显示，REPWI模型精度达R²
=0.92，平均相对误差26.5%，显著优于NDCI、MCI等传统指数。更令人振奋的是，该指数对大气校正误差具有强鲁棒性，在ZY1-02D卫星影像应用中保持R²
=0.87–0.90的高相关性。

关键技术方法
研究团队采用多尺度验证策略：1) 基于HydroLight模拟分析REPWI与Chla、TSM、CDOM的理论关系；2) 整合全球实测数据集（含美国HYPERMAQ和瑞士LéXPLORE数据）进行模型校准与验证；3) 将REPWI适配至EnMAP、PRISMA等主流卫星等效光谱；4) 应用ZY1-02D影像进行业务化验证。

研究结果

Mitigation of interference from TSM and CDOM
生物光学模型证明，REPWI通过量化红边反射峰形态变化而非绝对反射值来降低TSM/CDOM干扰。模拟数据显示，当CDOM吸收系数a_CDOM
(440)从0.5增至5 m^-1
时，REPWI变异系数仅为传统指数的1/3。

Calibration and validation of the Chla inversion model
实测数据建模中，REPWI与Chla相关性(R²
=0.89)远超NDCI(R²
=0.72)。在等效卫星光谱测试中，PRISMA和EnMAP的R²
分别保持0.90和0.88，验证了跨传感器适用性。

Conclusion
REPWI的创新性体现在三方面：1) 首次利用红边反射峰宽度而非峰值强度表征Chla；2) 通过几何特征降低大气校正敏感性；3) 突破离散波段采样限制。该研究为《Remote Sensing of Environment》提供了富营养化水体监测的新范式，对全球水环境管理具有重要意义。

讨论与展望
尽管REPWI在700–730 nm红边区间表现优异，研究团队指出其在低Chla(<10 mg/m³
)水体中需进一步优化。未来可结合机器学习增强模型泛化能力，并探索在PACE卫星臭氧监测波段干扰下的适应性改进。这项由中国主导的研究，标志着高光谱水色遥感从"波段组合"向"形态特征挖掘"的理论跨越。