长江口南汇湿地植被的光谱吸收特征研究

植被的光谱吸收特征与植被生长状况密切相关,同时也受土壤湿度等外界因素影响。本文以长江口南汇湿地典型植被芦苇、互花米草和海三棱藨草为研究对象,在计算其光谱特征参数的基础上,分析了这3种植被的光谱吸收特征形变PSDI值。最后结合实测的土壤湿度,分析了3种植被的PSDI值和土壤湿度的相关性。研究结果发现:互花米草的PSDI值最大,海三棱藨草的PSDI值最小,芦苇介于两者之间,表明互花米草受外界的环境影响较大;互花米草的PSDI值与土壤湿度的相关性最大,芦苇的PSDI值与土壤湿度的相关性最小,海三棱藨草介于两者之间,表明互花米草适应湿地环境能力较强。     

基于融合U-Net及ConvLSTM的海面高度异常预报方法研究

海面高度异常是反映海洋环境状况的主要变量之一。本文使用1993—2019年的融合月均海面高度异常数据,建立了基于深度学习的海面高度异常预测神经网络模型,提出了基于融合U型网络(U-Net)和卷积长短记忆网络(ConvLSTM)的中长期海面高度异常预报模型。在研究海域0.25°×0.25°的空间分辨率下,模型测试集预报结果的均方根误差和平均绝对误差分别为0.039 m和0.027 m,均优于全连接LSTM预报模型和ConvLSTM+CNN预报模型,为大中尺度的海面高度异常预报提供了新的方法。     

深度学习在海洋信息探测中的应用:现状与展望

深度学习可以通过深度神经网络,使机器理解学习数据,从而提高数据分类效果和预测结果的准确性,因此在海洋信息探测中应用越来越受到重视.作者基于深度学习的基本原理,阐述了海洋上常用的深度学习神经网络模型,并结合海洋信息探测要素,对温度、盐度、风场、有效波高和海冰等进行了海洋环境信息因子的预测分析;同时,对船舶、溢油和涡旋等进...