总悬浮物（TSM）是水环境评价的重要参数，直接影响水质状况，决定着水下光场分布，进而影响水体的初级生产力。 
　　目前，基于遥感数据的湖泊TSM时空数据反演得到广泛应用，应用各类遥感数据源的湖泊TSM反演方法不断得以改进，精度不断提升。但利用遥感图像处理软件进行TSM反演操作流程较为繁杂，存在数据量大、数据下载时间长等问题。
　　近期，中国科学院东北地理与农业生态研究所水环境遥感学科组科研人员开发了基于谷歌引擎（Google Earth Engine，GEE）的Landsat遥感影像湖泊TSM反演算法。利用2011—2020年的多次野外调查采样数据（423个湖泊），结合GEE平台上的Landsat地表反射率产品，构建出精度较高的TSM遥感反演模型(R2=0.95)。经验证，该模型具有较高的时空可移植性。 
　　研究人员应用该遥感模型估计了全中国湖泊（面积＞1 ha）水体TSM浓度的空间分布模式（2019年）。结果表明，中国湖泊TSM浓度具有较强的空间变异性，东北湖区水体TSM浓度最高（均值为44.6 mg/L），其次是蒙新湖区（39.7 mg/L）、东部湖区（38.8 mg/L）、云贵湖区（17.6 mg/L），最低的是青藏高原湖区（5.31 mg/L）。
　　该研究为应用遥感数据进行气候变化条件下的水环境管理提供了方法和技术支撑。 
　　相关成果发表在ISPRS Journal of Photogrammetry and Remote Sensing上。研究得到国家科技部重点研究计划项目、国家自然科学基金面上项目和中科院青年创新促进会等资助。 
　　论文链接