基于多源卫星的滇池藻华提取机器学习算法研究

作者：李一民; 谭振宇^*; 杨辰; 何峰; 孟迪; 罗菊花; 段洪涛

来源：地球科学进展, 2022, 37(11): 1141-1156.

• 藻华
• 多源遥感数据
• 机器学习
• 联合监测
• 滇池

富营养化导致的藻类水华暴发，严重影响湖泊生态系统健康和居民用水安全。目前，常用于藻华监测的MODIS等卫星数据，受限于较低的空间分辨率，难以满足中小型湖泊水体的细粒度监测需求；而Landsat等常用的中高空间分辨率卫星数据因重返周期较长，无法满足藻华高频监测的需求。以滇池为研究区，联合国内外6种常用中高分辨率卫星影像，包括高分一号卫星、高分六号卫星、HJ1A/B、HY1C、Landsat 8和哨兵2号，分别使用神经网络模型、随机森林模型和极端梯度提升树模型3种机器学习算法以及归一化植被指数法提取滇池藻华，并对提取精度进行对比分析和一致性评估。结果如下：(1)3种机器学习算法中随机森林模型藻华提取精度最高（准确率91.94%,F1指数91.91%，召回率91.52%，精确率92.30%,Kappa系数0.838 8），极端梯度提升树模型和神经网络模型次之；(2)同一天多源卫星数据藻华提取结果一致性较高，平均相对误差小于8.04%；(3)2019年滇池藻华暴发频率较高，主要以轻度藻华和中度藻华为主，整体暴发格局呈现“北重南轻”。研究表明，利用中高分辨率遥感数据联合监测藻华是一种有效手段，能够在保证空间分辨率的同时提升时间分辨率。同时，建议在多云雨地区和中小型水体藻华监测中推广多源卫星联合观测。

• 单位
  中国科学院; 昆明市滇池高原湖泊研究院; 西北大学; 中国科学院南京地理与湖泊研究所