Landsat系列卫星数据，不仅可以快速获取高分辨率的地表现状信息，还能重建自1980s以来的历史信息；发展基于Landsat的藻华、挺水/浮叶和沉水植被的自动识别算法是开展草藻演变和转化研究的关键。目前，围绕湖泊藻华或水生植被已发展了一系列遥感提取算法，但还没有能够完全实现草、藻的自动识别并大规模应用的算法。 

　　中国科学院南京地理与湖泊研究所段洪涛团队罗菊花副研究员，围绕上述难题成功研发了藻华、挺水/浮叶和沉水植被遥感自动识别算法（VBI算法）（图1），该成果近日以A new technique for quantifying algal bloom, floating/emergent and submerged vegetation in eutrophic shallow lakes using Landsat imagery为题，发表在遥感领域顶级期刊Remote Sensing of Environment上。 

　　VBI算法另辟蹊径，通过缨帽变换构建了水生植被指数（AVI），解决了草藻遥感识别的两大难题：（1）挺水/浮叶植被和藻华光谱形状相似，识别难；（2）沉水植被位于水面以下，光谱信号弱，与水体光谱区分难。VBI算法在长江中下游湖泊群开展了广泛验证，平均分类精度高于80%，具有较高的准确性、鲁棒性和适用性。同时，VBI算法与已有算法在全球多个湖泊开展了比较，发现VBI算法优势明显，是目前唯一能够同时识别藻华、挺水/浮叶植被和沉水植被的遥感分类算法。 

　　长江中下游湖泊富营养化严重，草、藻长期变化尚不可知。基于VBI算法，重建了1985-2021年的长江中下游大型湖泊（面积>50km2）数据集，发现（1）大型湖泊均有水生植被分布，且平均植被覆盖度为59%，其中沉水植被的平均覆盖度为36.98%，浮叶类植被的平均覆盖度为22.06%；（2）约81%大型湖泊优势植被类群为沉水植被，12个湖泊有不同程度藻华发生；（3）1980s以来，长江中下游湖泊水生植被覆盖度显著下降，尤其是沉水植被减少明显，浮叶类植被没有显著变化（图2，图3）。此外，发生藻华的湖泊数量显著增加，长江下游尤为明显。 

　　该成果得到了国家自然科学基金、中国科学院南京地理与湖泊研究所自主部署科研项目和江苏省碳达峰碳中和科技创新专项资金项目的联合资助。 

　　全文链接：https://doi.org/10.1016/j.rse.2023.113480 

图1 水生植被和藻华（VBI）遥感识别算法流程（a）和太湖案例（b）; 注：AB：藻华；FEAV：挺水/浮叶植被; SAV: 沉水植被 

图2 长江中下游湖泊（> 50km2）水生植被时空分布及变化趋势 

图3 长江中下游湖泊（> 50km2）藻华时空分布频率及其变化