一种浒苔绿潮覆盖面积全周期预测方法与流程

本发明涉及海洋生态灾害预测，具体涉及一种浒苔绿潮覆盖面积全周期预测方法。

背景技术：

1、目前，浒苔绿潮灾害已成为常态化的海洋生态灾害，每年春夏季大规模暴发的浒苔绿潮会对近海生态系统平衡、水产养殖生产、滨海旅游产业及沿海人居环境造成严重的经济损失与生态破坏。精准提前预测浒苔绿潮覆盖面积的全周期动态变化，是实现浒苔绿潮灾害前置防控、应急处置方案科学制定、防控资源高效配置的核心前提。

2、然而，现有浒苔绿潮覆盖面积预测方法普遍采用全周期单一模型进行预测，未结合浒苔生长规律区分不同生长阶段对环境要素的响应程度差异，导致模型无法精准捕捉各生长阶段的覆盖面积动态变化，进而无法满足浒苔绿潮灾害高精度预报的实际需求。

技术实现思路

1、针对上述技术问题，本发明提出一种浒苔绿潮覆盖面积全周期预测方法。

2、本发明所采用的技术解决方案是：

3、一种浒苔绿潮覆盖面积全周期预测方法，其包括以下步骤：

4、s1、获取目标海域浒苔完整生长周期内的逐日遥感监测数据与海洋环境数据，并进行预处理；

5、s2、基于预处理后的数据，分别构建环境特征集和生长动态特征集，并将环境特征集和生长动态特征集进行融合，得到全周期特征集；

6、s3、根据历史年份逐日浒苔覆盖面积和生长周期统计结果，将浒苔生长周期划分为快速生长期、峰值期和衰退期三个阶段；按阶段对全周期特征集进行筛选，得到各阶段候选特征子集；

7、s4、按快速生长期、峰值期和衰退期三个阶段分别构建lightgbm预测模型，分别为快速生长期lightgbm预测模型、峰值期lightgbm预测模型和衰退期lightgbm预测模型；

8、以各阶段候选特征子集作为对应阶段lightgbm预测模型的输入变量，以对应样本日的浒苔覆盖面积作为回归目标标签，对分阶段构建的lightgbm预测模型进行训练，得到训练好的快速生长期lightgbm预测模型、峰值期lightgbm预测模型和衰退期lightgbm预测模型；

9、s5、基于训练好的快速生长期lightgbm预测模型、峰值期lightgbm预测模型和衰退期lightgbm预测模型进行浒苔绿潮覆盖面积全周期预测。

10、进一步的，s5中：确定预测日所属阶段，获取预测日的海洋环境数据以及预测日前的历史浒苔覆盖面积数据，进而确定海洋环境特征和生长动态特征，并按照该阶段预先确定的最优特征子集，从所述环境特征和生长动态特征中筛选出对应特征，组成输入向量；将所述输入向量输入对应阶段lightgbm预测模型，得到预测日的浒苔覆盖面积预测值；并对阶段切换节点处的相邻阶段模型预测值进行融合，形成全周期预测结果。

11、本发明的有益技术效果如下：

12、（1）本发明按照浒苔快速生长期、峰值期、衰退期开展分阶段独立建模，精准适配不同生长阶段对环境因子的差异化响应规律，有效改善单一模型拟合偏差问题，全面提升浒苔绿潮覆盖面积全周期预测精度。

13、（2）本发明基于lightgbm构建分阶段预测模型，能够明晰浒苔生长消亡过程中的核心驱动要素，在满足业务化预测高效运行需求的同时，为绿潮灾害机理分析以及防灾防控决策制定提供有力的数据与理论支撑。

14、（3）本发明针对快速生长期、峰值期和衰退期分别筛选与其生长过程相匹配的最优特征子集，使模型能够充分表征浒苔在不同生长阶段对海洋环境因子的差异化响应及生长动态变化，减少无关或冗余特征对模型训练的干扰，提高各阶段生长状态的识别能力和浒苔覆盖面积预测精度。

15、（4）本发明通过对分阶段预测结果进行融合与平滑处理，可以增强逐日预测序列的连续性和合理性，进一步提升浒苔绿潮覆盖面积全周期预测精度。

1.一种浒苔绿潮覆盖面积全周期预测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于，s1中：所述逐日遥感监测数据为目标海域逐日浒苔外缘线矢量数据和浒苔覆盖面积数据，所述海洋环境数据包括浒苔发生海域海温数据、营养盐数据、太阳辐射数据、降水数据、风场数据和海流数据；

3.根据权利要求2所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于，s2中包括以下步骤：

4.根据权利要求3所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于，s3中，浒苔生长周期划分的步骤如下：

5.根据权利要求4所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于，s3中，筛选各阶段候选特征子集包括以下步骤：

6.根据权利要求5所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于：

7.根据权利要求6所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于，s5中：确定预测日所属阶段，获取预测日的海洋环境数据以及预测日前的历史浒苔覆盖面积数据，进而确定海洋环境特征和生长动态特征，并按照该阶段预先确定的最优特征子集，从所述环境特征和生长动态特征中筛选出对应特征，组成输入向量；将所述输入向量输入对应阶段lightgbm预测模型，得到预测日的浒苔覆盖面积预测值；并对阶段切换节点处的相邻阶段模型预测值进行融合，形成全周期预测结果。

8.根据权利要求7所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于，s5中具体包括以下步骤：

9.根据权利要求8所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于，s55中在预设线性加权过渡窗口内融合相邻阶段模型预测值，具体包括以下步骤：

10.根据权利要求9所述的一种浒苔绿潮覆盖面积全周期预测方法，其特征在于，s55中还包括以下步骤：