自然资源部海洋二所何贤强研究员团队构建了基于云平台的我国沿海地区水质多参数遥感反演框架！

近日，自然资源部二海洋研究所卫星海洋环境监测预警全国重点实验室何贤强研究员团队及合作者在Journal of Hydrology上发表了题为“Satellite water quality monitoring of China’s coastal inland waters based on Google Earth Engine”的研究论文，构建了基于云平台的我国沿海地区水质多参数遥感反演框架。论文第一作者为该室与浙江大学联合培养的博士生赵雅琪、闫瑜佳，通讯作者为何贤强研究员，合作者包括该室白雁研究员、李腾副研究员、金旭晨副研究员、龚芳高级工程师，广西科学院姜发军研究员，该室与上海交通大学联合培养的博士生陈芷彦，以及塔斯马尼亚大学（University of Tasmania）博士生赵镠。

沿海地区水系是陆海相互作用的重要纽带，其水质状况直接关系到河口近岸生态环境安全、陆源污染输送评估以及水资源保护与管理。我国沿海地区人口密集、经济活动强度高，河流、湖库、养殖塘等内陆水体类型复杂，水质时空变化显著。传统自动监测站能够提供高频、准确的点位观测，但难以全面覆盖大量中小型河流、湖泊和水库；卫星遥感具有空间连续覆盖和周期性观测优势，是支撑大范围水质监测的重要手段。然而，沿海地区水体光学特性复杂，污染来源多样，高锰酸盐指数、总氮、总磷等非光学活性水质参数难以直接由遥感光谱反演；同时，大范围高分辨率遥感资料处理也面临计算量大、业务化应用难等问题。因此，如何构建兼具精度、可迁移性和大范围应用能力的水质遥感监测方法，是当前水环境遥感研究及其业务化应用面临的重要挑战。

本研究面向我国沿海地区水体水质全域、高频监测需求，构建了基于 Google Earth Engine（GEE）的水质多参数遥感反演框架。研究基于 Sentinel-2 卫星遥感反射率、国家地表水水质自动监测站实测数据，构建了大规模卫星—地面实测匹配数据集。其中，获得高锰酸盐指数 12650 例、总氮 12610 例、总磷 12223 例、浊度 12528 例匹配样本，为构建统一的全国沿海地区水质多参数遥感反演模型提供了充分的数据支撑（图 1）。

图1. 匹配数据集中的各水质参数浓度分布情况

(a) 高锰酸盐指数, (b) 总氮, (c) 总磷, (d) 浊度

在此基础上，团队针对浊度、高锰酸盐指数、总氮和总磷 4 个关键水质参数，建立了轻量化多模态遥感反演模型（图 2）。该模型兼顾精度与 GEE 平台部署效率，实现了光学信息、地理空间信息和环境驱动信息的协同建模。模型验证结果表明，遥感反演结果与实测水质数据在空间分布和时间变化上总体一致，能够较好地监测我国沿海地区水体水质的区域差异和季节变化特征（图 3、图 4、图5、图6）。

图 2. 本研究的技术路线图

图 3. 各水质参数卫星反演值与实测值对比散点图

其中，(a)、(b) 分别为高锰酸盐指数训练集和验证集；(c)、(d) 分别为总氮训练集和验证集；(e)、(f) 分别为总磷训练集和验证集；(g)、(h) 分别为浊度训练集和验证集

图 4. 卫星反演值与实测值随经度（左列）及纬度（右列）的变化，实线为各0.5°空间网格内的均值，阴影区域为±1倍标准差

(a) 高锰酸盐指数, (b) 总氮, (c) 总磷, (d) 浊度

图 5. 卫星反演值与实测值随站点时间变化, 实线为逐月均值，阴影区域为±1倍标准差

(a) 高锰酸盐指数, (b) 总氮, (c) 总磷, (d) 浊度

图 6. 遥感反演的我国沿海省份内陆水体各水质参数浓度分布图（图中结果以0.5°网格平均浓度展示）
(a) 高锰酸盐指数, (b) 总氮, (c) 总磷, (d) 浊度

本研究是在何贤强研究员团队前期突破浙江全省水体水质遥感技术基础上取得的新进展。相比前期区域尺度研究，本研究进一步面向我国沿海地区大范围复杂内陆水体，构建了可在云平台上高效运行的多参数水质遥感监测框架，为陆海统筹下高分辨率卫星数据在水环境监测与管理中的业务化应用提供了可推广、可迁移的模型支撑。该研究得到了国家重点研发计划项目（2023YFC3108101）、自然资源部第二海洋研究所中央级公益性科研院所基本科研业务费-博士研究生学科交叉创新培育基金资助项目（BS2601）、浙江大学博士研究生“求是新星”培养计划等资助。

论文引用

1. Zhao, Y.#, Yan, Y.#, He, X.*, Chen, Z., Li, T., Jin, X., Zhao, L., Gong, F., Jiang, F., Bai,Y., Satellite water quality monitoring of China's coastal inland waters based on Google Earth Engine,Journal ofHydrology(2026), doi: https://doi.org/10.1016/i.jhydrol.2026.135882

相关论文

1. Zhao, Y., He, X.*, Pan, S., Bai, Y., Wang, D., Li, T., Gong, F., Zhang, X., Satellite retrievals of water quality for diverse inland waters from Sentinel-2 images: An example from Zhejiang Province, China.InternationalJournal ofAppliedEarth Observation andGeoinformation(2024), https://doi.org/10.1016/j.jag.2024.104048

2. Yan, Y., He, X.*, Bai, Y., Liu, J., Shanmugame, P., Zhao, Y., Zhang, X., Wang, Z., Zhang, Y., Gong, F., Monitoring Dissolved Organic Carbon Concentration and Flux in the Qiantang Riverine System Using Sentinel-2 Satellite Images.Remote Sensing(2024), https://doi.org/10.3390/rs16224254

• 信息来源：卫星海洋环境监测预警全国重点实验室。

  转载请注明信息来源及海洋知圈编排。