总磷是评估湖泊营养状态的关键参数，但由于其光谱响应微弱、光学特性缺失，导致直接遥感反演难度较大，制约了在大范围空间尺度上对总磷浓度的准确估算与制图。

    针对上述科学问题，中国科学院南京地理与湖泊研究所林晨研究员小组熊俊峰助理研究员等基于OLCI与MODIS等遥感影像数据，结合机器学习方法与垂向分层建模技术，研发了集成表层浓度与磷储量的立体化总磷遥感反演模型体系，实现了对江淮湖泊群总磷空间分布与存量变化的多维度监测与估算。

    研究小组提出了针对无机悬浮物主导型与浮游植物干扰型湖泊的差异化总磷遥感反演策略：对于以洪泽湖为代表的悬浮物主导型湖泊，建立基于红（645 nm）与绿光（555 nm）波段反射率比值的经验模型；对于以太湖为代表的浮游植物干扰型湖泊，则采用XGBoost机器学习算法（图1），挖掘浮藻指数（FAI）与总磷浓度之间的非线性关系。基于上述方法，成功实现了江淮湖泊群35个湖泊表层水体总磷浓度的跨湖通用化估算（R² ≥ 0.53）。

    在上述研究基础上，研究小组进一步实现了从湖泊表层总磷浓度向全水体三维磷储量估算的跨越。多个富营养化湖泊的垂向剖面观测数据表明，超过80%的剖面显示磷浓度随水深呈二次函数分布；表层磷浓度主要受浮游植物生物量调控，深层磷分布则与悬浮颗粒物相关。基于该垂直分布规律，研究小组开发了融合XGBoost表层磷浓度反演结果、替代浮藻指数（AFAI）、近红外波段反射率及水深数据的磷储量估算模型，模型拟合精度达到R² ≥ 0.6（图2）。

    应用该模型估算得到江淮流域35个大型湖泊多年平均总磷储量约为5347吨，其中鄱阳湖占比最高（40%），其次为太湖和洪泽湖。进一步分析表明，湖泊间磷储量差异主要受湖面面积控制，而单一湖泊的磷储量年际变化则主要受水位波动影响。

    上述系列研究成果陆续发表在Water Research、Journal of Environmental Informatics、IEEE Transactions on Geoscience and Remote Sensing等期刊，并取得发明专利、软件著作权等，为全球湖泊总磷浓度和磷储量遥感估算提供借鉴。

图1. 机器学习估算总磷浓度方法的通用性测试与应用

图2. 江淮地区湖泊磷储量估算流程与结果

    文章信息：

Xiong J.,Lin,C.*,Ma,R.,et al. (2025). Remote sensing observations of phosphorus in eutrophic lakes: from concentration to storage. IEEE Transactions on Geoscience and Remote Sensing,63,4203812.

Xiong J.,Lin,C.*,Cao,Z.,et al. (2022). Development of remote sensing algorithm for total phosphorus concentration in eutrophic lakes: Conventional or machine learning?Water Research,215,118213.

Lin,C.*,Xiong J.,Xue,K.,et al. (2022). Detecting Spatiotemporal Features of Phosphorus Concentrations Using MODIS Images: A Case Study of Hongze Lake,China. Journal of Environmental Informatics,2022,40(1),70–83.

Wang,X.,Jiang,Y.,Jiang,M.,Cao,Z.,Li,X.,Ma,R.,Xu,L.,Xiong,J.* (2023). Estimation of phosphorus concentration in lakes in the Yangtze-Huaihe region based on OLCI images. Remote Sensing,15,4487.

Xiong,J.,Xue,K.,Li,J.,Hu,M.,Li,J.,Wang,X.,Lin,C.*,Ma,R.,Chen,L. (2023). Vertical distribution analysis and total mass estimation of nitrogen and phosphorus in large shallow lakes. Journal of Environmental Management,344,118465.