學(xué)科組成員與美國印第安納大學(xué)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(yīng)智能算法GA-PLS(Genetic Algorithm-Partial Least Squares)，對內(nèi)陸重要湖泊和城市水源地的Chl-a進行了遙感算法研究[1]。本次研究同時使用了美國中西部水體、南澳大利亞水體、長春市水源地、太湖等實測數(shù)據(jù)（n=1160），這些水體在固有光學(xué)特性與遙感反射率等方面梯度變化大，具有很好的代表性。研究結(jié)果表明，GA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)。PLS在Chl-a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(xùn)練下，GA-PLS模型可以直接用于水體Chl-a濃度估算。

　　課題組成員以三波段模型對藍(lán)藻指示性色素PC進行濃度估算，為藍(lán)藻爆發(fā)的遙感監(jiān)測提供理論與技術(shù)支撐[2-3]，同時也為其他地區(qū)湖泊富營養(yǎng)化遙感監(jiān)測與動態(tài)分析提供了技術(shù)支撐。PC的實驗室分析一直以來是技術(shù)難點，本研究通過YSI水質(zhì)儀的PC探頭獲取的藍(lán)藻濃度與遙感反射率構(gòu)建了三波段模型。與實驗室分析結(jié)果對照表明，YSI水質(zhì)儀與高光譜遙感有機結(jié)合，可為快速進行藍(lán)藻爆發(fā)、水體富營養(yǎng)化現(xiàn)狀評價提供信息支持，為水資源管理與污染治理決策提供依據(jù)。

　　以上研究工作得到NASA項目(NNG06GA92G)與國家自然科學(xué)基金項目（41171293）資助。