南京地理所湖泊水生植被遙感研究獲進展

湖泊是地表水體的重要組成部分，水生植被是眾多湖泊生態系統重要的生物類型，對湖泊水體的理化指標、底棲動物、藻類、魚類、沉積物等有明顯的調節作用，是湖泊生產力、湖泊生物地球化學循環和湖泊生態平衡的重要調控者。開展遙感調查研究是認知湖泊水生植被分布、面積和生物量變化的一個有效途徑。

　　在水專項（2017ZX07203002-02、2012ZX07506-001）和太湖流域水資源保護局委托課題的資助下，中國科學院南京地理與湖泊研究所高俊峰課題組高永年、碩士研究生王雙雙等科研人員對湖泊水生植被遙感開展了系列研究，并取得了階段進展，相關研究成果發表在Remote Sensing of Environment、Science of the Total Environment 期刊上。

　　在對太湖水生植被連續7年（2011-2017年）的野外調查基礎上，研究人員結合遙感手段，分析了近40年（1980-2017年）太湖全湖水生植被（沉水和浮葉植被）長期和月際變化及其與環境因子（氣溫、水位、pH、DO、CODMn、NH3-N、SDD、TSM、Chl-a、藍藻暴發面積、水草打撈、圍網養殖）的關系；構建了一個水生植被指數NWAVI，提出了一個樣點到像元尺度的生物量尺度轉換方法，改進了粒子群算法并提出了SANN自適應神經網絡模型，在此基礎上開展了水生植被生物量遙感估算實驗并取得了較滿意的估算精度，可為后期開展太湖水生植被生物量長期變化遙感研究提供方法支持。

　1. Yongnian Gao, Junfeng Gao, JingWang, ShuangshuangWang, Qin Li, Shuhua Zhai, Ya Zhou, 2017. Estimating the biomass of unevenly distributed aquatic vegetation in a lake using the normalized water-adjusted vegetation index and scale transformation method. Science of the Total Environment, 601-602,998-1007. 

　　2. Yongnian Gao, Qin Li, Shuangshuang Wang, Junfeng Gao, 2018. Adaptive neural network based on segmented particle swarm optimization for remote-sensing estimations of vegetation biomass. Remote Sensing of Environment, 211,248-260. 

　　3. ShuangshuangWang, Yongnian Gao, Qin Li, Junfeng Gao, Shuhua Zhai, Ya Zhou, Yuanhua Cheng, 2019. Long-term and inter-monthly dynamics of aquatic vegetation and its relation with environmental factors in Taihu Lake, China. Science of the Total Environment, 651,367-380.

    論文鏈接：1 2 3

水生植被分布、調查點與遙感影像像元關系概念圖及尺度轉換與水生植被指數公式 

SANN建模流程及其與BP、SR方法生物量遙感估算精度比較 

太湖沉水與浮葉植被分布、面積變化及其與環境指標的關系

湖泊是地表水體的重要組成部分，水生植被是眾多湖泊生態系統重要的生物類型，對湖泊水體的理化指標、底棲動物、藻類、魚類、沉積物等有明顯的調節作用，是湖泊生產力、湖泊生物地球化學循環和湖泊生態平衡的重要調控者。開展遙感調查研究是認知湖泊水生植被分布、面積和生物量變化的一個有效途徑。

　　在水專項（2017ZX07203002-02、2012ZX07506-001）和太湖流域水資源保護局委托課題的資助下，中國科學院南京地理與湖泊研究所高俊峰課題組高永年、碩士研究生王雙雙等科研人員對湖泊水生植被遙感開展了系列研究，并取得了階段進展，相關研究成果發表在Remote Sensing of Environment、Science of the Total Environment 期刊上。

　　在對太湖水生植被連續7年（2011-2017年）的野外調查基礎上，研究人員結合遙感手段，分析了近40年（1980-2017年）太湖全湖水生植被（沉水和浮葉植被）長期和月際變化及其與環境因子（氣溫、水位、pH、DO、COD_Mn、NH₃-N、SDD、TSM、Chl-a、藍藻暴發面積、水草打撈、圍網養殖）的關系；構建了一個水生植被指數NWAVI，提出了一個樣點到像元尺度的生物量尺度轉換方法，改進了粒子群算法并提出了SANN自適應神經網絡模型，在此基礎上開展了水生植被生物量遙感估算實驗并取得了較滿意的估算精度，可為后期開展太湖水生植被生物量長期變化遙感研究提供方法支持。

　　在水專項（2017ZX07203002-02、2012ZX07506-001）和太湖流域水資源保護局委托課題的資助下，中國科學院南京地理與湖泊研究所高俊峰課題組高永年、碩士研究生王雙雙等科研人員對湖泊水生植被遙感開展了系列研究，并取得了階段進展，相關研究成果發表在Remote Sensing of Environment、Science of the Total Environment 期刊上。

　　在對太湖水生植被連續7年（2011-2017年）的野外調查基礎上，研究人員結合遙感手段，分析了近40年（1980-2017年）太湖全湖水生植被（沉水和浮葉植被）長期和月際變化及其與環境因子（氣溫、水位、pH、DO、COD_Mn、NH₃-N、SDD、TSM、Chl-a、藍藻暴發面積、水草打撈、圍網養殖）的關系；構建了一個水生植被指數NWAVI，提出了一個樣點到像元尺度的生物量尺度轉換方法，改進了粒子群算法并提出了SANN自適應神經網絡模型，在此基礎上開展了水生植被生物量遙感估算實驗并取得了較滿意的估算精度，可為后期開展太湖水生植被生物量長期變化遙感研究提供方法支持。