基于CNN-SVR网络的黄渤海近岸海域叶绿素a浓度预测
全文请用PC端下载 地址：
http://www.hyyb.org.cn/Magazine/Show.aspx?ID=3579
读书小笔记
作者：王晓霞1 2 3 汪健平1 3 王佳莹1 3 孙珊1 3 苏博1 3 姜会超1 3 朱明明1 3
单位：1. 山东省海洋资源与环境研究院, 山东 烟台 264006;
2. 自然资源部空间海洋遥感与应用重点实验室, 北京 100081;
3. 山东省海洋生态修复重点实验室, 山东 烟台 264006
分类号：X145
出版年·卷·期（页码）：2024·41·第四期（77-87）
摘要：利用海洋卫星观测数据和黄渤海近岸海域实测生态水质数据，建立了一种基于卷积神经网络结合支持向量回归（Convolutional Neural Network-Support Vector Regression，CNN-SVR）的深度学习网络模型的叶绿素a浓度预测方法。采用皮尔逊方法对叶绿素a与环境动力因子和生态水质因子作相关分析，发现营养盐因子大多与叶绿素 a有显著相关性，水质因子如 pH、溶解氧、盐度等与叶绿素a的相关性不大；将黄渤海近岸海域划分为渤海南部与黄海北部、黄海中部，进行春夏、秋冬两个时期 1×1和 2×2两种卷积核大小的 CNN-SVR网络模型实验以及单因子敏感性分析试验。结果显示：卷积核大小为2×2时，CNN-SVR网络模型对训练数据的学习和对测试样本的预测检验效果都更优；渤海南部与黄海北部近岸海域模型预测效果更好。营养盐因子对模型预测能力的影响更显著，悬浮物等水质因子的影响相对较弱。单变量对模型预测的敏感性较弱，多变量整合具有互补性，改善了模型的预测效果。
关键词：卷积神经网络结合支持向量回归模型 叶绿素a浓度预测 单因子敏感性分析 海洋卫星 海洋生态水质因子
Abstract：A chlorophyll-a (Chl-a) concentration prediction method based on the Convolutional Neural NetworkSupport Vector Regression (CNN-SVR) model is developed using satellite observations and in-situ ecological water quality measurements in near-shore waters of the Yellow and Bohai Seas. Firstly, we use Pearson method to establish correlation between Chl-a concentration and factors of environmental dynamics and ecological water quality. It is found that Chl-a concentration correlates significantly with nutrient salt factors, while poorly with water quality factors such as pH, dissolved oxygen, salinity. Then, we divide two regions, one is nearshore waters of the southern Bohai Sea and northern Yellow Sea, and the other one is nearshore waters of the central Yellow Sea. We also divide two periods: spring — summer and autumn — winter. We perform the CNN-SVR model experiments with two convolutional kernel sizes, 1×1 and 2×2, as well as the single factor sensitivity analysis experiment. The results show that the CNN-SVR network model has better learning of the training data and better prediction of the test samples when the convolution kernel size is 2×2. The CNN-SVR network model performs better in nearshore areas of the southern Bohai Sea and northern Yellow Sea. Compared to water quality factors, the nutrient salt factors have larger impacts on the model's prediction ability. The sensitivity of single factor to model's prediction ability is weak, while multiple variables exhibit complementary feature which improves the model's prediction ability.
Key words：CNN-SVR; chlorophyll-a concentration; sensitivity analysis of single variable; ocean satellite; ecological factors of water quality in ocean
读者也可以通过公众号菜单栏
“相关知识”板块进入《当期目录》和《过刊浏览》
查阅详细期刊内容
未来两天海洋环境预报
预计明天，
渤海、黄海有0.6到1.3米的轻浪到中浪；
东海北部有0.8到1.5米的轻浪到中浪；
东海南部、钓鱼岛附近海域、台湾海峡、台湾以东洋面、南海东北部有2到3.3米的中浪到大浪区；
巴士海峡、南海西北部有1.3到2.3米的中浪；
南海中部、南部、北部湾有0.6到1.3米的轻浪到中浪。
预计后天，
东海南部、钓鱼岛附近海域、台湾海峡、台湾以东洋面、南海东北部大浪区维持，浪高1.5到2.8米。
美丽海岛海域海况
预计明天，
钓鱼岛附近海域有2.3米的中浪，不适宜乘船出行；
平潭岛、湄洲岛、东山岛附近海域有1.8~2米的中浪，东极岛、大陈岛、洞头岛、南麂岛、嵛山岛、分界洲岛、蜈支洲岛、永兴岛附近海域有1.3~1.7米的中浪，这些海岛较适宜乘船出行和海岛游玩；
我国其他美丽海岛附近海域都是轻浪，海况不错，非常适宜乘船出行和海岛游玩。
美丽海岛是指以下的35个海岛：
觉华岛、长山群岛、菩提岛、长岛、刘公岛、灵山岛、秦山岛、连岛、崇明岛、嵊泗列岛、岱山岛、东极岛、普陀山、大陈岛、玉环岛、洞头岛、南麂岛、嵛山岛、三都岛、平潭岛、湄洲岛、东山岛、钓鱼岛、南澳岛、万山群岛、川山群岛、海陵岛、南三岛、东海岛、涠洲岛、分界洲岛、蜈支洲岛、永兴岛、黄岩岛、永暑礁。
更多滨海旅游预报 尽在中国海洋预报
PC端可登录中国海洋预报网http://www.oceanguide.org.cn
移动端可使用中国海洋预报微信小程序
点击下方图片
进入“中国海洋预报”微信小程序
点击下方图片
进入“全球海啸预警”微信小程序
长按下方图片，识别二维码
关注“国家海洋环境预报中心”公众号
