仰望星空，Landsat系列卫星如同一位持续工作了40多年的“地球摄影师”，为我们存档了海量的全球地表影像。近年来，借助Google Earth Engine（GEE）这类“云端暗房”，科学家们终于能高效处理这些珍贵“底片”，用于诊断全球湖泊、河流的健康状况。

    然而，这份“体检报告”的准确性长期受一个隐藏的“视觉误差”困扰。我们最常从GEE调用的Landsat标准地表反射率产品，其内置的“修图”算法（大气校正）原本是为陆地设计的。当用它来处理从太空中看信号极其微弱的水体时，就会产生严重偏差，导致我们对水质的“诊断”失准。

    近日，中国科学院南京地理与湖泊研究所段洪涛研究员团队利用全球千余组水体实测数据，首次在全球尺度系统评估并成功“校准”了这一“视觉误差”。研究不仅精准定位了问题根源，更在云端找到了更优的“修图方案”。

    一、诊断报告：卫星“看水”的两大核心误差

    通过全球比对，团队精准锁定造成“视觉误差”的两大关键问题：

    • “校正过度”产生黑色伪影：当水体旁有云、雪等高亮物体时，针对陆地设计的“气溶胶校正”算法容易“用力过猛”，使影像上出现不合理的“黑色斑块”（伪影）。其最明确的标志是443纳米波段（蓝光）的反射率变为负值。这并非个别现象，全球平均有13%的内陆水体像元受此影响。若忽略这些“伪影”直接分析，悬浮物浓度等关键指标误差可能超过100%。

    • “历代相机色彩不一”导致数据断层：要分析几十年水环境变化，必须拼接 Landsat‑5/7/8/9 等多代卫星数据。但研究发现，由于不同“相机”的硬件及算法差异，它们对同一水体的观测值存在显著偏差。这种“色彩不统一”让长时序水质变化分析充满不确定性。

    二、最优处方：云端“修图师”MAIN算法表现最佳

    发现问题后，团队在GEE云端测试了SIAC和MAIN两种面向水体优化的校正算法，最终给出明确结论：基于“短波红外暗像元”假设的MAIN算法，是目前的最优选择。

    • 根除伪影：避免“过度校正”，让太湖、维多利亚湖等影像中异常黑斑消失，还原真实的水面空间格局。

    • 统一标准：提供跨卫星一致的校正框架，时序一致性提升超 90%，实现 40 年数据“无缝衔接”。

    • 即开即用：算法已部署在GEE云端，无需下载海量数据，可直接生成高质量水体反射率产品，特别适合大范围、长时序监测。

    给现有用户的“快速指南”：若仍需使用官方产品，可采用团队提出的极简预处理方案：直接剔除 CA<0（443 nm 波段反射率为负）的像元，即可低成本、显著地降低“伪影”污染。

    这项研究首次在全球尺度上系统量化了Landsat官方产品用于水体监测的固有误差，并推荐了即用型的云端优化方案（MAIN算法）。这不仅让外行明白卫星“看水”需专用算法，更为内行提供了关键的数据质量控制基准和高效工具，显著提升了长达40年的Landsat历史数据在水环境变化研究中的可靠性与实用性，让“地球档案”能更精准地守护我们的水资源。研究成果获国家自然科学基金项目[42425104, 42201403, U2243205]资助。

    研究成果发表于遥感领域顶刊《ISPRS Journal of Photogrammetry and Remote Sensing》。

    论文信息：Yang, C., Shen, M.*, Cao, Z., Maciel, D.A., Qi, T., Sun, Z., Qiu, Z., Si, Y., Luo, J., Duan, H.*, 2026. Artifact-induced bias and cross-sensor inconsistencies in landsat surface reflectance for global inland waters: evaluation and solutions. ISPRS Journal of Photogrammetry and Remote Sensing, 236, 456-473.

    论文链接：https://doi.org/10.1016/j.isprsjprs.2026.04.003

图1. 伪影的光谱特征统计

图2. 2013-2024年Landsat-8/9无云影像中水体伪影的时空分布

图3. 基于地表遥感反射率产品（a）与MAIN校正后的反射率产品

（b）在全球水体悬浮物浓度反演上的空间差异

图4. 三种反射率产品在Landsat-5/7/8/9绿光波段反射率长时序一致性评估

图5. 三种反射率产品的绿光波段在不同湖泊上的空间分布