Geoskill: Harmful Algal Bloom Monitor

有害藻华监测 — 利用海色/水色遥感反射率监测湖海藻华范围、持续时间和风险等级。 支持 NDCI/FLH/BGI/ARI 多指数，含云/耀斑/浑浊/浅水质量控制、事件追踪、面积统计与预警报告。

Harmful Algal Bloom Monitor

基于遥感反射率监测湖泊/水库/近岸藻华的范围、持续时间与风险等级。 输出辅助分析、候选对象和证据；行政、工程、安全或事故归因必须人工复核。

Trigger

Use when the user wants to:

• 监测湖泊/水库/近岸的藻华范围
• 生成藻华持续天数和预警报告
• 评估藻华风险等级
• 比较不同藻华指数的检测效果
• 分析藻华事件的时间演变

CLI Usage

bash

# 合成演示模式（无需输入文件）
python scripts/harmful_algal_bloom_monitor.py --output-dir ./habm-output

# 指定传感器和指数
python scripts/harmful_algal_bloom_monitor.py --sensor sentinel2 --index ndci --output-dir ./habm-output

# 自定义阈值和事件参数
python scripts/harmful_algal_bloom_monitor.py --event-threshold 0.4 --min-consecutive-days 5 --output-dir ./habm-output

# MODIS 传感器 + FLH 指数
python scripts/harmful_algal_bloom_monitor.py --sensor modis --index flh --output-dir ./habm-output

Parameters

Parameter	Default	Description
--input-dir	None	输入反射率数据目录（省略则使用合成数据）
--sensor	sentinel2	传感器类型（modis/sentinel2/sentinel3_olci）
--index	ndci	藻华指数（ndci/flh/bgi/ari）
--event-threshold	None	藻华概率阈值（默认使用模型推荐值）
--min-consecutive-days	3	确认事件所需最少连续天数
--max-gap-days	1	事件内允许最大缺测天数
--n-days	10	合成数据天数
--models-config	None	模型参数 JSON 文件路径
--output-dir	habm-output	输出目录

Output

File	Description
alert_report.html	藻华监测 HTML 报告
events.geojson	检测到的藻华事件
daily_area.csv	日尺度藻华面积
bloom_probability.npy	最大藻华概率栅格
duration.npy	藻华持续天数栅格
request.json	分析请求元数据
dataset-manifest.json	数据集清单
output-manifest.json	输出文件清单
qa.json	质量保证检查

Key Algorithms

藻华指数

指数	公式	适用传感器	适用水体
NDCI	(Red_edge - Red) / (Red_edge + Red)	Sentinel-2/OLCI	湖泊/水库/近岸
FLH	R_red3 - R_red2 - (R_nir - R_red2) × λ系数	MODIS	海洋/大型湖泊
BGI	(Green - Blue) / (Green + Blue)	通用	湖泊/水库
ARI	(1/Green) - (1/Red_edge)	Sentinel-2/OLCI	湖泊/水库

质量控制

• 云掩膜：蓝光反射率 > 阈值
• 耀斑掩膜：可见光均值 > 阈值
• 浑浊水体：红/近红外比值 > 阈值
• 浅水/底质：总反射率 > 阈值

事件确认

藻华事件需连续 N 天以上超过概率阈值才确认，允许 M 天以内的数据缺测。 事件输出：起止时间、持续天数、最大概率。

风险等级

综合概率与持续时间分为 4 级：低风险（绿）、中风险（黄）、高风险（橙）、严重（红）。 持续时间 ≥ 5 天的藻华自动提升一个风险等级。

Exit Codes

Code	Meaning
0	成功
2	参数错误
3	依赖缺失
6	数据校验失败
7	处理失败

Important Limitations

• 单指数仅作为候选：藻华、浑浊和水草可能产生相似信号，单一指数无法完全区分，需多指数综合判断。
• 合成数据非真实观测：演示模式使用合成反射率，仅用于流程验证，不可作为实际监测结论。
• 阈值需因地制宜：默认阈值基于文献典型值，实际应用需根据水体类型和本地验证调整。
• 云覆盖影响时效：云层会遮挡地表，导致缺测天数增加，影响事件检测的完整性。
• 模型不可跨水体迁移：不同水体的光学特性差异大，模型需针对目标水体率定。

References

• Gower et al. (2005) — FLH/MTCI for chlorophyll fluorescence
• Mishra & Mishra (2012) — NDCI for chlorophyll-a estimation
• Wynne et al. (2010) — MODIS cyanobacteria bloom detection
• 中国环境监测总站 — 湖泊（水库）富营养化评价方法及分级技术规定

数据下载

本 skill 可自动从 Microsoft Planetary Computer 下载数据 (无需 API key):

bash

python harmful_algal_bloom_monitor.py --bbox 116,39,117,40 --date-range 2024-06-01,2024-06-30 --output-dir <tmp>

• --bbox W,S,E,N: WGS-84 边界框 (西, 南, 东, 北)
• --date-range START,END: 日期范围 (YYYY-MM-DD,YYYY-MM-DD)
• --aoi-file <path.geojson>: 替代 --bbox 的 GeoJSON 多边形
• --cache-dir <path>: 缓存目录 (默认 ~/.geoskill_cache)

当用户只给 --bbox + --date-range (没有 --image) 时，skill 自动下载数据。

注：skill 规格建议使用 sentinel-3-olci (更适合叶绿素 / 藻华波段), 但当前分析 pipeline 读取 Sentinel-2 的 B04/B08/B02 GeoTIFF; OLCI L2 NetCDF 是不同格式, 切换会需要重写 analysis. 暂以 sentinel-2-l2a 为自动下载源; 切换到 OLCI 是后续增强项. 当用户给 --image 时，走原文件路径 (向后兼容)。