热带海洋学报

作者：苏金洙, 邹嘉澍, 苏玉萍, 张明峰, 翁蓁洲, 杨小强

单位：1.福建师范大学环境科学与工程学院, 福建 福州 350007；2.福建省河湖健康研究中心, 福建 福州 350007；3.福建师范大学地理科学学院, 福建 福州 350007；4.福州市海洋与渔业技术中心, 福建 福州 350007

关键词：叶绿素a浓度,藻类密度,赤潮,预警模型,平潭海域,

基金：国家重点研发计划项目(2016YFE0202100);福建省高校产学合作项目(SC-292);福建省高校产学合作项目(21NB000922)

本文分析了福建省平潭近海海域2013—2019年水文、水质及气象数据的主成分结果, 筛选出5个气象因子和4个水质因子作为输入指标, 以藻密度为输出指标, 分别演算了KNN (K-nearest neighbor)、RF (random forest)、GBRT (gradient-boosted regression Trees)以及Bagging (bootstrap aggregating)4种赤潮预警回归模型。对2013—2019年的802 组海洋监测数据归一化处理后, 随机选取80%的数据作为模型的训练样本, 剩余的20%作为模型验证数据。其中, 以风速、气温、海平面气压、叶绿素a浓度组合为输入指标时, KNN回归模型演算结果的精度较高(R2=0.624, RMSE=0.821μg·L-1, MAE=0.836μg·L-1)。在没有叶绿素a浓度监测指标的海域, 构建了以叶绿素a浓度为输出指标, 气温、日照、风速、AOI(apparent oxygen increase)组合为输入指标的BP神经网络赤潮模型, 该模型也具有较好的预警精度(R2=0.651, RMSE=0.062μg·L-1, MAE=0.033μg·L-1)。本研究结果可为平潭海域的赤潮预警研究提供参考。

来源：2022年第4期

《热带海洋学报》期刊编辑部

查看热带海洋学报杂志2022年第4期