基于机器学习与卫星遥感的底层缺氧预测10.16157/j.issn.0258-7998.268048AET-电子技术应用-最丰富的电子设计资源平台

基于机器学习与卫星遥感的底层缺氧预测10.16157/j.issn.0258-7998.268048
所属分类：技术论文
上传者：wwei
文档大小：7365 K
标签：机器学习卫星遥感溶解氧
所需积分：0分积分不够怎么办？
文档介绍：沿海缺氧严重威胁海洋生态系统的稳定性。鉴于传统观测手段成本高昂且在时空尺度上存在局限，机器学习与卫星遥感技术已被广泛应用于缺氧预测，但现有多数模型仍面临“黑箱”特性及预测周期短等挑战。结合1998—2019年墨西哥湾北部原位溶解氧数据与卫星遥感影像（海表温度、盐度、叶绿素a），构建了一个兼具物理机制可解释性与长时序外推能力的缺氧空间预测模型。结果表明，XGBoost模型展现了最优的预测性能，成功重建了2003—2019年夏季缺氧区空间分布，并有效填补了观测缺失年份的数据空白。SHAP分析揭示，海表温度主导的层化效应和盐度反映的淡水输入是关键驱动因子。本研究证实了融合卫星遥感与可解释性机器学习在缺氧长期连续监测中的巨大潜力。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。