点击上方湖泊遥感与智慧流域关注我们
图1 2015年8月10日至19日，伊利湖最大水华程度的监测卫星图像。
表2 初始输入特征
图2 模型开发流程
图3 (a) RF2、RF3和RF4模型在测试数据集上的预测精度。(b) RF回归模型在训练(灰色)和测试(红色)数据集上的性能。
图4 RF2-L1与RF2-L2藻华对应的箱形图(a) WLD20和(b) WLM10。基于参数本身的LSTM模型性能(NSE)作为(c)基于10天平均值的4个特征和(d)基于日平均值的10个特征的输入。
该研究构建了一种分类和回归模型来预测WLEB的短期（10天尺度）藻华，并在测试集中实现了高达89.6%的准确率（2级分类），最终使用的建模方式见图5。这些模型填补了每周两次和每年一次的藻华预测之间的空白。通过特征选择，该研究确定了8个影响藻华发生的特征：5TN>N30>时间>WLM10>WLD20>SSRP>SOL30>STN，其中5TN、STN和N30是藻华建模中优先考虑的特征。这些特征有助于建立更准确的模型，以更好地预测未来藻华。
以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。未经同意，禁止转载。
点击左下方 “阅读原文” 可下载论文原文。
湖泊遥感与智慧流域创新团队，主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作，并在流域尺度开展大数据智慧管理平台研究，保障湖泊水质安全。团队拥有博士和硕士导师5人（段洪涛，罗菊花，刘东，谭振宇，邱银国），可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学（国科大南京学院联合培养）等招收博、硕士研究生，欢迎报考！同时，长期招收联合培养研究生，欢迎咨询！
联系人：段洪涛研究员，htduan@niglas.ac.cn。
科学前沿丨文献总结 | WR：浅水湖泊溶解二氧化碳和甲烷浓度对变暖的响应
