Global-RSWQmonitor:利用Landsat-8/9及Sentinel-2多光谱影像,在Google Earth Engine云平台上实现全球水质测绘与监测

《Environmental Modelling & Software》:Global-RSWQmonitor: Global water quality mapping and monitoring with Landsat-8/9 and Sentinel-2 multispectral imagery on Google Earth Engine Cloud Platform

【字体: 大 中 小 】 时间:2026年08月06日 来源:Environmental Modelling & Software 5.2

编辑推荐:

  摘要:在较大空间尺度上以及近乎实时的频率下监测内陆和沿海水质仍然面临挑战,因为可用的基于云的工具十分有限。我们推出了Global-RSWQmonitor,这是一个基于Google Earth Engine(GEE)的交互式应用,用于绘制和监测全球各地的关键水质参数。该平台整合了L

  摘要:在较大空间尺度上以及近乎实时的频率下监测内陆和沿海水质仍然面临挑战,因为可用的基于云的工具十分有限。我们推出了Global-RSWQmonitor,这是一个基于Google Earth Engine(GEE)的交互式应用,用于绘制和监测全球各地的关键水质参数。该平台整合了Landsat-8/9和Sentinel-2的观测数据,通过混合GEE工作流程采用ACOLITE算法进行大气校正,并评估了多种适用于水体遥感的大气校正方法。叶绿素a、浊度、总悬浮固体、有色溶解有机物以及塞克奇盘深度等参数是通过用全球GLORIA实地数据库校准的经验模型来获取的。通过对代表性湖泊的实地测量数据进行验证,结果表明所获取的参数能够以可靠的精度反映主要的水质状况。通过结合云计算、多传感器卫星数据集以及基于Python的界面,Global-RSWQmonitor支持追溯分析、交互式可视化以及全球范围内的近乎实时水质监测。该应用可在此处免费获取。

引言:水质是维持水生生态系统完整性和人类福祉的基础(Zhi等人,2024年)。它决定了水生生物多样性(Cardinale,2011年),影响初级生产力(Wu等人,2022年),并直接影响人类获得安全饮用水的能力(Liu等人,2017年)。包括湖泊、水库和河流在内的内陆水体以及沿海水域提供了重要的生态系统服务,而这些服务正日益受到各种压力因素的威胁。气候变化表现为降水模式改变、水温上升以及极端天气事件,进一步加剧了这些压力(Hou等人,2022年)。与此同时,农业径流、工业排放、城市废水和塑料废物带来的污染不断增加,再加上大坝建设和水资源抽取等人为干预,进一步恶化了水质(Sun等人,2025年)。由于污染、富营养化以及其他人为压力,许多地区的内陆水和沿海水质量正在下降(Yang等人,2021年)。叶绿素a、浊度、总悬浮固体、有色溶解有机物以及塞克奇盘深度等关键指标被广泛用于描述水质状况(Yang等人,2026年)。叶绿素a可指示浮游植物生物量及营养状态,其高值通常意味着可能危害生态系统的藻华现象(Feng等人,2024年;Hallegraeff,2010年)。浊度和总悬浮固体则用于衡量水的清晰度及颗粒物含量,进而影响水生生物的生存及水的可用性(Sun等人,2025年)。有色溶解有机物和塞克奇盘深度则能进一步揭示水体的光学特性和生态状况,对于资源管理和生态监测而言至关重要(Ruescas等人,2018年;Wang等人,2020年)。鉴于这些日益严峻的挑战,迫切需要具备强大功能、可扩展且能及时响应的水质监测系统,以便捕捉不同水生环境中的空间和时间变化情况。这类系统对于提前发现水质危机(如藻华)、科学管理水资源以及保护地方、区域和全球层面的生态与公共健康具有至关重要的作用。

传统的水质评估方法主要依赖于实地采样、实验室分析和船舶调查。虽然这些方法在特定地点能够提供高精度的数据,但它们存在运营成本高昂、劳动力需求大以及后勤复杂等弊端(Cassidy和Jordan,2011年)。因此,实地监测项目往往空间覆盖范围有限,采样频率也不高。这些限制使得难以把握广阔地理区域内水质的动态变化,也无法构建用于评估区域和全球环境趋势的连续长期数据集(Ngamile等人,2025年)。这些制约因素严重影响了水资源管理策略的成效,阻碍了污染事件预警系统的建立,也限制了我们评估气候变化和土地利用变化对水生生态系统影响的能力。

卫星遥感技术的进步以及强大云计算平台的出现,为地球观测带来了新的时代。诸如中分辨率成像光谱仪和海面宽视场传感器之类的海洋颜色传感器有助于监测开阔海域的水质,但其粗糙的空间分辨率(约1公里)使其不适用于光学特性复杂且空间分布不均的小型内陆和近岸水域(Hooker,1999年)。相比之下,Landsat-8和Landsat-9上的操作陆地成像仪以及Sentinel-2A/B/C卫星系列上的多光谱仪器则能提供大量适用于水体研究的数据(Pahlevan等人,2021年)。这些传感器具有更高的光谱分辨率,其波段设置有利于水质参数的反演,同时具备更好的辐射质量,空间分辨率也在10 - 60米之间,足以分辨许多内陆和沿海水域的特征。在光学特性复杂的“第二类”水域中,这些传感器尤为有效,因为在这类水域中,浮游植物、悬浮沉积物和有色溶解有机物共同作用,显著影响着水体向外的辐射强度,而这类水域在许多内陆和沿海地区十分常见(Feng等人,2024年)。Google Earth Engine在这一领域堪称一款具有变革意义的平台(Zhao等人,2021年)。GEE提供了对海量多传感器卫星数据的开放访问权限,其中包括来自Landsat和Sentinel任务的完整数据记录。它的分布式计算基础设施能够实现大规模数据集的快速并行处理,让用户能够在云端直接开发和执行复杂的分析工作流程。这一变革使卫星地球观测数据的使用更加普及,将强大的地理空间工具从专业研究实验室推广到更广泛的科学界、政策制定者和实际应用人员群体,从而加速创新并拓展实际应用范围(Su等人,2026年)。

尽管已有一些研究报道了基于GEE的应用,可用于地表水范围绘制(Kandekar等人,2021年)、洪水检测(Moharrami等人,2021年)以及湿地监测(Long等人,2021年),但专门用于监测各类水生系统水质的GEE工具仍然相当缺乏。造成这一差距的原因有很多,但一个重要因素是水质遥感本身的复杂性,尤其是针对第二类水域而言。要准确反演水质参数,就需要进行可靠的大气校正,以从大气干扰中分离出微弱的水体向外辐射信号(Chen等人,2025年;Men等人,2023b年)。此外,光学信号与水体成分之间的关系往往因地区而异,这需要复杂的算法和精细的校准(Men等人,2023a年;Neil等人,2019年)。这些挑战要求采用比处理简单应用如地表水划分更为复杂的处理流程。

为弥补现有研究中的不足,本研究推出了Global-RSWQmonitor,这是一个基于Google Earth Engine开发的新型云平台,用于全球范围内监测内陆和沿海水域的水质。该平台能够近乎实时地、交互式地绘制全球各类水生环境中的关键水质参数分布图。与以往的区域性研究不同(Kwong等人,2022年;Mao等人,2021年),Global-RSWQmonitor旨在实现全球范围覆盖,它整合了多个卫星传感器的数据,并运用先进的处理算法。该平台的创新之处在于它能够无缝整合多传感器卫星数据,采用了先进的大气校正方法,其中包括经过GEE改进的ACOLITE算法,同时还使用了经过全球校准的经验模型来估算水质指标。这些功能通过用户友好型的网页界面呈现,使得包括研究人员、水资源管理者和环境决策者在内的广大用户群体都能使用这些复杂的遥感工具。

本研究的目标如下:
1)利用Landsat-8/9和Sentinel-2 A/B/C的观测数据,开发一个基于云的、交互式的平台,用于监测内陆和沿海水质。
2)整合大气校正产品,并建立经过具有全球代表性的实地数据集校准的可靠水质反演模型。
3)通过多地点验证和案例研究,评估并展示Global-RSWQmonitor平台的准确性、稳健性以及实际应用潜力。

本文的其余部分结构如下:第2节介绍了本研究所使用的实地数据和卫星数据集。第3节阐述了Global-RSWQmonitor平台的系统设计和方法框架。第4节展示了基于选定案例研究的验证结果。最后,第5节探讨了该平台的应用前景、当前局限性以及未来发展的方向。

片段摘录:
GLORIA实地数据:要从遥感数据中反演出可靠且具有普遍适用性的水质参数,就需要有大量多样化的实地测量数据作为校准依据。全球水生环境反射率数据库在这方面做出了重要贡献,它汇集了来自世界各地众多内陆和沿海水体的大量实地观测数据(Lehmann等人,2023年)。

Global-RSWQmonitor架构:Global-RSWQmonitor是一个基于云的应用程序,它是利用Google Earth Engine的Python API开发的,其系统架构如图2所示。该平台部署在Hugging Face云平台上(https://huggingface.co/),用户无需安装本地软件或配备计算资源,即可通过浏览器进行轻量级的分析操作。该平台的前端界面是用voilà和geemap构建的(Wu,2020年;Wu等人,2019年),用户可以通过它交互式地定义……

大气校正验证:我们首先评估了三种大气校正算法——ACOLITE-local、ACOLITE-hybrid以及标准表面反射率产品的性能,评估依据是2021年6月5日在鄱阳湖进行的实地考察中收集的实地测量数据。我们在不同的浊度梯度区域采集了16个实地样本用于验证。使用ACOLITE-local和ACOLITE-hybrid算法处理了同一天拍摄的Landsat-8 OLI和Sentinel-2B MSI图像,然后将这些处理后的结果与……进行比较。

讨论:Global-RSWQmonitor通过一个交互式的云平台,为全球范围的水质监测开辟了新的可能性。为了提高可及性并促进各方参与,该平台向科学家、环境管理工作者以及水资源从业者免费开放。它通过整合多传感器数据、实时大气校正(采用ACOLITE-hybrid算法)以及经验水质建模等功能,区别于现有的同类工具。以下章节将……

结论:本研究推出了Global-RSWQmonitor,这是一个基于Google Earth Engine的平台,可用于近乎实时地绘制和监测内陆和沿海水域的多种水质参数。该平台整合了Landsat-8/9 OLI和Sentinel-2 MSI影像、ACOLITE-hybrid大气校正方法,以及利用具有全球代表性的GLORIA数据集校准的经验反演模型。通过交互式的云平台工作流程,Global-RSWQmonitor能够反演出叶绿素a等参数……

CRediT作者贡献声明:Dan Tian:验证、研究工作。Haibin Su:写作——审阅与编辑。Lei Wang:可视化、软件开发。Yuehan Lu:写作——审阅与编辑、资金筹集。Ekaterina Miliutina:验证、方法研究。Hongxing Liu:写作——审阅与编辑、初稿撰写、资金筹集、概念构思。Jilin Men:初稿撰写、可视化、验证、软件开发、方法研究、正式分析、数据整理。

利益冲突声明:作者声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。

数据可用性声明:RSWQmonitor应用程序的访问地址为https://watersensing-water-quality-monitoring-pro.hf.space/voila/render/Global-RSWQmonitor.ipynb?,其源代码则位于https://huggingface.co/spaces/WaterSensing/Water_Quality_monitoring_pro/tree/main。

利益冲突声明:作者再次声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。

致谢:我们感谢NASA和美国地质调查局负责收集和存储Landsat-8/9数据,同时也要感谢欧洲航天局的Copernicus项目提供Sentinel-2数据。我们感激Google Earth Engine团队提供的云计算平台,以及Hugging Face提供的免费云存储服务。我们还要感谢Quinten Vanhellemont开发了ACOLITE大气校正算法,以及Moritz K. Lehmann提供了GLORIA数据集。我们衷心感谢期刊编辑和匿名审稿人给予的帮助……

Jilin Men|Hongxing Liu|Ekaterina Miliutina|Yuehan Lu|Lei Wang|Haibin Su|Dan Tian美国阿拉巴马州塔斯卡卢萨市,阿拉巴马大学地理与环境系,邮编35487
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号