《Frontiers in Environmental Science》：Temperature and land use influence on spatiotemporal dynamics of particulate composition in Chinese Eastern Plain Lakes: a remote sensing-based study
编辑推荐：
湖泊中颗粒物质的组成被认为是水下光场动态和有机物比例的关键指标。本研究利用 Sentinel-3 OLCI（Ocean and Land Colour Instrument）在 510、560 和 620 nm 的离水反射率（remote-sensing re
湖泊中颗粒物质的组成被认为是水下光场动态和有机物比例的关键指标。本研究利用 Sentinel-3 OLCI（Ocean and Land Colour Instrument）在 510、560 和 620 nm 的离水反射率（remote-sensing reflectance，Rrs）估算湖泊中有机悬浮物与总悬浮物比值（Organic Suspended Matter to Total Suspended Matter ratio，OSM/TSM），将其作为颗粒组成的指标。研究人员调查了 2016—2023 年 76 个面积大于 10 km2 湖泊的 OSM/TSM 多年时空特征。研究人员使用广义线性模型（Generalized Linear Model，GLM）探讨气象与人为因子的相对重要性排序，并使用合并线性混合效应模型（pooled linear mixed-effects model）进行关联分析。结果表明，OSM/TSM 主要分布在 0.2—0.6；按 Mann-Kendall 检验，79.96% 的湖泊呈增加趋势。OSM/TSM 峰值多见于夏秋，最低值出现在春冬。温度对年内 OSM/TSM 变化的标准化相对权重最高，为 44.93%；对年际变化，土地利用变量合并标准化相对权重为 58.00%。本研究为大内陆湖的 OSM/TSM 估算可为中国东部平原湖泊未来监测与评估提供重要参考。
论文解读：《Frontiers in Environmental Science》发表的中国东部平原湖泊颗粒组成遥感研究
研究背景方面，总悬浮物（Total Suspended Matter，TSM）由有机悬浮物（Organic Suspended Matter，OSM）和无机悬浮物（Inorganic Suspended Matter，ISM）组成，其比例决定粒子光学性质与水下光场，并影响光合效率、初级生产力和富营养化。中国东部平原湖泊（Eastern Plain Lakes，EPL）受经济快速增长、三峡大坝建设、氮磷输入和气候扰动影响，出现藻华、透明度下降与缺氧等问题。此前缺乏面向中国 EPL 的卫星算法和区域长期高频监测模型，因此研究人员开发 Sentinel-3 OLCI 算法并分析 2016—2023 年颗粒组成驱动机制。
主要关键技术方法方面，研究人员使用 2010—2023 年 14 个湖泊野外样本队列，经质量控制保留 1,145 个有效样本；下载 NASA 的 Sentinel-3 OLCI Level-1 全分辨率 300 m 影像，用 MUMM 大气校正处理浑浊内陆水体；气象数据来自 ERA5-Land，按流域平均温度、降水、风速；土地覆盖采用 China Land Cover Dataset（CLCD）聚为农用地、居民地、水体、草林四类，人口用 LandScan；趋势分析采用 Theil-Sen 与 Mann-Kendall 检验，驱动分析采用 GLM 与方差膨胀因子（Variance Inflation Factor，VIF）筛查共线性。
研究结果如下。
3.1 OSM/TSM 估算算法开发与验证：研究人员依据 709 nm 与 681 nm 反射率差将水体分为有机颗粒主导型 Type I 与无机颗粒主导型 Type II，分别建立 Band6、Band7、Band5 组合算法。验证显示总体 R2=0.78、RMSE=0.07、UMAPE=24.99%；Type I 与 Type II 均具可接受精度，低值略高估、高值略低估。
3.2 中国东部平原 OSM/TSM 时空格局：年均值显示 28.94% 湖泊显著上升、1.32% 显著下降；季相上 81.57% 湖泊峰值在夏秋，69.74% 最低值在春冬。空间上淮河湖泊多为 0—0.3，长江湖泊多为 0.3—1；8 年均值 96.00% 湖泊在 0.2—0.4。
3.3 不同面积湖泊 OSM/TSM 变率：按面积分四类，湖均均值顺序为 Class II＞Class I＞Class III＞Class IV。小型湖 OSM/TSM 较高且上升趋势比例高，Class IV 大型湖均值最低，仅 Dongting Lake 呈下降。
讨论部分总结：研究人员指出 MUMM 校正下 560 nm 与 620 nm 波段比值是稳定自变量；敏感性分析表明 Rrs(560) 扰动对 OSM/TSM 估算影响大于 Rrs(620)，波段比可抵消部分大气校正偏差。算法在浑浊湖具区域适用性，但高值范围仍存在低估。
研究结论部分翻译：观测湖均 OSM/TSM 顺序为 Class II＞Class I＞Class III＞Class IV。2016—2023 年，79.96% 湖泊斜率为正，其中 Class I 显著上升占 33.33%、Class II 占 46.15%、Class III 占 13.33%、Class IV 为 0%。所有湖泊年际变化均存在空间异质性。温度主导年内变化，土地利用主导年际变化；OSM/TSM 可作为 EPL 湖泊富营养化与有机污染遥感监测指标，并为内陆大湖水质管理提供参考。
