本网讯（通讯员 郭宇龙）资源与环境学院土地资源监测与信息化辅助决策科研团队在内陆水体高光谱重构方面取得重要进展，该研究通过结合地物辐射传输模型与稀疏表达信号分解技术，实现了内陆光学复杂水体的高光谱反射率重构，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。
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。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（图1）。稀疏表达方法已经在信号处理领域表现出优越的信号分解能力，同时模型模拟为稀疏表达方法提供了理论上的普适性，使该重构方法兼具普适性和精度。
图1 算法流程
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（图2），通过地面实测数据证实，即便使用最简单的波段比值模型，重构数据与实测叶绿素a浓度之间的相关性也可以得到明显提升（图3）。从波段重构精度和重构数据实用性两个角度表明重构算法兼具精度和鲁棒性。
图2 400-800nm光谱重构效果
图3a 重构对叶绿素a浓度相关性的影响以及重构光谱代表性波段散点图
与前人的算法相比，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（图4）。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。
图4 重构误差（RMSE）
该成果以题为“Hyperspectral reconstruction method for optically complex inland waters based on bio-optical model and sparse representing”的研究论文在线发表于《Remote Sensing of Environment》我校郭宇龙博士为论文第一作者，我校陈伟强教授、石凌飞博士、位贺杰博士、蔡恩香博士和姬广兴博士也参与了该项研究工作。合作单位有南京师范大学，浙江工商大学，淮阴师范学院等。本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。
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0034425722001596
编辑/杨钰晨 签审/刘世亮 审核/谢东明
