东北黑土区湖泊密集分布，承担着农业调蓄、水资源供给和生态维系等关键功能。然而，在高强度农业利用与气候波动背景下，该区湖泊普遍呈现出高悬浮颗粒物、高有色溶解有机物和多源营养盐输入并存的特征，使其成为典型的光学复杂水体系统。叶绿素a（Chl-a）作为表征浮游植物生物量与营养状态的核心指标，是湖泊生态监测和富营养化评估的基础参数。对于黑土区而言，关键科学问题并非单一湖泊的反演精度，而是在高度光学异质性的湖群尺度上，如何构建具有跨水体泛化能力的遥感反演框架。

近日，东北地理所水环境遥感团队围绕国产环境减灾卫星 Huanjing-2（HJ-2A/B）CCD数据，在东北黑土区典型湖泊开展系统研究，首次在不同营养状态和光学类型条件下，综合比较经验模型（波段比）、半解析模型（QAA算法）和机器学习模型的叶绿素a反演性能，全面评估HJ-2在复杂湖群环境中的应用能力。

研究选取兴凯湖、松花湖、呼伦湖和查干湖等具有代表性的黑土区湖泊。上述湖泊涵盖寡营养、轻度富营养和中度富营养状态，并对应有色溶解性有机物主导型、悬浮颗粒物主导型、混合型和浮游植物主导型等不同光学结构类型。2021-2023年期间，在国家民用空间基础设施陆地观测卫星共性应用支撑平台支持下，研究团队开展多次野外调查，获取376组实测样本数据，并结合HJ-2影像构建多类反演模型，对不同算法在跨湖泊条件下的稳定性与适用性进行了系统评估。研究结果表明，在单湖泊条件下，波段比和QAA模型均可获得较好精度；但在湖群合并建模条件下，算法差异显著。相比之下，机器学习方法在跨湖泊应用中表现出更强的泛化能力。其中，CatBoost模型在独立验证集中达到R²=0.97，RMSE为6.69 μg/L。基于最优模型生成的空间分布图能够清晰反映不同湖泊及不同季节间叶绿素a的空间异质性，体现出区域尺度应用潜力。

图1 利用HJ-2影像在四个典型湖泊中应用不同叶绿素a算法进行夏季和秋季空间分布制图，即：(a) 兴凯湖（XKL），(b) 松花湖（SHL），(c) 呼伦湖（HLL）和 (d) 查干湖（CGL）。EM代表经验模型，QAA代表半解析模型，ML代表机器学习模型。

作为我国新一代环境减灾业务卫星，HJ-2A/B具备16米空间分辨率和2天重访周期，并配置690–730 nm红边波段。较高时间分辨率对于黑土区高纬度湖泊季节性变化监测具有重要意义，而红边波段的加入增强了对叶绿素信号的敏感性，为浑浊水体条件下的水质反演提供了关键光谱信息。本研究表明，在复杂光学结构条件下，HJ-2 CCD能够稳定支持叶绿素a定量反演，为国产卫星在黑土区生态环境监测中的规模化应用提供了研究基础。在粮食安全与生态安全高度耦合的黑土区背景下，建立高频、可靠的湖泊水质遥感监测能力，对于支撑区域水环境治理与生态修复决策具有重要意义。

该成果近期在线发表于遥感领域国际重要期刊International Journal of Digital Earth（IF=4.9），由东北地理所联培硕士生周昊沄（现为北京师范大学博士生）、李思佳副研究员（通讯作者）、毛德华研究员和宋开山研究员，以及中国科学院空天信息创新研究院陶醉研究员等共同完成，该研究得到国家自然科学基金区域创新发展联合基金项目（U2342008）和吉林省自然科学基金项目B类（J202401384ZYTS）资助。该论文数据来源于国家陆地观测卫星共性应用支撑平台（https://124.16.188.131:9699/web/server3/build/#/Home）。

论文信息：Zhou, H., Li, S., Liu, G., Mao, D., Tao, Z., Mu, G. and Song, K., 2026. Chinese new satellite HJ-2 imagery application in quantifying lake chlorophyll-a: empirical, semi-analytical and machine learning algorithms. International Journal of Digital Earth, 19(1), p.2640812.

论文链接：https://www.tandfonline.com/doi/full/10.1080/17538947.2026.2640812