当前的藻华和水生植被区分研究主要集中于单个湖泊，并且依赖大量的实测数据，模型的可移植性较差；另外，在高度浑浊水体中，一些常用的藻华提取指数常常出现误判的情况。本研究选取了五个位于不同湖区的暴发藻类水华的湖泊（太湖、洪泽湖、呼伦湖、巢湖和滇池），基于具有较高时空间分辨率的哨兵2影像，对藻华和水生植被进行区分和提取。针对浑浊水体对植被信号提取造成的干扰，本研究综合常用的水体和植被识别函数，构建了决策树方法，有效去除浑浊水体造成的干扰，植被信息的提取精度可以达到96.1%。通过将影像时间序列信息与水生植被和藻华的自然物候特征相结合，改进了植被出现频率（VPF）指数，整体识别精度为71.8-84.3%（图1）。本研究为浑浊水体水质监测提供了强有力的方法和理论支持，特别是在缺乏实际测量数据的情况下，为水环境管理和治理部门进行藻华监测提供了技术支撑。
图1 湖泊藻华和水生植被识别结果，a）呼伦湖；b）洪泽湖
该研究成果发表在国际期刊Remote Sensing上，中国科学院东北地理与农业生态研究所硕士研究生蒲静为第一作者，温志丹副研究员为通讯作者。
该研究得到了国家重点研发项目（2019YFA0607101）和中科院青年创新促进会（2020234）等项目的共同资助。
论文信息如下：
Jing Pu, Kaishan Song, Yunfeng Lv, Ge Liu, Chong Fang, Junbin Hou 1 and Zhidan Wen*. Distinguishing Algal Blooms from Aquatic Vegetation in Chinese Lakes Using Sentinel 2 Image. Remote Sensing. 2022, 14, 1988.
链接：https://doi.org/ 10.3390/rs14091988
附件下载：
