研究背景
太湖流域是我国富营养化问题较为突出的典型区域，蓝藻水华频发，水环境治理压力长期存在。除太湖主湖区外，上游小流域湖泊同样承担着重要的污染传输功能，其水质状况直接影响整个流域的治理成效。长荡湖位于太湖流域上游，是连接上游来水与太湖的重要过渡湖泊，同时承担供水、灌溉、防洪及渔业生产等多重功能。近年来，受高密度淡水养殖、河网来水以及各类治理工程的共同作用，其水质变化呈现出明显的复杂性。针对这类小型流域，亟需构建一套耦合池塘养殖与水质变化的一体化分析框架。相比传统现场采样和固定点位监测，遥感技术具有覆盖范围广、时间序列长、可重复观测等优势。
基于此，河海大学陈嘉琪老师团队以长荡湖为研究区域，综合卫星遥感影像、ASD地物光谱仪现场光谱和水质实测数据，构建了水质参数反演与上游养殖塘动态识别相结合的分析框架，研究发表在期刊《Journal of Hydrology: Regional Studies》。为小流域前置湖泊水质长期监测、养殖污染源识别及太湖流域精准治理提供了重要的方法参考和数据支撑。
图1.研究区域。
研究方法
实验设计：在长荡湖布设20个水质采样点，利用ASD FieldSpec 4 Hi-Res地物光谱仪采集水体反射光谱，并同步测定总悬浮物（TSM）和叶绿素 a（Chl-a）浓度，为遥感反演模型建立提供实测数据基础；
光谱参数：
光谱范围：350-2500 nm；
光谱分辨率：3 nm@700 nm；8 nm@1400/2100 nm；
数据分析：基于Sentinel-2影像筛选敏感波段，结合MISSA优化机器学习模型，重建2016—2023年水质时空变化，并进一步利用Sentinel-1 SAR数据与GEE平台提取上游养殖塘分布及面积变化，结合养殖规模、产量及氮磷排放系数估算TN、TP输入量，综合评估其对湖泊富营养化的影响；
图2.反射率光谱及其与Sentinel-2光谱响应函数的卷积。
图3.不同机器学习算法在TSM和Chl-a拟合中的性能比较。
图4.SSA和MISSA在GB及KNN模型上的优化结果与性能。
图5.2016年至2023年TSM和Chla的时空分布。
图6.长荡湖地区水产养殖塘分布的时空变化。
研究结果
MISSA优化后的机器学习模型能够较好反演长荡湖水质参数；
从年度趋势看，TSM呈逐年下降趋势，Chl-a呈先升后降态势；
生态清淤改善了局部水质，但效果存在波动；
上游养殖塘面积变化与Chl-a高度相关；
养殖尾水带来显著氮磷输入压力；
结语
总体来看，该研究从遥感视角揭示了长荡湖水质变化与治理工程及上游养殖之间的关系。研究结果显示，生态清淤等措施能够在一定程度上改善局部水质，但上游养殖带来的氮磷输入仍然构成重要压力，湖泊治理需要从流域尺度加强源头管控与长期监测。
同时文章指出，受现场采样点数量和长期实测数据限制，当前遥感反演结果主要用于表征长荡湖水质变化趋势。未来，通过增加现场监测频率、融合多源遥感数据并结合水文水质模型，有望进一步提升水质反演精度，量化不同污染源的贡献，为太湖流域前置湖泊的精准治理提供更加可靠的数据支撑。
发表期刊：Journal of Hydrology: Regional Studies【影响因子：5.6】
研究单位：河海大学、江苏省水利科学研究院、辽宁工业大学等
研究地点：中国太湖流域上游长荡湖
使用设备：ASD FieldSpec 4 Hi-Res地物光谱仪
DOI：https://doi.org/10.1016/j.ejrh.2026.103305