应用Gons算法与Sentinel-2多光谱仪监测乌干达基奥加湖生产力及藻华动态

本研究创新性应用Gons算法与Sentinel-2多光谱仪（MSI）遥感技术，实现对乌干达基奥加湖叶绿素a（chl-a）浓度的精准反演，突破传统海洋颜色算法在浑浊内陆水域的应用局限，为非洲浅水湖泊的富营养化动态监测提供关键技术支撑。

¹研究区域

基奥加湖（图1）位于乌干达中部（坐标1°15'-1°45'N；31°31'-33°31'E），是维多利亚湖北部的基奥加水生系统组成部分，通过维多利亚尼罗河连接。该湖属于中非高原，海拔1,100米，湖域面积约2,000平方公里，是乌干达第二大湖。湖体由多个卫星湖和密集湿地网络构成，水深较浅（3-5米），西岸支流众多，东岸较为陡峭。流域属热带气候，年均降雨量1,200毫米，雨季为3-5月和9-11月。主要入湖河流包括维多利亚尼罗河和多条沼泽径流，出水口为基奥加尼罗河。湖周分布大量浮游植物、水生植物和渔业社区，面临集约农业和城市化带来的富营养化压力。

²Gons方法应用

应用原始Gons算法时，卫星反演与实地测量的叶绿素a浓度存在明显偏差（图2）。11月和1月数据集显示实地测量值持续高于卫星反演值（数据点分布于1:1线以上），而4月和6月数据呈现相反趋势。值得注意的是，这四个月数据均来自东南臂区域。7月数据集（包含其他区域样本）则显示出更高的离散度（R²=0.07），表明算法需要针对本地光学特性进行校准。通过建立波段比值（B4/B5）与实地叶绿素a浓度的线性回归模型，获得校准公式：Chl-a = 15.54 × (B4/B5) - 11.64（R²=0.71）。经校准后，模型精度显著提升（RMSE=9.42 μg/L，MAPE=27%），成功生成2020年8月至2021年9月的月度叶绿素a分布图。

³光学特性变化

内陆水体光学特性复杂，其组成成分浓度多变且浮游植物群落结构差异显著（Sharp等，2021），导致遥感技术应用面临挑战。因此必须明确算法的适用性与局限性。本研究评估了两种主要算法（海洋颜色算法与红边算法）在基奥加湖叶绿素a浓度反演中的表现。海洋颜色算法基于蓝绿波段比值与叶绿素a含量的线性响应假设，适用于清澈水体（如海洋或贫营养湖泊），但在富含悬浮物和有色溶解有机质（CDOM）的浑浊水域精度不足。红边算法（如Gons算法）利用叶绿素在705nm附近的反射峰特性，能有效规避非光合作用物质的干扰，更适用于基奥加湖等高生产力浑浊水域。

⁴结论

多种算法可用于内陆水体叶绿素a浓度估算，但Sentinel-2 MSI的红边算法最适合基奥加湖。研究发现浮游植物生长存在空间变异，这可能影响湖泊生产力。但现有实地数据量仍不足以支撑更确切的结论。白尼罗河径流对浮游植物分布的影响值得深入研究，建议后续结合水动力模型与高时空分辨率遥感数据开展系统性监测。