中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所水環(huán)境遙感學科組在藍綠藻豐度指示性色素——藻清蛋白（PC）、葉綠素（Chl-a）遙感估算方面取得研究進展，相關(guān)研究成果發(fā)表在遙感和環(huán)境科學領(lǐng)域的國際學術(shù)期刊上（IEEE Transactions on Geoscience and Remote Sensing, ISPRS Journal of Photogrammetry and Remote Sensing），該成果對內(nèi)陸渾濁水體光學特性定量刻畫及水環(huán)境遙感監(jiān)測算法的發(fā)展具有積極的推動作用。

　　學科組與美國印第安納大學印第安納波利斯校區(qū)李林教授進行合作，開發(fā)了自適應智能算法PLS-ANN（Partial Least Squares-Artificial Neural Networks )，對內(nèi)陸重要湖泊和城市水源地的Chl-a和PC進行了遙感算法研究[1-2]。研究結(jié)果表明PLS所選取的波段與波段比值算法、半解析模型所采用的特征波段基本一致，具有很好的理論基礎(chǔ)。ANN結(jié)合PLS選取的波段信息基礎(chǔ)上，在Chl-a和PC濃度遙感反演方面表現(xiàn)穩(wěn)定，具有很好的外推性。研究證明，在有代表性的大樣本訓練下，PLS-ANN模型可以直接用于水體Chl-a和PC濃度估算。

　　上述研究工作分別得到NASA項目(NNG06GA92G)、中國科學院“百人計劃”及國家自然科學基金項目（41171293）資助。

    論文信息：

　　[1]. Song, K. S., Li, L., Li, S., Tedesco, L., Duan, H. T., Li, Z. C., Shi, K., Du, J., Zhao, Y., Shao, T. T. 2014. Using Partial Least Squares-Artificial Neural Network for Inversion of Inland Water Chlorophyll-a. IEEE Transactions on Geoscience and Remote Sensing, 52: 1502-1517.

　　[2]. Song, K. S., Li, L., Tedesco, L., Li, S., Hall, B., Du, J. 2014. Remote quantification of phycocyanin in potable water sources through an adaptive model. ISPRS Journal of Photogrammetry and Remote Sensing, 95: 68-80.