河北
来源：市场资讯
（来源：生态修复网）
仰望星空，Landsat系列卫星如同一位持续工作了40多年的“地球摄影师”，为我们存档了海量的全球地表影像。近年来，借助Google Earth Engine（GEE）这类“云端暗房”，科学家们终于能高效处理这些珍贵“底片”，用于诊断全球湖泊、河流的健康状况。
然而，这份“体检报告”的准确性长期受一个隐藏的“视觉误差”困扰。我们最常从GEE调用的Landsat标准地表反射率产品，其内置的“修图”算法（大气校正）原本是为陆地设计的。当用它来处理从太空中看信号极其微弱的水体时，就会产生严重偏差，导致我们对水质的“诊断”失准。
近日，中国科学院南京地理与湖泊研究所段洪涛研究员团队（博士生杨辰为第一作者，沈明助理研究员与段洪涛研究员为共同通讯作者），利用全球千余组水体实测数据，首次在全球尺度系统评估并成功“校准”了这一“视觉误差”。研究不仅精准定位了问题根源，更在云端找到了更优的“修图方案”。研究成果发表于遥感领域顶刊《ISPRS Journal of Photogrammetry and Remote Sensing》。
一、诊断报告：卫星“看水”的两大核心误差
通过全球比对，团队精准锁定造成“视觉误差”的两大关键问题：
“校正过度”产生黑色伪影：当水体旁有云、雪等高亮物体时，针对陆地设计的“气溶胶校正”算法容易“用力过猛”，使影像上出现不合理的“黑色斑块”（伪影）。其最明确的标志是443纳米波段（蓝光）的反射率变为负值。这并非个别现象，全球平均有13%的内陆水体像元受此影响。若忽略这些“伪影”直接分析，悬浮物浓度等关键指标误差可能超过100%。
“历代相机色彩不一”导致数据断层：要分析几十年水环境变化，必须拼接 Landsat‑5/7/8/9 等多代卫星数据。但研究发现，由于不同“相机”的硬件及算法差异，它们对同一水体的观测值存在显著偏差。这种“色彩不统一”让长时序水质变化分析充满不确定性。
二、最优处方：云端“修图师”MAIN算法表现最佳
发现问题后，团队在GEE云端测试了SIAC和MAIN两种面向水体优化的校正算法，最终给出明确结论：基于“短波红外暗像元”假设的MAIN算法，是目前的最优选择。
根除伪影：避免“过度校正”，让太湖、维多利亚湖等影像中异常黑斑消失，还原真实的水面空间格局。
统一标准：提供跨卫星一致的校正框架，时序一致性提升超 90%，实现 40 年数据“无缝衔接”。
即开即用：算法已部署在GEE云端，无需下载海量数据，可直接生成高质量水体反射率产品，特别适合大范围、长时序监测。
给现有用户的“快速指南”：若仍需使用官方产品，可采用团队提出的极简预处理方案：直接剔除 CA<0（443 nm 波段反射率为负）的像元，即可低成本、显著地降低“伪影”污染。
这项研究首次在全球尺度上系统量化了Landsat官方产品用于水体监测的固有误差，并推荐了即用型的云端优化方案（MAIN算法）。这不仅让外行明白卫星“看水”需专用算法，更为内行提供了关键的数据质量控制基准和高效工具，显著提升了长达40年的Landsat历史数据在水环境变化研究中的可靠性与实用性，让“地球档案”能更精准地守护我们的水资源。
研究成果获国家自然科学基金项目[42425104, 42201403, U2243205]资助。
【文章信息】：
Yang, C., Shen, M.*, Cao, Z., Maciel, D.A., Qi, T., Sun, Z., Qiu, Z., Si, Y., Luo, J., Duan, H.*, 2026. Artifact-induced bias and cross-sensor inconsistencies in landsat surface reflectance for global inland waters: evaluation and solutions. ISPRS Journal of Photogrammetry and Remote Sensing, 236, 456-473.
论文链接：https://doi.org/10.1016/j.isprsjprs.2026.04.003
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
