多年来，对太湖的蓝藻水华遥感监测主要利用EOS-Terra、Aqua 2颗卫星的MODIS传感器影像，每日2次过境，通过大气校正、几何校正等预处理后再计算归一化植被指数(Normalized Differential Vegetation Index, NDVI)图像，最后根据经验选取阈值得到蓝藻水华的空间分布^[1-2]。研究表明，基于NDVI的蓝藻水华提取方法存在一定的不足，提取的水华分布主要是在湖面表层积聚的蓝藻，代表了0~5 cm的深度，有的文献称之为表层藻积物(Surface Scum)，属于肉眼明显可视的“显性水华”；NDVI由于利用的是850 nm等更长波长的近红外波段，太阳辐射入水后衰减剧烈，对于稍深水体中的浮游植物、轻度~轻微的“潜性水华”和藻密度低的“水藻混悬体”识别极不灵敏，NDVI为负值，无藻、少藻水体之间难以选取合适的阈值，这是不同人员因经验不同导致蓝藻水华分布和面积解译结果不一致的主要原因。另一方面，蓝藻水华和大型水生植物(水草)的光谱特征较为相似，受限于MODIS在红光~近红外区间波段设置少、波段带宽较大、地面分辨率较粗等因素，区分也有难度。

2016年2月以来，“哨兵-3”A、B星相继成功发射，其搭载的海洋和陆地颜色仪(Ocean and Land Colour Instrument，OLCI)提供了逐渐丰富的数据，成为国际上今后一段时期十分重要的水生态遥感数据源(数据来源网站为http://www.copernicus.eu.和http://earth.esa.int.)。OLCI完全继承了先前水色/水生态遥感ENVISAT卫星MERIS传感器的技术特性，设置了对浮游植物荧光光谱特征灵敏探测的位于红光~近红外过渡区的若干波段，除了常规的NDVI外，还可以开展荧光基线高度(Fluorescence Line Height，FLH)、最大叶绿素指数(Maximum Chlorophyll Index，MCI)^[3]等图像的计算，在全球内陆水体、近岸海域广泛用于监测、识别富营养^[4]、光学特性复杂湖泊的浮游植物分布区域、强度、生物量等。性能超过了MODIS、VIIRS^[5]等传感器以及宽波段、主要用于陆域目标的Landsat OLI传感器。“哨兵-3”卫星OLCI系列，专注于利用可见光~近红外区间的400~1 020 nm波长范围，设置若干对浮游植物、有色溶解性有机物(CDOM)等敏感的窄的“半峰全宽”(Full Width Half Magnitude，FWHM)波段，依据反射光谱辐亮度信息对大洋、近岸海域以及内陆水体的悬浮物、叶绿素a、浮游植物生物量、初级生产力等重要的水色/水生态参量进行反演^[6-9]。

除了NDVI、FLH、MCI这些水色/水生态遥感较常用的反映水体浮游植物的指标外，为了解决蓝藻与水体、蓝藻与真核浮游植物、蓝藻与水草等目标物的区分，针对内陆富营养水体，Matthews等^[10]提出了最大特征峰高度(Maximum Peak Height，MPH)算法，充分利用MERIS在可见光620~885 nm间共6个反映浮游植物光谱特征的较窄波段，来反演光学性质较复杂(Optically Complex)的内陆水体和近岸海域中的叶绿素a浓度，识别蓝藻水华，对全球不同营养状态的典型湖泊，包括我国太湖的MERIS影像数据进行了业务化应用实验取得很好效果^[11]。这一算法在600~900 nm波长区间，以664和885 nm的遥感反射率来构建一条“基线”，利用了“红边”波长区域的681，709和753 nm不同浮游植物的不同遥感反射率特征，计算遥感反射率“峰值”强度及其所在的光谱波长(波段)位置，可以有效区分水体与非水体、蓝藻和大型水生植物、蓝藻和真核生物藻类等，为研究湖泊水生态提供重要的遥感信息^[12]。OLCI在波段设置上完全继承了MERIS，在此开展MPH算法在太湖水体叶绿素a反演、藻/草区分、蓝藻/其他藻区分的应用效果分析。

1 MPH算法

MPH算法针对MERIS、OLCI等国际主要的水色/水生态遥感传感器设计，只要把传感器获得的大气顶层(TOA)表观反射率完成瑞利订正，把大气气体分子散射带来的辐亮度影响进行校正即可，不必开展复杂的气溶胶影响校正，因为内陆水体的大气校正需要获得大气状态参数繁多，实际上很难全面、精确地获得，开展气溶胶订正可能适得其反，带来更多的误差。由于MPH算法用到的波段均处于红~近红外区间，气溶胶带来的光谱影响相对在接近的水平，加之MPH采用两端的波段构成一条“基线”，中间的3个波段的遥感反射率与此“基线”的差分(偏离)量作为信号值，有效地扣除了气溶胶散射带来的影响。因此，完全不必开展气溶胶散射大气订正，直接用瑞利订正后的遥感反射率就能够满足业务化应用，在此把瑞利订正后的遥感反射率记为brr(bottom-of-Rayleigh reflectance)。

MPH算法依据像元在MERIS、OLCI传感器6个波段的光谱亮度特征对像元进行了一系列标记。分为两大步骤：(1)利用619和681 nm波段的光谱特征进行蓝藻检测，(2)对有蓝藻的水体开展叶绿素a反演算法。太湖等富营养化严重的湖泊还存在大型水生植物(水草)的分布，藻/草的区分十分关键，在MPH算法中是通过最大反射峰是否出现在753 nm位置来判断是否为重度积聚蓝藻(漂浮在表层、稠厚积聚，surface scum、floating cyanobacteria)，还是为大型水生植物(水草)。MPH算法自推出以来在全球多个不同营养级别、水体类型的内陆湖泊进行了大量的业务化验证，适用于除少数贫营养外的绝大多数湖泊，总体表现效果良好。Matthews^[13]2015年在此基础上进一步优化了算法，算法的描述见图 1。

MPH算法中各中心波长对应的MERIS、OLCI传感器的波段见表 1。

Matthews长期研究并优化MPH算法，使富营养水体的蓝藻检测精度得到较大改进，能有效与生长较茂密的浮叶水生植物进行区分，减少了贫营养水体出现的“假阳性”像元，识别了受周边环境的大气散射、镜面反射的杂光辐亮度影响的清洁水体像元。他将改进的MPH算法应用于全球具有典型性的水体，选取了大量内陆水体类型的现场实测叶绿素a数据集对该算法进行了对比验证。结果表明，MPH比FLH、MCI指数算法更为稳健，在针对MERIS数据处理的BEAM软件、针对哨兵系列数据处理的SNAP软件中该算法得以集成，作为内陆水体、近岸海域水体叶绿素a及富营养化评价的业务化运行的处理程序，得到普遍应用。

2 基于MPH算法太湖水体叶绿素a浓度验证

选取了太湖2018年7月28日上午10：21“哨兵-3A”、2019年5月9日上午10：21“哨兵-3B”OLCI LIB数据，利用SNAP 7.0版软件对数据进行瑞利散射订正预处理、MPH算法处理等操作。为验证MPH算法反演叶绿素a浓度的有效性，根据2018年7月28日、2019年5月9日太湖湖体浮标站10：30左右人工审核后有效叶绿素a浓度作为实测数据，根据20个浮标站的经纬度在ArcGIS软件提取叶绿素a反演结果。根据对比结果，MPH算法的误差在可接受范围内，R²达到了0.77，随着叶绿素a数值增大，模型误差呈现先增大后减少的变化趋势。具体而言，当叶绿素a浓度较低时，模型数值较实际偏小，随着浓度增加，误差逐渐增加，当叶绿素a浓度达到一定浓度后，模型数值偏差有所减少。图 2为叶绿素反演值与实测值对比。

太湖水体叶绿素a浓度反演结果见图 3(a)(b)，从反演结果看，2018年7月28日竺山湖、梅梁湖北湖、西部沿岸和湖心区叶绿素a浓度较高，2019年5月9日竺山湖南部、梅梁湖、西部沿岸、贡湖西部、湖心区叶绿素a浓度较高。

3 基于MPH算法的太湖水体藻草区分

结合与OLCI成像时间接近的地面分辨率达10 m的“哨兵-2B”MSI影像数据，验证MPH算法对藻草的区分效果。可以看出，“哨兵-2B”MSI真彩色影像蓝藻水华不同积聚程度、东太湖水草分布情况显示清晰，可以根据该数据验证像元标记为水体/蓝藻水华/真核浮游植物/水草是否符合实际。此外，为了更加客观地验证MPH算法的有效性，于2019年5月9日开展太湖湖面实地监测及无人机低空摄影成像，为湖体藻草区分提供了丰富的实况数据。哨兵OLCI数据、MSI影像数据及基于MPH算法的水体叶绿素a浓度反演、浮集蓝藻水华区、水藻混悬区、水草分布区提取结果分别见图 4(a)(b)(c)和图 5(a)(b)(c)(d)。从图中可以看出，基于OLCI的MPH算法提供了出色的区分藻、草区的能力，并明显揭示太湖为蓝藻优势而非真核浮游植物优势。这是常用的NDVI、FAI等指数算法难以达到的。从空间分布来看，太湖水草区主要分布在东部湖区，尤其是东太湖。

根据典型日期太湖OLCI影像数据提取蓝藻浮集区、藻水混悬区、挺水及浮叶水草区等湖面藻草分布结果，利用ArcGIS软件统计3种分区的像元面积，结果见表 3。2018年7月28日蓝藻浮集区、藻水混悬区、水草区面积分别为123.68, 905.36和122.40 km²，2019年5月9日蓝藻浮集区、藻水混悬区、水草区面积分别为315.09，1 191.18和69.99 km²，藻水混悬区占比较大。

4 台风过境前后蓝藻面积分析

诸多研究表明，台风、暴雨、气温骤变等极端天气事件会对浅水湖泊的生态过程产生重要影响。2019年8月9—10日，受第9号台风“利奇马”影响，江苏大部地区出现风雨天气，其中苏州、无锡、常州等地区出现暴雨，并伴有陆上7~9级、太湖及沿海10级偏东大风。大风过境带来浅水湖泊强烈的扰动，引起大量的沉积物与营养盐再悬浮，高频的营养盐观测数据显示，水土界面藻类可利用态的氮、磷显著增加，增高的程度与风速显著相关。

水体营养盐的大量增加为藻类生长提供了营养源。不仅如此，热带风暴过境后易引起气温上升、风速减小的情况，使得湖体水温增加且风平浪静，创造出更加适宜太湖水华藻种微囊藻生长与堆积的环境。一般台风过后数天内，太湖就会出现蓝藻水华大量堆积。蓝藻水华快速堆积及温度分层出现，反过来又进一步促进湖底沉积物释放更多的营养盐。这种恶性循环，反而加剧了蓝藻水华的严重程度，往往出现维持数周的高强度水华，甚至形成严重的水华灾害。

由于台风过境时强对流天气影响，太湖区域云层厚、云量大，对光学遥感成像造成较大影响，无法在台风过境当天实时监测蓝藻聚集情况，选取8月10日前后云量较小的4期“哨兵-3”OLCI数据(8月7日、8月14日、8月16日、8月17日)，识别台风过境前后湖面藻/草区分、蓝藻/其他藻区分情况，见图 6(a)(b)(c)(d)。利奇马台风过境前后蓝藻面积及气象实况见表 4，由表 4可知，台风过境前(8月7日)湖面蓝藻出现少量浮集现象，面积为1.43 km²，藻水混悬区面积231 km²；台风过境后一周内湖面蓝藻出现较大面积的聚集现象，随着气温的逐渐升高，8月16日、8月17日蓝藻暴发，浮集区面积分别达220.67和1 252.14 km²，藻水混悬区面积分别为1 252.14和1 988.55 km²。

5 展望

对于具有水色遥感波段设置的OLCI遥感数据，MPH算法提供了出色的区分藻、草区的能力，这是常用的NDVI、FAI等指数算法难以达到的。一般而言蓝藻分布占主导的湖区，挺水植物、浮叶植物、水草等几乎无分布或者甚少，为单一的藻型生境，而水草区透明度较高，更多地分布在太湖东部湖区，尤其是东太湖，从季节看，盛夏(7月下旬)比夏初(5月上旬)的分布范围要广，符合东太湖芦苇、莲荷等挺(浮)植物水草的生长物候规律。能够有效区分藻/草对于蓝藻水华监测及面积统计是十分重要的，对于没有特征性水色波段的卫星遥感传感器如MODIS，只能依据对湖泊地理与生态特征的经验来剔除水草区，存在较大的主观差异性。

从提取结果看，浮集区主要分布在太湖西部沿岸区、梅梁湖、贡湖湾和西南太湖沿岸区，对于内陆湖泊水华事件的业务化遥感监测，宽幅、每日1次的重访能力是必需的。美国航空航天局(NASA)的宽幅遥感传感器MODIS和SeaWiFS虽然对于水色遥感有一定价值，但欧洲航天局(ESA)的MERIS和OLCI则更具水色/水生态遥感优势。因为，MERIS、OLCI专门针对水体中浮游植物叶绿素a的荧光光谱响应特性以及反射光谱特征波长位置，设计了更为精准的窄波段来检测，且具有原生的300 m分辨率，MODIS虽然有2个250 m、4个500 m分辨率波段，但这些波段的中心波长以及FWHM更适合对陆域的观测，其余波段分辨率偏粗(1 000 m)，不适用于湖泊水生态遥感。

更有意义的是，MERIS、OLCI是国际上仅有的具备709 nm处波段、针对浮游植物监测的传感器，而MODIS则缺乏灵敏监测浮游植物的709 nm波段设置，也限制了其在浮游植物水华监测中的应用。今后的太湖蓝藻监测可以在业已运行多年的基于MODIS数据的基础上，充分利用OLCI新型遥感数据的独特优势及效果较好的MPH算法，提高预警精度。