基于全局跨尺度时空注意力的深度神经网络海表面温度预测模型

海表面温度（sea surface temperature, SST）是海洋与大气之间相互作用的关键因素,海温控制着全球大气和海洋生态系统的变化。准确预测海表面温度的演变对治理全球大气系统和海洋生态系统都具有重要的意义。为了对SST数据的空间自相关性准确建模,本文提出了基于全局跨尺度时空注意力的深度神经网络海表面温度预测模型（deep neural network based on global cross-scale spatiotemporal attention, GCSA-DNN）。模型分为3个部分,从长时序数据中提取时序依赖特征的时序建模模块,从SST序列均值中提取空间分布规律特征的多尺度局部空间建模模块和基于全局跨尺度的时空注意力融合模块,实现每个网格点对全局自相关性的建模。本研究选择空间分布规律不同的东海和南海海域数据,对1981年9月1日至2022年4月7日美国国家海洋和大气管理局（nationaloceanicand atmospheric administration,NOAA）的数据进行了预测分析,共14829条数据,其中1981年9月1日至2021年8月31日的...     

莱州湾陆海污染源多级监测和评价分析系统

渤海是我国唯一半封闭型内海,是我国近岸海域环境问题最为突出的海区之一。近年来由于国家对渤海环境保护和治理工作不断重视,其水质恶化势头得到遏制,但由于缺乏陆海统筹、部门区域联动的控制机制,制约了减排措施的有效实施。而构建支撑陆海协同监控和评价的信息化和智能化系统是解决该问题的关键措施。本文以莱州湾为典型应用场景,通过构建陆海污染源多级监测和评价分析系统,实现高精度多级陆海联动的入海通量监测评估、污染源解析、海域水质变化和入海排污响应分析等主要功能,进而为阐明渤海水质变化和陆源排污关系,建立污染物入海总量控制技术体系和高效精准的减排方案提供参考决策平台。