检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 理学
- 1 篇 海洋科学
1 篇 工学
- 1 篇 控制科学与工程
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

1 篇 次表层叶绿素-a
1 篇 迁移学习
1 篇 卷积长短期记忆神...
1 篇 西北太平洋
1 篇 海洋初级生产力
1 篇 深度学习可解释性

机构

1 篇 青岛科技大学

作者

1 篇 赵宪志

语言

1 篇 中文

检索条件"主题词=次表层叶绿素-a"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的西北太平洋叶绿素垂直分布及初级生产力研究

基于深度学习的西北太平洋叶绿素垂直分布及初级生产力研究

引用

作者：赵宪志青岛科技大学

学位级别：硕士

全球初级生产力的估算对于理解海洋生物过程至关重要,通过光合作用转化太阳能为有机物质,为生态系统提供能量基础,支持氧气产生、碳固定和温室气体调控。叶绿素-a(Chl-a)浓度是估算浮游植物生物量和海水营养状况的重要指标,但其反演精... 详细信息

全球初级生产力的估算对于理解海洋生物过程至关重要,通过光合作用转化太阳能为有机物质,为生态系统提供能量基础,支持氧气产生、碳固定和温室气体调控。叶绿素-a(Chl-a)浓度是估算浮游植物生物量和海水营养状况的重要指标,但其反演精度面临挑战,特别是次表层叶绿素浓度。传统物理模型和人工智能方法在这一领域受到季节变化和海洋环境条件的限制,导致精度不足。尽管深度学习方法在叶绿素垂直分布研究中展现出潜力,但数据的时空局限仍需解决。本文收集了西北太平洋地区的多源数据,包括CMIP6模式数据、卫星观测数据、DNN模型重构数据和BGC-Argo浮标数据。通过筛选和预处理,利用空间线性插值统一经纬度,并进行时空匹配,最后将数据转换格式,划分为预训练模式数据集和迁移学习观测数据集。模型输入变量包括海表面叶绿素-a、温度、高度、盐度和风,输出为0-300米20层深度的叶绿素-a浓度。为提高次表层叶绿素-a反演精度,本文提出了注意力残差卷积长短期记忆神经网络(CBAM-Res Conv LSTM)模型。该模型基于Conv LSTM,结合卷积和LSTM的优点,能更准确捕捉地表叶绿素浓度变化规律。引入卷积注意力模块(CBAM)增强特征提取能力,通过通道和空间注意力机制提取重要特征;残差模块(RM)则加速了模型的收敛速度并提高了性能和泛化能力。预训练结果显示该模型在西北太平洋地区的次表层叶绿素反演精度显著提高(Pearson's r=0.99,NSE=0.98),微调后的模型表现也较为理想(Pearson's r=0.96,NSE=0.91),展现了较强的泛化能力。通过对照实验验证了CBAM-Res Conv LSTM模型的有效性。首先,与Conv LSTM模型对比,引入CBAM和RM模块后性能提高约3.5%。其次,与LSTM和CNN模型对比,结果表明本文提出的改进模型在次表层叶绿素反演精度上表现更好。在不同气候带的断面结果对比中,热带区域(12°-24°N)三种模型结果相似,亚热带区域(24°-38°N)CBAM-Res Conv LSTM和CNN模型能捕捉到CMIP6数据特征,但预测强度略不足,LSTM模型未能捕捉高浓度特征。温带区域(38°-54°N)CBAM-Res Conv LSTM模型在浅层和深层水域均表现优异,而CNN和LSTM模型分别表现出高估和低估。结果表明CBAMRes Conv LSTM模型在捕捉垂向Chl-a方面表现突出,具备较强的泛化能力。之后,使用显著性图方法分析不同变量对CBAM-Res Conv LSTM模型的影响。结果显示,海表面Chl-a和温度是最显著的变量,海表面Chl-a在春夏季中高纬度影响较大,海表面温度在春夏季中低纬度影响显著。海表面盐度和风的影响相对较弱但持续时间较长,分别集中在中高纬度区域和全年各月的中高纬度区域。海表面高度影响较小,仅在春夏季中低纬度有轻微影响。最终,利用简化计算公式对2004年至2022年西北太平洋海域的初级生产力进行估算。初级生产力月度空间分布与海表Chl-a浓度分布相似。通过STL分解法对热带、亚热带和温带区域的初级生产力平均值进行时间序列分析,结果显示2004年至2022年间西北太平洋海域的初级生产力呈现显著空间差异和年际变化。热带地区逐年增加,亚热带和温带地区逐年下降。对每个像素点的趋势分析显示热带地区初级生产力增加,亚热带呈负向趋势,温带区域趋势复杂,边缘海显著增加,其他部分减少。综上,本文提出了CBAM-Res Conv LSTM神经网络模型,通过引入CBAM和RM模块,有效提高了西北太平洋地区次表层叶绿素反演精度。研究结果为该地区次表层叶绿素数据集的构建和初级生产力研究提供了有力支持。

关键词：次表层叶绿素-a 海洋初级生产力卷积长短期记忆神经网络迁移学习深度学习可解释性西北太平洋

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：