资源与环境学院在内陆水体高光谱重构研究方面取得重要进展

        近日，遥感地学领域顶级期刊《Remote Sensing of Environment》（中科院一区Top期刊，影响因子10.16，在全球同类SCI学术期刊中长期排名第一）在线发表了我院教师郭宇龙博士为第一作者的研究论文《Hyperspectral reconstruction method for optically complex inland waters based on bio-optical model and sparse representing》。
       水质参数遥感反演技术经过长期发展，已经形成大量高光谱模型。但受制于当前传感器配置，这些模型很难应用到具有高时空覆盖度的多光谱影像上，只能在少量高光谱影像上开展理论研究。对内陆水体水环境敏感参数（如叶绿素a浓度）的大范围精确监测还很难实现。光谱重构技术近期受到领域内广泛关注。该研究从水体辐射传输模型出发，模拟得到各种状态下的水体光谱共计10000条。进而结合稀疏表达方法，构建具有理论普适性的多光谱-高光谱联合冗余字典，通过稀疏表达方法实现内陆水体多光谱数据的高光谱重构。研究测试了GOCI、MERIS、S3 OLCI、S2 MSI、VIIRS、MODIS以及Landsat系列卫星多光谱传感器的重构效果，大部分传感器都能得到令人满意的重构效果，通过地面实测数据证实，重构结果可以切实提高水体叶绿素a浓度估算精度。该算法（BBHR）主要优势为：首先，与当前主流算法相比，该算法不依赖任何地面实测数据，因此在理论上具备普适性。并且，水体光谱特征可以在字典线性空间中被精确表达，重构精度明显优于现有的高精度算法。同时，算法对多源影像有很好的适应性，只需要对字典对进行简单调整，就可以实现多源影像高一致性协同监测。
       该算法可以充分激活高时空覆盖度的多光谱影像，在拓展可监测指标的同时，大大增强有效数据的时空覆盖度，为多传感器长时间序列水质监测等相关任务提供可靠、更高精度的数据源。该研究在我院河南省土地整治与生态重建工程技术研究中心完成，合作单位有南京师范大学，浙江工商大学，淮阴师范学院等。相关研究受到国家自然科学基金（41971286,41701422, 42001296, 42071333），国家重点研发计划项目的（2021YFD1700900）资助。