湖泊遥感研究进展与展望

段洪涛，曹志刚，沈明，马金戈，齐天赐

1.中国科学院南京地理与湖泊研究所 中国科学院流域地理学重点实验室,南京210008;

2.西北大学 陕西省地表系统与环境承载力重点实验室,西安710127;

3.西北大学 城市与环境学院,西安710127

1 引 言

现代湖泊学认为，湖泊学是研究湖泊、沼泽的形成与演变的学科，包括湖泊、沼泽中发生的水文、水质与水生生物过程及这些过程之间的相互作用与影响，其与海洋学的研究共同组成了对水生生态系统的研究（沈吉等，2020）。遥感科学是在地球科学与传统物理学、现代高科技基础上发展起来的一门新兴交叉学科，为人类提供对地观测的多种信息和遥感数据产品（李小文，2006）。而湖泊遥感作为交叉学科，是指利用传感器等对地观测手段，进行远距离非接触观测湖泊和湖岸带及其变化的一门学科（柯长青，2004）。实际上，湖泊遥感的核心是在全球变化和人类活动背景下，围绕湖泊生态环境和水文等问题的遥感。也就是说，湖泊遥感首先是湖泊的问题；在此基础上，才是遥感自身的问题。因此，湖泊遥感的关键是首先针对湖泊自身问题，确定某一类或某一个关键或敏感因子作为研究对象；在实现这些因子高精度遥感的过程中，围绕遥感数据的预处理、大气校正、算法构建和验证、长时间序列数据重构、湖泊问题分析和诊断等逐一展开。

湖泊遥感和其他遥感领域一样，最早始于1960年代。基于Web of Science 数据库的lake、reservoir、remote sensing、satellite 共4 个主题词检索发现，目前已发表近20000篇论文。其中，1974年美国NASA 的Robert Wrigley 和加州大学伯克利分校的Alexander Horne 合作发表于Nature 的“Remote-sensing and lake eutrophication”可作为国际湖泊遥感研究的早期代表作，其通过红外航空照片发现美国加州的克利尔湖（Lake Clear）出现蓝藻水华，并指出由于藻类水华可能会在几分钟内发生较大变化，因而常规湖沼学技术并没有观测到（Wrigley 和Horne，1974）。结合中国知网（CNKI）的检索发现，中国科学院地理研究所濮静娟和王长耀1979年发表在《地理学报》的“利用卫星遥感资料研究河口三角洲、湖泊的动态”是国内湖泊遥感早期代表作，该文主要利用地球资源卫星多光谱照片和地面资料，论证卫星遥感资料在湖泊动态和发展趋势研究方面应用的可能性（濮静娟和王长耀，1979）。从这两篇中外早期文献可以看出，遥感最初主要被当作“上帝之眼”，开展常规手段无法或者较难捕捉的湖泊大范围变化或异常观测，发挥了给湖泊“照相”的作用，未过多涉及遥感机理等方面的工作。

经过近半个世纪的发展，湖泊遥感已经从最初利用光学遥感影像定性观测水华或湖岸带变化的简单应用，发展成瞄准人类活动和全球变化影响下的湖泊变化和响应等复杂问题，联合天空地多源、多类型、多尺度遥感手段（段洪涛等，2020），从经验模型、机理模型再到机器学习算法，实现湖泊多参数长时间序列定性定量遥感的综合研究。针对2020年以前全球湖泊和水库卫星遥感文献关键词词频统计（图1），出现超过100 次的有15 个，第20 名“Eutrophication”出现91 次，涉及到不同的区域、不同的关注问题、不同的传感器和不同的研究手段；湖泊遥感已经开枝散叶，多元化发展，应用广泛，展现出蓬勃的生命力。集中到全球500 km2以上湖泊和水库（图2（a）），发现近半个世纪以来SCI论文数量显著增加，从1985年前年均不到20 篇，发展到近5年（2016年—2020年）年均超过1000 篇（图2（b））。其中，北美、亚欧大陆和非洲地区大湖遥感研究最集中（图2（c））。中国太湖、鄱阳湖近5年已成为全球遥感研究最多的湖泊，青海湖、三峡水库、纳木错和巢湖等4 个湖泊和水库也位居全球前20 名；但实际上中国湖泊不管是面积还是数量在全球的比重并不高，这体现了中国在全球湖泊遥感领域中的主导和领先地位。

图1 全球湖泊遥感前900个关键词，其中排名前20名分别是：Remote sensing，MODIS，Landsat，Water quality，GIS，Climate change，Lakes，Planets and satellites，Chlorophyll-a，Hydrology，NDVI，Wetland，Tibetan Plateau，SAR，Satellite altimetry，Monitoring，Poyang lake，Cyanobacteria，EutrophicationFig.1 The top 900 keywords of global lake remote sensing，among which the top 20 are：Remote sensing，MODIS，Landsat，Water quality，GIS，Climate change，Lakes，Planets and satellites，Chlorophyll-a，Hydrology，NDVI，Wetland，Tibetan Plateau，SAR，Satellite altimetry，Monitoring，Poyang lake，Cyanobacteria，Eutrophication

图2 全球大型湖库（＞500 km2）SCI论文发表情况Fig.2 SCI papers on global large-scale lakes and reservoirs（＞500 km2）

湖泊（含水库）作为中国85%以上人口的主要饮用水源地和“山水林田湖草”生命共同体的重要一环，越来越受到关注；遥感作为唯一可以实现大范围、周期性、业务化监测的手段，已经在湖泊监测和研究方面发挥重要作用。湖泊遥感作为湖泊科学和遥感科学的一个分支和交叉学科，

与其他学科相互借鉴，相互促进，但也自成体系，且充满了活力。本文介绍了湖泊遥感的研究对象、问题和主要手段，回顾了国内外湖泊遥感研究的相关进展，最后探讨了湖泊遥感未来的发展趋势。

2 湖泊遥感概述

湖泊遥感从研究对象上，可以分为湖泊水色遥感、湖泊水环境遥感和湖泊水文遥感（图3 和表1）；一般意义上，湖泊水环境遥感包括湖泊水色遥感。湖泊水色遥感是指通过严格物理辐射传输方程解析水色要素参数浓度和固有光学特性等光学量的一门学科（段洪涛等，2019）。湖泊水色遥感的基础是准确获得水体离水辐射信号（IOCCG，2010；张运林，2011），关键是解析遥感反射率与水色因子固有光学特性的内在联系（Lee 等，2002）。湖泊水色遥感的核心参数为浮游植物色素、非色素颗粒物和有色溶解性有机物等水色三要素浓度和固有光学特性。湖泊水环境遥感是指以除水色因子以外可通过遥感直接或间接获取的环境参数为研究对象的一门学科，包括水温、浮游植物水华、水生植被等可直接监测的参数和初级生产力、总磷、富营养化指数等间接监测参数（IOCCG，2018）。湖泊水文学是研究湖泊水量变化和湖水动力过程的一门学科，其核心内容是研究湖泊水文要素及湖泊水量平衡关系的变化，包括水量平衡关系的建立、湖泊水量变化的影响因素以及湖泊水量对气候变化的响应等（张奇等，2020b）。湖泊水文遥感是以遥感为基本手段，以湖泊水文要素为主要观测对象，发展针对其信息提取/定量反演或估算的原理、方法和技术的一门学科（刘元波 等，2020；宋春桥 等，2020a）。

表1 湖泊遥感研究对象与方式Table 1 Research objects and means of lake remote sensing

图3 湖泊遥感对象示意图Fig.3 Sketch map of lake remote sensing

湖泊遥感的研究问题，主要是围绕气候变化和人类活动背景下的湖泊变化展开。湖泊遥感的具体研究过程中，核心是针对湖泊的生态环境问题，或者说湖泊关键要素进行监测。比如，对于中国太湖、巢湖、滇池等富营养化湖泊，其核心问题就是藻颗粒（主要是蓝藻颗粒）大量富集（秦伯强，2020），死亡分解甚至会形成黑色的“湖泛”（Duan 等，2014b），造成严重的生态环境问题，人们更关注以叶绿素a和藻蓝素浓度等为标志的蓝藻及其衍生灾害问题；而对于洪泽湖、鄱阳湖等湖泊，富营养化问题并不严重，但非法采砂等活动一度非常猖獗，导致水体浑浊度显著提高，影响水下光场，破坏鱼类产卵场和底栖动物生境，引起生态系统失衡，因此主要关注悬浮泥沙等问题（Feng 等，2012；Cao 等，2017）。同时，湖泊还是全球气候变化的参与者和区域响应的重要记录器（刘正文等，2020），其碳源/汇的问题已成为国际学科前沿和热点问题；特别是“碳达峰”与“碳中和”概念的提出，湖泊溶解有机碳DOC（Dissolved Organic Carbon）、颗粒有机碳POC（Particulate Organic Carbon）和水体CO2等温室气体遥感逐步成为新的重点和方向（Qi 等，2020；Gao 等，2021）。另外，全球变暖和人类活动的双重作用下，湖泊温度上升、湖冰融化（Woolway等，2021），湖泊面积的萎缩或扩张（Ma 等，2010），引发了湖泊水量的改变，是湖泊水文遥感近期关注的主要问题（宋春桥等，2020）。因此，不同的湖泊水体或者是同一湖泊由于关注的问题不同，重点监测的关键因子也会存在差异。

湖泊遥感的研究手段，主要是借助于卫星、航空、无人机等平台进行观测，传感器以光学传感器为主，合成孔径雷达、激光雷达、重力传感器为辅。光学卫星类型广、数据全、时间久，能覆盖湖泊水色、水环境和水文等各个方面，是湖泊遥感的主要手段（Mouw 等，2015）。但是，光学遥感受限于天气状况，合成孔径雷达SAR（Synthetic Aperture Radar）成为其有效补充；特别是，雷达比光学传感器在水体变化监测上更有效，已经成为湖泊水文遥感的重要手段。此外，部分因子需要使用特有传感器，如湖泊水温的估算依赖于热红外传感器，湖泊水位和水量的估算则需要卫星高度计的支撑。不同类型传感器有着不同的优特点，在湖泊遥感领域有着各自的应用优势。随着卫星传感器的多样化，湖泊遥感的手段已开始并持续从单一传感器过渡到多传感器协同观测，从单一平台到多平台的天空地立体监测。

3 湖泊遥感学科进展

3.1 关注问题：从兴趣导向发展到问题导向

大自然五彩斑斓，湖泊也五光十色。青藏高原的湖泊像天空一样蓝，鄱阳湖、洪泽湖等江淮地区湖泊却水体偏黄，像泥沙的颜色。蓝藻富集的太湖风平浪静时，水体多呈现油绿色；大风过后，又变成了一碗黄泥汤。山西运城盐湖一些时候看起来像是一个半红半绿的“鸳鸯锅”，澳大利亚的Lake Hillier、Hutt Lagoon 和Pink Lake 都是世界最著名的粉红色湖泊。遥感学家看到这些湖泊，不禁会问：为什么水体呈现不同的颜色？水色的不同是否代表着水体中物质的不同？那么能否通过水色来反推水体中的物质？这3个问题是水色遥感研究的“初心”，其中的“水色”对遥感来说就是通过传感器获得的不同离水辐射信号的直接反映。湖泊遥感从最初的水色遥感，对不同湖泊水体为什么呈现不同颜色的兴趣，至今逐步扩展到水环境、水生态和水文遥感，研究领域日益多元化。湖泊水色参数定量反演是湖泊遥感应用最成熟最广泛的领域，主要针对对于自然光有吸收和散射作用的光学活性物质进行遥感（即水色3 要素：浮游植物色素、非色素颗粒物和有色溶解性有机物），其过程可以用水色遥感物理辐射传输方程表达（Morel 和Prieur，1977）。该领域基础理论方面已经基本完善，针对透明度、叶绿素a 浓度、悬浮物浓度等这类具有光学响应的参数，已经发展出多种经验算法、半分析算法或者机器学习算法（张兵等，2021）。目前研究更多是在原有基础上对算法或者参数进行修订（IOCCG，2018；段洪涛等，2019）。

全球变化和人类活动双重影响下，不少湖泊面积发生了显著变化（Pekel 等，2016；Zhang 等，2019），湖泊水体的富营养化在全球呈现加剧扩张的态势（杨桂山 等，2010；Wang 等，2018）。湖泊遥感逐步从自然兴趣驱动转向应用需求驱动，研究对象也从传统的水色3要素扩展到营养盐浓度（Chang等，2013；Huang等，2015；Shi等，2020）、营养状态（Wang 等，2018；Shi 等，2019）、初级生产力（Kahru，2017）、藻毒素（Shi 等，2015；Stumpf 等，2016）等非光学水质参数；从蓝藻水华面积提取（Duan 等，2009；Hu 等，2010）扩展到蓝藻指示性色素—藻蓝素估算（Simis 等，2005；Qi 等，2014）、藻总量估算（Li 等，2017；Liu 等，2021c）、浮游藻类类型识别（Hunter 等，2008）等；从水生植被盖度、面积提取逐步发展到水生植被类群识别（Zou 等，2013；Villa 等，2015；Luo 等，2017）、生物量监测（Bendig 等，2015）。湖泊作为气候变化的响应器（Adrian 等，2009），其水体中温室气体遥感监测也逐渐成为水环境领域的前沿和热点问题（Ouyang 等，2017；Qi 等，2020；Ran等，2021）。

湖泊水文动态监测向大尺度、长时序、多维度方向发展。从20 世纪50—60年代第一次湖泊调查主要依赖实地考察和地形图为主，到2007年—2012年第二次湖泊调查充分发挥卫星遥感手段优势，摸清了中国1 km2以上湖泊的数量、面积和分布（马荣华等，2011）；在此基础上，实现了全国湖泊多期遥感制图及区域变化差异研究（Zhang等，2019）。随着第二次青藏高原综合科学考察的开展，利用卫星、无人机及野外测量对青藏高原湖泊水质、水深、水量变化等进行了大量系统深入的研究（张国庆，2018；Liu 等，2021a；Pi 等，2021），并分析了其空间差异、变化趋势及驱动因素，为亚洲水塔的动态变化及其对气候变化的响应机理研究提供数据支撑，取得了第一手资料和重要成果（Zhang 等，2020；Liu 等，2021b）。计划于2022-11发射，由美国和法国联合牵头研制的地表水和海洋地形卫星SWOT（Surface Water and Ocean Topography），是首个能够提供厘米级精度的宽刈幅星载雷达干涉测高卫星，将为认识湖泊及其变化提供新的手段和数据。遥感技术的飞速发展，包括各类高时空分辨率光学影像、激光与雷达卫星测高、重力场测量等，极大地促进湖泊水文动态监测向大尺度、长时序、多维度方向研究。

3.2 观测手段：从地基遥感/中分辨率卫星发展到高分辨率/高光谱/无人机

光学卫星是湖泊遥感的主要手段，主要经历了3 个时期：以实测光谱和Landsat、SPOT 为代表的早期陆地传感器时期，以MODIS、MERIS、VIIRS、OLCI、GOCI 为代表的中空间分辨率卫星传感器时期，以及正发展的以Sentinel-2 MSI、Landsat 8/9 OLI、无人机等为代表的高空间分辨率时期。湖泊遥感器实现了从无到有，空间、辐射和光谱分辨率从低到高的发展阶段。1972年Landsat 卫星的发射拉开了湖泊遥感研究的序幕（Wulder 等，2019），一些学者通过Landsat 卫星影像用于湖泊面积变化监测和历史水质调查（濮静娟和王长耀，1979；Lillesand等，1983；Dekker和Peters，1993）。虽然1978年CZCS 传感器发射标志着海洋水色遥感开始，但其较低的空间分辨率并未广泛应用于湖泊遥感。湖泊遥感，特别是水色遥感，主要依赖于传统实测光谱数据研究水色要素的遥感算法，或者利用Landsat 等多光谱影像开展经验算法研究，停留在初步研究阶段（IOCCG，1998）。然而，以Landsat 卫星为代表的陆地传感器，辐射性能低、信噪比不足且波段少，难以有效探测水体物质变化，限制了水体参数的遥感研究。进入21世纪后，湖泊遥感进入蓬勃发展时期，MODIS （Terra：1999～，Aqua：2002～）、MERIS（2002年—2012年）、VIIRS （2012～） 和OLCI（Sentinel 3A：2016～，Sentinel 3B：2018～）等中分辨率卫星传感器的发射，提供了大量免费、较高空间分辨率（250—500 m）、较丰富的可见光至近红外光谱波段数量（8—16 个）和较短重返周期的卫星数据，支持湖泊遥感各领域中关键问题的研究（Mouw 等，2015；Cao 等，2018；Shen 等，2020）；GOCI、GF-4、Himawari-8 等地球静止卫星的发射，进一步将观测频率提升至小时尺度，大大丰富了湖泊遥感的观测。同时，Landsat 8/9、Sentinel-2A/B、国产高分系列等传感器具有较高的空间分辨率（＜30 m）和辐射敏感度，湖泊遥感逐渐步入“高分时代”（Ruddick 等，2016；Pahlevan 等，2017a，2017b）。但是，当前空间分辨率高的卫星时间分辨率相对较低（冯炼，2021），时间分辨率高的空间分辨率低，且普遍缺少湖泊水色参数遥感的关键波段（Cao 等，2019）。随着湖泊重要性的不断提升和传感器技术的快速进步，未来针对湖泊水体研制高空间分辨率、高时间分辨率、高光谱分辨率、高信噪比的“四高”传感器逐步提上日程。

3.3 算法算力：从单机版经验/机理模型发展到云计算的机器算法

卫星接收的大气顶层总辐亮度中通常只有约10%的水体信号，因此，大气校正是水色遥感研究中的关键技术。基于近红外波段“暗像元”假设（即假设水体在近红外波段处离水辐射为零），学者们针对海洋清洁水体已研发了较高精度的标准大气校正算法（Gordon 和Wang，1994），已经广泛应用于海洋遥感研究。但是，湖泊水体通常高浑浊且光学特性复杂，不满足“近红外波段离水辐射为零”的假设；内陆湖泊水体上空大气气溶胶模式也更为复杂，目前标准算法中集成的气溶胶模型未考虑内陆吸收性气溶胶，导致模型失效。当前国内外学者开发了多种算法试图获取精确的湖泊等浑浊水体遥感反射率，主要包括：（1）利用浑浊水体在蓝紫光或者短波红外波段离水辐射低的特点，将标准算法中的“暗像元”假设扩展到蓝紫光或者短波红外波段（Wang，2007；He等，2012；Liu等，2021d）；（2）利用生物光学模型或者不同波段的经验关系，结合优化算法或者迭代算法实现浑浊水体的大气校正（Ruddick等，2000；Bailey等，2010；Steinmetz等，2011）；（3）假设一定空间范围内大气状况均一，利用陆地“暗像元”获取气溶胶信息完成浑浊水体大气校正（Guanter 等，2007）；（4）利用人工神经网络等机器学习算法（Fan 等，2017）。这些算法虽然取得了一定成果，但对于极度浑浊水体而言，短波红外波段依然存在不可被忽略的离水信号（Zhang等，2014）；水体反射率及其之间的关系难以通过简单的比值或者生物光学模型准确表达（Xue 等，2017），同时气溶胶存在较强的吸收性成分导致已有气溶胶模型失效。在各水体大气校正算法普遍存在局限性或失效的情况下，一些学者尝试使用基于辐射传输模型的陆地大气校正方法（如6S 模型等）（Shen 等，2017），或直接陆地地表反射率产品开展相关研究（Wang 等，2016）；也有学者尝试不进行完整的大气校正，即只进行相对容易的水汽和臭氧吸收及瑞利散射信号去除，利用瑞利校正后的反射率Rrc（Rayleigh Corrected Reflectance）开展研究（Feng等，2018）。尽管湖泊水体大气校正算法研发取得了一定的成果，但是算法精度和稳定性仍有较大提升空间（Pahlevan 等，2021）。未来，随着深度神经网络等机器学习算法的发展，有望彻底解决内陆浑浊水体的大气校正问题。

传统湖泊水色遥感算法以半分析算法和经验算法为主。通过湖泊相关参数的光学特性，构建有效的光谱指数或发展具有明确物理机制的算法模型，实现湖泊要素的监测或定量反演/估算的方法，属于机理算法。机理算法的核心是基于光在水体的辐射传输过程，一旦建立，普适性强，机理清楚，易分析误差来源，如QAA 算法（Lee 等，2002）。但是，机理算法对波段要求较高，模型中的经验参数存在时空变异（比吸收、比散射系数、散射相函数等），缺省参数反演的效果有时候不理想。目前国际上更多的研究是基于原来的理论框架，针对假设条件、模型参数和区域适用性等方面进行改善或者加强，近年的突破性进展相对较少，如Lee等（2015）重新定义了透明度的光学反演机理，提出了一种新的半分析反演机制。经验方法是针对卫星的信号和待观测的湖泊参数的联系直接构建经验方程，简单、高效，但是没有物理机理支撑，区域性和季节性较强。在多年的发展中，湖泊水文的归一化水体指数方法（Li 等，2012）、湖泊水色的经验模型与半分析算法（Mouw等，2015；段洪涛等，2019）、湖泊水环境遥感中常用的漂浮藻类指数（Hu，2009）、水温反演使用的分裂窗算法（Wan 和Dozier，1996）都在此范畴内，其应用效果在不同类型湖泊中各有千秋。经验方法在区域具有高精度，但是大尺度上的湖泊特性差异大，应用精度有限；机理算法普适性强，但是理论条件的要求导致构建困难，并且对遥感反射率的反演精度要求也提高。随着计算机技术的发展，以深度学习等为代表的人工智能技术为开发适用于多类型湖泊、多参数的遥感反演算法提供了新途径（Palmer等，2015；Sagan等，2020；Kravitz 等，2021）。特别是，人工智能模型可以利用大量高质量星地同步观测数据，挖掘光谱信号与水体变量的内在联系，为湖泊遥感研究逐步从模型驱动向数据驱动发展提供了可能。

3.4 研究维度：从水体表层发展到垂向剖面

近年来，湖泊表层水质参数的遥感方法已经逐渐成熟，叶绿素a（Pahlevan等，2020）、悬浮物（Cao 等，2017）、颗粒有机碳（Duan 等，2014a；Xu 等，2021） 以及有色溶解有机物（CDOM）（Kutser 等，2005；Brezonik 等，2015；宋开山 等，2018）等参数都进行了深入研究，这些参数算法通常以水体垂向均一为假设前提；但实际上湖泊藻类存在垂向分层，且有多种形式（马荣华等，2016）。围绕着蓝藻水华等藻类总生物量监测的现实需求，如何从二维水表层遥感扩展到三维垂向结构遥感，是湖泊水环境遥感研究面临的一个很大挑战。Xue等（2015）通过实地调查数据构建了一个基于归一化藻华指数与遥感反射率来确定浮游植物生物量垂直剖面类别的方法。Li 等（2018）基于MODIS数据利用上述指数估算上层40 cm水柱中的藻类生物量，建立了40 cm 以内藻类生物量与整个水柱中藻类生物量的关系。Bi 等（2019）在滇池利用OLCI 数据构建了水柱集成生物量估算算法，对滇池藻类生物量进行了估算。Liu 等（2021c）基于Xue等（2015）的藻颗粒垂向分布模型，利用归一化藻类指数、表层叶绿素a浓度和风速等参数，获得了巢湖2000年来的藻类生物量时空变化规律。另一方面，Moore 等（2019）利用激光雷达和数字全息系统等新技术，对美国伊利湖西部的蓝藻暴发区藻类垂直结构进行了监测。Kwon 等（2020）利用无人机遥感数据构建了一个水库水体的垂向水柱叶绿素a与藻蓝素浓度积分值的估算模型。目前，水体垂向剖面研究主要集中在依赖叶绿素a 垂向结构的藻类总生物量遥感估算，其中藻颗粒对水下光场的影响、与遥感反射率之间的关系以及藻颗粒本身的光学特征等问题尚不明确（马荣华等，2016），有待加强。

3.5 研究区域：从单一/区域湖泊发展到国家/大洲/全球尺度

早先遥感研究大多集中在单一湖泊，未能充分发挥卫星遥感大尺度监测的潜力。得益于计算机技术以及处理能力的迅猛发展，湖泊遥感领域研究视野从单一湖泊逐步扩展到流域湖泊群、全国湖泊、甚至全球湖泊（Wang 等，2018；Cao 等，2020；Liu 等，2020；Song 等，2021）。从流域尺度来看，湖泊群水环境水文参数，包括叶绿素a、透明度、悬浮物、水面面积、水储量等（Hou 等，2017；Ma等，2020b；Cao等，2020；Ho等，2019；Shen 等，2020），已有大量研究和实践。也有从国家尺度实现湖泊遥感监测，主要集中在藻华（Coffer等，2020；Song等，2021）、叶绿素a（Cao等，2020）、透明度（Liu 等，2020；Song 等，2020）、水位（Wang等，2013）等参数。

Google Cloud、Microsoft Azure、Amazon Web Service 等云计算平台加速了全球湖泊遥感研究的步伐，各种参数的遥感反演/估算都在探索过程中。Wang 等（2018）基于MODIS 数据与Forel-Ule指数（FUI），建立了一种遥感方法来评估全球内陆水体的营养状态，并对全球分布的2058 个大型内陆水体2012年夏季的营养状态进行了评估。Ho 等（2017）利用Landsat 遥感数据以及美国伊利湖的实测数据建立了湖泊藻华暴发强度模型，监测了全球71 个湖泊的藻华暴发情况（Ho 等，2019）。Ma 等（2020b）借助全球湖泊和湿地数据库（GLWD）和陆地海拔卫星（ICESat）数据，估算了全球范围内14981 个湖泊和水库的水位变化。Pickens 等（2020） 在1999年—2018年340 万 景Landsat 5、Landsat 7 和Landsat 8 影像中对全球土地和内陆水体进行了分类，并进行了时间序列分析。Du 等（2020）基于MODIS 地表温度产品监测2001年—2015年欧亚湖泊水面温度的时空变化，并研究该变化的影响因素。目前大尺度湖泊遥感监测已成为研究热点，但受限于通用算法的发展，主要研究参数集中在藻华、水温、水位以及水面面积等少数参数；浮游植物色素等水质参数由于不同湖泊水光学特性的显著差异，还存在一定挑战。

4 湖泊遥感学科发展展望

4.1 研制满足湖泊观测特点的静止卫星或小卫星集群

“工欲善其事，必先利其器”。国内外已经有大量的卫星传感器可用于湖泊观测，但是由于其设计目标不是陆地就是海洋，较少顾及到湖泊水体浑浊，光学特性复杂，水陆混合和邻近效应严重，大气气溶胶类型多样等复杂情况，导致大部分传感器很难满足湖泊观测要求。针对该问题，一方面要整合现有的多源卫星进行联合监测，开展不同传感器间的相对辐射校正、一致性检验和产品时空重构等工作；另一方面，要适时发展满足湖泊观测需要的静止卫星或小卫星集群，即高时间分辨率、高空间分辨率和高信噪比，波段设定符合湖泊等内陆水体特征波段要求（例如叶绿素a特征吸收峰665 nm 与反射峰709 nm、藻蓝素特征吸收峰620 nm等），形成湖泊自有的卫星观测体系。

另外，现有的湖泊遥感研究，主要集中于少数大型湖库（图2）；而作为重要战略水源地的水库等小型水体占全球水体的绝大多数（全球小于50 km2的自然湖库和人工水库共计1424286 个，占全球总数1427288 的99.76%；数据来源Hydrolakes数据库），但由于其水面面积较小，现有卫星首先在空间分辨率上无法满足，再次重返观测周期普遍较长，导致这些重要水体普遍缺少监测。为保障人类饮用水安全，在未来需要通过发展静止卫星或小卫星集群重点加强小型湖库的卫星遥感研究。

4.2 发展湖泊水色遥感标准算法，建设全球湖泊卫星遥感监测网络

湖泊广泛分布在地球表面，星罗棋布，不同湖泊展现出自身不同的特点，水体光学特性复杂，导致现有算法区域性强、普适性不足，很难推广使用。随着深度学习算法的发展，科学范式开始从模型驱动向数据驱动发生转变，通过国家或者国际的研究学者间的合作，开展并收集水色遥感数据集，基于人工智能算法途径，有望形成适合湖泊的遥感标准化算法。面对这种发展，需要提前制定好湖泊遥感技术规范和数据处理标准化流程，为最终提供湖泊不同标准化专题产品服务。

充分发挥湖泊野外台站资源和卫星遥感研究基础，依托物理台站长期观测数据和卫星遥感大数据，以野外台站作为物理节点，卫星遥感监测网络作为面状扩展，形成野外台站物理节点和典型湖泊虚拟台站为一体的全球湖泊卫星遥感监测网络；研制湖泊遥感大数据平台和可视化系统，实现湖泊环境变化的历史长时序重建与近实时监测，服务联合国和国家可持续发展湖泊监测和评估需求。

4.3 加强全球变化背景下的湖泊盐度、温度和碳循环遥感研究

以湖泊盐度和温度为主的物理特征研究是微波或雷达遥感的特长，但是微波遥感的空间分辨率低，限制了在湖泊的应用。因此，需要发挥合成孔径微波遥感的优势，逐步建设高性能微波遥感盐度机理研究（Yueh 等，2001；Meissner 等，2016），为全球湖泊盐度变化研究提供信息与技术支持。如果能通过结合主动微波遥感与热红外遥感，实现湖泊表面粗糙度或者波浪信息提取，进一步实现湖泊水体表层温度反演，可为研究全球变化情景下的湖泊盐度和温度等物理特性变化及其导致的生态环境问题，提供新的途径。

作为气候变化的响应器，湖泊、水库和河流等淡水生态系统碳（C）循环研究，已成为当前全球碳循环研究的前沿和热点问题。内陆湖泊等水体，虽然面积远小于海洋，但其生态系统生产力很高，且与陆地生态系统物质、能量和信息交换强烈，是全球碳循环的重要组成部分。但是，目前流域、大洲和全球尺度水体碳通量估算都存在数据不一致等的问题。数据不一致的一个主要原因就是数据观测的时空尺度不一致，未考虑水体碳的季节、空间等差异。卫星遥感快捷、大范围和周期性的特点，为水体碳通量由“点”到“面”的尺度上推提供可能，也为准确评估区域乃至全球尺度上水体碳通量提供新途径。因此，未来要加强水体不同形态碳与水环境遥感参数关系的机理研究，实现更为精确的流域和全球湖泊碳通量估算，服务全球“碳达峰”“碳中和”目标。

4.4 开展全流域统筹的湖泊天空地遥感监测和模拟研究

目前湖泊水环境污染严重，但其问题根源出在流域上；通俗的讲“问题表现在水里，根子是在岸上”。目前的流域水环境遥感工作，实际上主要是针对湖泊、水库等水面面积较大的水体开展，河流水体的遥感监测工作鲜有报道，具有全流域视角的水环境遥感监测工作更是欠缺。随着卫星、无人机、岸基视频和手机摄像头等不同观测手段的快速发展，急需建立流域尺度河流—湖泊一体化的水环境智能化遥感监控技术体系，实现融水源涵养、水质目标管理、污染削减方案制定、水源地保护和供水安全保障等一体化综合管控。

综合流域野外台站观测网络、多类型陆域生态高频自动观测网络、不定期野外调查、无人机/无人船等观测手段，研发天空地一体化的流域关键要素观测技术方案；利用光学与雷达等多源卫星影像，开展河湖库塘等水域范围、不透水面、污染负荷、蒸散发、植被、生境、生物多样性等重要流域参数的历史长时序重建，形成关键流域地表参量的集成化、智能化、业务化、特色化观测系统产品。