基于LightGBM的全球海洋次表层温盐遥感预测

编号 zgly0001721214

文献类型 期刊论文

文献题名 基于LightGBM的全球海洋次表层温盐遥感预测

作者 张天一  苏华  杨欣  严晓海 

作者单位 福州大学卫星空间信息技术综合应用国家地方联合工程研究中心空间数据挖掘与信息共享教育部重点实验室  厦门大学美国特拉华大学近海海洋研究与管理联合研究所 

母体文献 遥感学报 

年卷期 2020年10期

年份 2020 

分类号 P714 

关键词 海洋次表层  温盐异常  LightGBM  遥感预测  经纬度 

文摘内容 随着卫星遥感技术的发展,越来越多的卫星观测数据被应用于预测海洋内部温盐结构信息,而如何有效提高海洋内部温盐信息的预测精度仍是一个挑战。本文应用LightGBM算法结合随机森林算法构建全球海洋次表层(0—1000 m)温度异常(STA)与盐度异常(SSA)的预测模型,模型使用海表卫星观测数据(海表高度异常(SSHA)、海表温度异常(SSTA)、海表盐度异常(SSSA)和海表风场异常水平和垂直分量(USSWA、VSSWA),结合经纬度信息(LON、LAT)作为预测变量,使用Argo次表层温盐数据作为模型训练与测试标记。本文使用五参数模型(SSTA、 SSHA、 SSSA、 USSWA、 VSSWA)、带纬度六参数模型(LAT、 SSTA、 SSHA、 SSSA、USSWA、VSSWA)、带经度六参数模型(LON、SSTA、SSHA、SSSA、USSWA、VSSWA)与带经纬度七参数模型(LON、LAT、SSTA、SSHA、SSSA、USSWA、VSSWA)来着重分析LON与LAT在STA、SSA遥感预测中发挥的作用。结果表明LON与LAT在STA、SSA各自预测中发挥不同的作用。在单时相和时序预测STA中LON与LAT对模型的贡献随着深度的增加逐渐增大,而在单时相和时序预测SSA中LON与LAT对不同深度预测模型始终保持较大的贡献。在单时相预测STA与SSA中LON较LAT对模型贡献更大,而在时序预测STA与SSA中LAT较LON对模型贡献更大。经纬度信息是全球海洋次表层温盐机器学习预测的重要参数,可以提高模型的预测精度。同时,LightGBM较随机森林在预测海洋次表层温盐异常时精度更高鲁棒性更强。