GF-1與Landsat8水體葉綠素a濃度協(xié)同反演
——以太湖為例

封紅娥，李家國，朱云芳，韓啟金，張 寧，田淑芳

(1.中國地質(zhì)大學(北京)地球科學與資源學院，北京 100083；2.中國科學院遙感與數(shù)字地球研究所，北京 100101；3.中國資源衛(wèi)星應用中心，北京 100094；4.中華人民共和國住房和城鄉(xiāng)建設部城鄉(xiāng)規(guī)劃管理中心，北京 100835)

0 引言

太湖是我國第三大淡水湖，是內(nèi)陸湖泊的典型代表，承擔周邊地區(qū)12座自來水廠的供水重任。近些年，隨著周圍地區(qū)城市經(jīng)濟的高速發(fā)展，太湖水體受到嚴重污染，水華現(xiàn)象頻出，不僅直接影響了當?shù)鼐用竦纳a(chǎn)、生活，也給水環(huán)境生態(tài)系統(tǒng)造成了嚴重破壞。由于葉綠素a濃度是反映水華優(yōu)勢藻類生長狀態(tài)的重要指示因子，因此對葉綠素a濃度的精確監(jiān)測有助于對太湖水華的發(fā)生、發(fā)展和治理進行跟蹤、監(jiān)測和評估。馬榮華等[1]認為隨著衛(wèi)星遙感技術(shù)的發(fā)展和對水質(zhì)參數(shù)遙感光譜特征的進一步研究，遙感技術(shù)可監(jiān)測的水質(zhì)參數(shù)種類逐漸增多，水質(zhì)參數(shù)的反演精度也逐步提高。目前已經(jīng)發(fā)展起來的遙感監(jiān)測水質(zhì)的方法主要包括分析方法、半分析方法、經(jīng)驗方法和半經(jīng)驗方法。其中半分析方法利用不同水質(zhì)參數(shù)在可見光和近紅外波段的吸收散射特性，避免或減少光學參數(shù)的使用，降低了建模難度，減小了因復雜固有光學參數(shù)測量過程的不精確所帶來的誤差[1]，因此得到了廣泛的應用。其中三波段模型半分析方法用于水體葉綠素a濃度反演已取得了較好的效果[2-3]，但是該模型建立在實測高光譜數(shù)據(jù)的基礎(chǔ)上，針對常用的陸地衛(wèi)星傳感器難以包含理想的三波段范圍。徐雯佳等[4]利用MODIS數(shù)據(jù)的B1波段建立葉綠素a濃度反演模型，提高了反演精度；Elalem等[5]提出了一種新的葉綠素濃度反演模型APPEL(approach by elimination)，該模型屬于一種新的半分析模型，以葉綠素在紅光波段強吸收、近紅外波段高反射的光譜特征為原理，以不同波段組合來去除懸浮物、有色可溶性有機物(colored dissolved organic matter，CDOM)和后向散射的影響，最終構(gòu)建葉綠素濃度反演模型，該模型反演葉綠素a濃度的決定系數(shù)達到0.95。內(nèi)陸水體葉綠素a濃度遙感反演不僅受到傳感器通道光譜特征與輻射特征的制約，還受到影像空間分辨率的影響，三者共同決定水體葉綠素a濃度的反演精度。張明慧等[6]采用MODIS影像并利用隨機森林法，以較高的精度反演了葉綠素a濃度。目前葉綠素a濃度的反演均基于單一的傳感器，無法同時滿足葉綠素a濃度反演過程中對光譜、輻射、空間分辨率的要求，限制了其反演精度的提高。

隨著我國高分專項計劃的實施，國產(chǎn)衛(wèi)星空間分辨率有了很大的提升，如高分一號(GF-1)寬視角傳感器(wide field of view，WFV)在單景200 km幅寬的條件下空間分辨率達到了16 m，與Landsat8 30 m空間分辨率的陸地成像儀(operational land imager，OLI)相比包含了更豐富的地面物體空間特征信息。但不足之處是在水體信息敏感的近紅外波段處與Landsat8 OLI相比，GF-1 WFV各通道有效波段寬度更寬，對地物光譜的卷積效果更明顯，光譜特征信息被平滑。在輻射特征方面，GF-1 WFV灰度范圍整體小于Landsat8 OLI，不足以展示水體的細節(jié)差異。為發(fā)揮GF-1 WFV與Landsat8 OLI各自在葉綠素a濃度反演中的優(yōu)勢，本文基于APPLE方法，從不同角度構(gòu)建GF-1 WFV和Landsat8 OLI數(shù)據(jù)葉綠素a濃度的協(xié)同反演模型，辨析光譜分辨率和空間分辨率在葉綠素a濃度反演過程中的主導影響，提高葉綠素a濃度的反演精度，進而提高國產(chǎn)高分衛(wèi)星數(shù)據(jù)在水色遙感方面的應用價值。

1 研究區(qū)概況

太湖位于江蘇省南部，長江三角洲中部，是中國五大淡水湖之一(圖1)。

圖1 太湖區(qū)域劃分示意圖Fig.1 Geographic location of study area

研究區(qū)邊界范圍位于N30°55′40″～31°32′58″和E119°52′32″～120°36′10″之間，橫跨江蘇、浙江兩省，北臨無錫，南瀕湖州，西依宜興，東近蘇州。太湖分為竺山灣、梅梁灣、貢湖灣、西部沿岸、南部沿岸、大太湖、胥灣、東太湖和箭湖東茭咀等區(qū)域，周邊城鎮(zhèn)分布密集。伴隨著高速發(fā)展的城市化進程，太湖富營養(yǎng)化比較嚴重，水質(zhì)屬于Ⅱ～Ⅴ類，局部地區(qū)甚至為劣Ⅴ類[7]。

2 數(shù)據(jù)源與傳感器特性分析

2.1 水面光譜數(shù)據(jù)采集與處理

采樣過程中，選擇面積較大且水質(zhì)較均一的水域布設樣點，并根據(jù)實際情況將湖面劃分為加密區(qū)和稀疏區(qū)。如圖1所示，梅梁灣區(qū)域為加密區(qū)，南部沿岸區(qū)域為稀疏區(qū)。水面光譜采集使用ASD光譜儀，采用水面以上測量方法[8]進行測量。光譜儀測量范圍為350～2 500 nm，其中在350～1 000 nm波長范圍內(nèi)，光譜分辨率為3 nm。在實驗過程中，按順序依次測量灰板、水體、天空光、灰板和遮擋灰板的光譜數(shù)據(jù)。測量水體時，取觀測天頂角為40°，相對于太陽入射平面的觀測方位角為135°。光譜數(shù)據(jù)處理時，首先對獲得的15組數(shù)據(jù)進行篩選，剔除偏離較大的曲線，對剩余曲線取平均用于計算。實驗時間為2014年10月24日，共布設31個采樣點，剔除3個異常數(shù)據(jù)點，共獲取28個點位光譜數(shù)據(jù)，并計算其光譜反射率，即

(1)

式中：Rrs(λ)為水面遙感光譜反射率，λ為波長；Lt(λ)，Lsky(λ)和Lp(λ)分別為測得的水面、天空光以及灰板的光譜值；ρp(λ)為實驗室內(nèi)標定的灰板反射率；ρsky(λ)為天空光氣水界面反射率，在觀測天頂角為40°時，由Frensnel公式計算得到ρsky(λ)為0.024 5。

2.2 葉綠素a濃度測量

葉綠素a濃度采用基于熱乙醇萃取的分光光度法測量[9]。

2.3 遙感數(shù)據(jù)預處理

選用2014年10月24日與地面試驗同步的GF-1 WFV和Landsat8 OLI影像進行預處理，經(jīng)過輻射定標[10]、大氣校正[11]、幾何糾正[9]、圖像融合[12]和水域提取[13]后得到太湖水體輻射亮度值。

2.4 傳感器特性分析

GF-1衛(wèi)星搭載了4臺16 m空間分辨率多光譜相機WFV，包括藍光、綠光、紅光和近紅外4個波段，4臺相機組合成像幅寬可達800 km左右。Landsat8衛(wèi)星攜帶一個9波段的成像儀OLI，除第8波段為外，各多光譜波段空間分辨率均為30 m。Landsat8 OLI第2—5波段分別與GF-1 WFV傳感器第1—4波段相對應，相關(guān)參數(shù)如表1所示。

表1 GF-1 WFV與Landsat8 OLI傳感器參數(shù)對比Tab.1 Comparison between GF-1 WFV and Landsat8 OLI sensor parameters

1)輻射分辨率。基于水體識別結(jié)果，獲取2014年10月24日星地同步實驗前后的GF-1 WFV與Landsat8 OLI影像，在同一太湖水體區(qū)域分別選取同樣大小的影像(圖1中紅色矩形框位置)，并統(tǒng)計水體在藍光、綠光、紅光和近紅外4個波段上灰度值的最大值、最小值、全距(最大值減最小值)及平均值分布，結(jié)果如表2所示。

表2 GF-1 WFV和Landsat8 OLI數(shù)據(jù)水體區(qū)域輻射分辨率特征統(tǒng)計Tab.2 Characteristics statistics of GF-1 WFV and Landsat8 OLI data radiation resolution in water area

全距反映了傳感器對地物反射能量的分辨能力，其數(shù)值越大表明傳感器對地物輻射分辨的能力越強，即輻射分辨率越高。從表2中可以看出，Landsat8 OLI最大的全距為18 430，GF-1 WFV最大的全距僅為642，遠遠小于Landsat8 OLI，GF-1 WFV數(shù)據(jù)在藍光、綠光、紅光和近紅外波段處的最大、最小值和平均值均小于Landsat8 OLI，并且Landsat8 OLI近紅外波段最大灰度值達了24 638，而GF-1 WFV 4個波段的最大值均不超過1 000，表明Landsat8 OLI的灰度范圍遠遠優(yōu)于GF-1 WFV。另外，無論是GF-1 WFV數(shù)據(jù)還是Landsat8 OLI數(shù)據(jù)，在藍光、綠光和紅光波段處的全距都小于近紅外波段，導致2種傳感器近紅外波段包括的地物信息相較于前3個波段更為豐富，能更好地展示地物細節(jié)信息。GF-1 WFV灰度范圍整體小于Landsat8 OLI，因此Landsat8 OLI在成像時包含的地物信息更豐富，能夠更好地顯示水體的細微差異。

2)光譜分辨率。GF-1 WFV和Landsat8 OLI在藍光、綠光、紅光和近紅外波段的波譜響應函數(shù)曲線及實測水體樣點的反射率曲線如圖2所示。

圖2 GF-1 WFV和Landsat8 OLI波譜響應函數(shù)與葉綠素a反射率曲線對比Fig.2 Comparison of spectral bands of GF-1 WFV and Landsat8 OLI and reflectance of chlorophyll a

從圖2中可以看出，太湖具有典型內(nèi)陸含藻類水體光譜特征[14-15]。在400～500 nm范圍，由于黃色物質(zhì)及葉綠素a的吸收作用，反射率較低；在530～590 nm范圍出現(xiàn)反射峰是由于葉綠素a的弱吸收和細胞的散射導致，該反射峰可以作為葉綠素a定量標志；在600～630 nm范圍反射率降低是由于藻藍素藻青蛋白的吸收導致；在670 nm出現(xiàn)反射率谷值是由于葉綠素a在紅光波段強吸收導致；在700 nm附近出現(xiàn)反射陡峰是由于葉綠素a在近紅外波段高反射導致。

另外，Landsat8 OLI在綠光、紅光和近紅外波段設置相較于GF-1 WFV均較窄。由于內(nèi)陸水體組分復雜，其中懸浮物、葉綠素a和黃色物質(zhì)等要素的組分對水體光譜特征具有決定性影響[16-17]，在捕捉水體組分信息時，寬波段的GF-1 WFV反映更多的是波寬范圍內(nèi)的平均反射特征，水體組分光譜信息經(jīng)平均后被弱化；在對植被信息敏感的近紅外波段處，Landsat8 OLI相較于GF-1 WFV有效波段寬度縮窄了近一半，有效避開了對懸浮物和黃色物質(zhì)部分敏感的波長位置，從而可以更好地捕捉水體葉綠素a濃度信息。GF-1 WFV和Landsat8 OLI中心波長與有效波寬對比如表3所示。

表3 GF-1 WFV和Landsat8 OLI中心波長與有效波寬對比Tab.3 Comparison of GF-1 WFV and Landsat8 OLI central wavelength and effective wave width (nm)

從表3中可以看出，Landsat8 OLI與GF-1 WFV在藍光、綠光和紅光波段中心波長的位置距離較近，而在近紅外波段處的中心波長Landsat8 OLI(870 nm)與GF-1 WFV(830 nm)距離較大，有效波寬也在近紅外波段相差最大，差值為91 nm。

3)空間分辨率。GF-1 WFV的空間分辨率為16 m，Landsat8 OLI的空間分辨率為30 m。在同一太湖水體區(qū)域(水華區(qū)域)分別選取同樣大小的GF-1 WFV與Landsat8 OLI影像(圖1紅色矩形框位置)，采用灰度共生矩陣法計算原始影像的紋理信息，得到2幅影像的紋理特征對比情況，如表4所示。其中均值反映紋理的規(guī)則程度，紋理的規(guī)律性越強，值越大；方差為像元值與均值偏差的度量，當圖像中灰度變化較大時，方差值較大；同質(zhì)性是圖像局部灰度均勻性的度量，灰度越均勻，值越大；對比度反映圖像中局部灰度變化總量，圖像局部像素對的灰度差別越大，對比度越大，圖像層次越豐富；非相似性的度量與對比度類似，但是為線性增加的，對比度越高，非相似度也越高；熵表征了圖像中紋理的復雜程度，紋理越復雜，熵值越大；角二階矩是圖像灰度分布均勻性的度量，圖像灰度分布越均勻，值越大；相關(guān)性反映某種灰度值沿某方向的延伸長度，延伸越長，相關(guān)性越大。

表4 GF-1 WFV與Landsat8 OLI紋理特征對比Tab.4 Comparison of GF-1 WFV and Landsat8 OLI texture statistical characteristics

從表4可以看出，GF-1 WFV與Landsat8 OLI的均值相差較小，同質(zhì)性、熵、角二階矩和相關(guān)性均相等，但是GF-1 WFV的方差、對比度和非相似性都遠遠大于Landsat8 OLI，說明在空間分辨率上，GF-1 WFV包含更加豐富的紋理信息，使其在空間尺度較小的內(nèi)陸水質(zhì)監(jiān)測中具有較大優(yōu)勢，在反映水質(zhì)的空間分布細節(jié)信息上更優(yōu)于Landsat8 OLI。

3 葉綠素a濃度反演模型與協(xié)同反演

3.1 葉綠素a濃度反演模型

在APPEL模型中，葉綠素a光譜指數(shù)chla[5]為

c=RNIR-[(RB-RNIR)RNIR+RR-RNIR] ，

(2)

式中:c為chla指數(shù)，RB,RR和RNIR分別代表藍光、紅光和近紅外波段的反射率值。近紅外波段由于葉綠素a強反射，水體強吸收，用來獲取最大葉綠素a信息量；藍光波段由于CDOM反射強烈，用來去除CDOM影響；紅光波段由于對懸浮物敏感，用來去除懸浮物影響；同時用近紅外波段去除藍光和紅光波段中葉綠素a信息以及水體后向散射影響[18]。

3.2 葉綠素a濃度協(xié)同反演方法

在APPEL模型的基礎(chǔ)上，利用GF-1 WFV的空間分辨率優(yōu)勢、Landsat8 OLI的光譜分辨率和輻射分辨率優(yōu)勢，通過3種不同協(xié)同方法對葉綠素a濃度進行協(xié)同反演，進而分析GF-1 WFV和Landsat8 OLI協(xié)同反演特征。

3.2.1 單波段替代協(xié)同反演

將Landsat8 OLI影像的空間分辨率重采樣至GF-1 WFV空間分辨率，分別利用Landsat8 OLI的窄近紅外通道直接替代GF-1 WFV的寬近紅外通道;Landsat8 OLI的紅光波段直接替代GF-1 WFV的紅光波段;Landsat8 OLI的藍光波段直接替代GF-1 WFV的藍光波段，構(gòu)建3種2個數(shù)據(jù)相結(jié)合的葉綠素a濃度反演模型，其chla指數(shù)分別為

c=RNIR，L-[(RB,G-RNIR，L)RNIR，L+RR,G-RNIR，L] ，

(3)

c=RNIR，G-[(RB,G-RNIR，G)RNIR，G+RR,L-RNIR，G] ，

(4)

c=RNIR，G-[(RB,L-RNIR，G)RNIR，G+RR,G-RNIR，G] ，

(5)

式中：RB，L，RR,L和RNIR,L分別代表Landsat8 OLI藍光、紅光和近紅外波段的反射率值；RB,G，RR,G和RNIR,G分別代表GF-1 WFV藍光、紅光和近紅外波段的反射率值。

3.2.2 單波段融合協(xié)同反演

分別將Landsat8 OLI近紅外波段與GF-1 WFV近紅外波段、Landsat8 OLI紅光波段與GF-1 WFV紅光波段、Landsat8 OLI藍光波段與GF-1 WFV藍光波段進行融合，利用融合后的波段和GF-1 WFV的原始波段分別計算chla指數(shù)，結(jié)合實測葉綠素a濃度數(shù)據(jù)建立單波段融合協(xié)同反演模型，單波段融合后的chla指數(shù)為

(6)

(7)

(8)

3.2.3 三波段融合協(xié)同反演

將GF-1 WFV與Landsat8 OLI的藍光、紅光和近紅外3個波段分別融合，利用融合后的三波段建立葉綠素a濃度協(xié)同反演模型，融合后的chla指數(shù)為

(9)

4 結(jié)果與分析

4.1 反演結(jié)果與精度驗證

研究區(qū)共獲取28個采樣點，其中隨機抽取20個點建立反演模型，其余8個點進行精度驗證。利用實測的葉綠素a濃度和chla指數(shù)關(guān)系，分別進行GF-1 WFV與Landsat8 OLI單獨反演及協(xié)同反演，公式如表5所示。從表5中可以看出，近紅外波段替代的反演模型R2(0.859 6)最高，與GF-1 WFV(R2= 0.366 4)及Landsat8 OLI(R2= 0.439 0)單獨反演模型相比有了很大提高。

表5 葉綠素a濃度協(xié)同反演模型公式Tab.5 Chlorophyll a concentration inversion model formula

葉綠素a濃度反演結(jié)果的精度采用均方根誤差(root-mean-square error，RMSE)和平均相對誤差e進行評價，公式分別為

(10)

(11)

式中：n為采樣點個數(shù)；cD和cM分別為反演和實測得到的葉綠素a濃度。

利用隨機保留的8組實測數(shù)據(jù)對本文模型的反演精度進行驗證，結(jié)果如圖3所示。對反演結(jié)果的精度評價如表6所示。

圖3 葉綠素a濃度驗證樣本反演結(jié)果Fig.3 Inversion results of chlorophyll a verification samples

表6 不同協(xié)同反演方法精度驗證Tab.6 Comparison of accuracy of the different inversion methods

從表6可以看出，近紅外單波段替代的協(xié)同方法反演精度最高，RMSE和e分別為36.23 mg/m3和17.76%，而GF-1 WFV與Landsat8 OLI單獨反演的RMSE分別為107.87 mg/m3和107.91 mg/m3，e分別為41.93%和38.37%。從整體上來看，采用近紅外單波段替代的方法顯著提高了葉綠素a濃度的反演精度。

4.2 協(xié)同反演結(jié)果分析

由表5—表6可知，單波段替代、單波段融合和三波段融合不同協(xié)同反演方法結(jié)果得到的R2各不同，有些協(xié)同反演方法精度得到提升，而有些協(xié)同反演方法精度有所降低，通過不同協(xié)同反演方法之間的比對可發(fā)現(xiàn)：

1)單波段替代協(xié)同反演與GF-1 WFV單獨反演相比，近紅外波段替代反演精度明顯提高，說明在Landsat8 OLI和GF-1 WFV協(xié)同反演過程中，近紅外波段光譜分辨率和輻射分辨率的影響比其空間分辨率的影響更大，而藍光波段與紅光波段替代均導致精度降低，說明在藍光波段與紅光波段處，光譜分辨率對葉綠素a濃度反演精度的影響小于空間分辨率的影響。

2)單波段融合協(xié)同反演與GF-1 WFV單獨反演相比，藍光波段融合與紅光波段融合的精度略有提高，說明藍光波段與紅光波段輻射分辨率的提高有利于葉綠素a濃度反演精度的提高；而近紅外波段融合反而使精度降低，究其原因是由于GF-1 WFV與Landsat8 OLI在近紅外波段的中心波長位置及有效波寬寬度相差均較大，導致融合后的圖像對葉綠素a濃度的相關(guān)性程度下降，從而使反演精度降低。

3)三波段融合協(xié)同反演與單波段融合協(xié)同反演相比，藍光、紅光波段融合后空間分辨率提高帶來的增效比近紅外波段融合后光譜和輻射分辨率降低產(chǎn)生的損失要小得多，因而3個波段融合效果與近紅外波段單獨融合效果相當。

4)近紅外波段替代葉綠素a濃度反演方法精度最高，遠大于GF-1 WFV和Landsat8 OLI單獨反演精度，說明在水體葉綠素a濃度反演過程中，提高近紅外波段的光譜分辨率相對于提高其空間分辨率可以更大程度地提高葉綠素a濃度的反演精度，而提高藍光、紅光波段的空間分辨率對提高精度的影響有限。

5)不同協(xié)同反演方法得到葉綠素a濃度反演精度有升高也有降低，特別是三波段融合后反演精度并沒有明顯提升且精度也并非最高，說明在應用多源衛(wèi)星數(shù)據(jù)進行水體葉綠素a濃度協(xié)同反演過程中，需要結(jié)合傳感器波段設置特征，有針對性地優(yōu)選協(xié)同反演方法，而不能盲目將所有波段全部融合應用于反演，避免徒增了時間損耗卻未提升反演精度。

4.3 最優(yōu)協(xié)同反演分析

各方法協(xié)同反演效果與GF-1 WFV單獨反演效果相比，近紅外單波段替代、紅光融合波段和藍光融合波段3種方法均提高了葉綠素a反演精度。因此通過對這3種方法的組合構(gòu)建最優(yōu)協(xié)同反演方法，即分別取Landsat8 OLI近紅外波段、GF-1 WFV與Landsat8 OLI紅光融合波段和藍光融合波段，構(gòu)建chla指數(shù)，其公式為

(12)

最優(yōu)協(xié)同反演的回歸模型如圖4所示。

圖4 最優(yōu)協(xié)同反演模型擬合Fig.4 Optimal cooperative inversion model fitting

從圖4可以看出，最優(yōu)協(xié)同反演的擬合系數(shù)R2達到0.916 4，高于近紅外單波段替代結(jié)果。利用剩余8組實測數(shù)據(jù)進行精度驗證。葉綠素a濃度最優(yōu)協(xié)同反演驗證結(jié)果如圖5所示。

圖5 葉綠素a濃度最優(yōu)協(xié)同反演結(jié)果Fig.5 Results of chlorophyll a optimal co-inversion

從圖5中可以看出，最優(yōu)協(xié)同反演結(jié)果的曲線與實測值曲線基本一致。RMSE降低到28.13 mg/m3，優(yōu)于近紅外單波段替代的RMSE；平均相對誤差也低于近紅外單波段替代結(jié)果。通過對GF-1 WFV與Landsat8 OLI葉綠素a濃度協(xié)同反演特征研究，尋找到的最優(yōu)協(xié)同反演組合顯著提高了葉綠素a濃度的反演精度，對應用GF-1 WFV和Landsat8 OLI進行水質(zhì)參數(shù)反演具有較好的參考意義。

5 結(jié)論

1)通過研究7種不同的協(xié)同反演方法，發(fā)現(xiàn)利用Landsat8 OLI近紅外波段直接替代GF-1 WFV近紅外波段，葉綠素a濃度反演精度較高，表明在內(nèi)陸水質(zhì)監(jiān)測中遙感影像近紅外波段的光譜分辨率比空間分辨率影響更大。但是在藍光與紅光波段處，空間分辨率對葉綠素a濃度反演精度的影響大于光譜分辨率，空間分辨率越高，葉綠素a濃度的反演精度越高。

2)在GF-1 WFV和Landsat8 OLI水體葉綠素a濃度協(xié)同反演特征研究的基礎(chǔ)上，選用Landsat8 OLI近紅外波段、GF-1 WFV與Landsat8 OLI紅光融合波段和藍光融合波段構(gòu)建最優(yōu)協(xié)同反演模型，優(yōu)化后模型R2達到0.916 4，RMSE和e分別降低到28.13 mg/m3和17.35%，優(yōu)于單獨反演或其他協(xié)同反演方法。

3)采用遙感手段對湖泊葉綠素a濃度進行反演與監(jiān)測是未來趨勢，由于同步葉綠素a濃度實測數(shù)據(jù)獲取不易，采用單時相數(shù)據(jù)進行葉綠素a濃度反演與精度驗證，使得結(jié)果在一定程度上存在局限性。下一步將對太湖歷年水質(zhì)數(shù)據(jù)進行跟蹤調(diào)查，以期獲得更準確的結(jié)果。