基于MODIS观测和贝叶斯理论,预测中国大型过度缩湖中的蓝藻细菌繁殖
Yichen Du1, Huan Zhao2, Junsheng Li3
1International Research Center of Big Data for Sustainable Development Goals, Beijing 100094, China; State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China; School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430072, China; College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China.
一个新的贝叶斯模型准确地预测大湖的有害藻类繁殖 (HABs) 提前七天. 这一进步有助于早期预警系统的蓝菌的开花,保护水质和公共卫生.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 水质管理水质管理
背景情况:
- 菌有害藻类繁殖 (HABs) 是大型超缩湖泊对水生生态系统和公共健康的重大威胁.
- 有效的短期预测模型对于管理HAB和确保水安全至关重要.
研究的目的:
- 开发和验证一个基于贝叶斯的模型,用于在中国大型超高缩湖中的短期HAB预测.
- 使用卫星和气象数据预测1,4和7天前的HAB分布.
- 提供可操作的输出,包括二进制HAB地图和疫情地区识别.
主要方法:
- 将MODIS卫星数据 (Terra和Aqua) 与气象数据 (2010-2018) 整合在一起.
- 基于贝叶斯的建模方法用于HAB预测的应用.
- 使用来自2019-2020年和2023年天气预报的独立数据集进行验证.
主要成果:
- 实现了高预测准确度:0.83 (像素),0.74 (区域) 和0.64 (湖面面积) 对于2019-2020年验证.
- 与2023年天气预报数据获得的准确度相似:0.78 (像素),0.57 (区域) 和0.62 (湖面范围).
- 该模型成功生成了二进制HAB地图,识别了疫情区域,并评估了湖泊区域内的HAB状态.
结论:
- 开发的贝叶斯模型提供了一种强大而准确的方法,用于在大湖中的短期HAB预测.
- 这种方法显著提高了HAB的早期预警系统和管理策略.
- 可扩展的框架可以适应全球其他脆弱地区的HAB预测.
更多相关视频
10:28Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information
Published on: June 13, 2020
10:57Experimental Protocol for Detecting Cyanobacteria in Liquid and Solid Samples with an Antibody Microarray Chip
Published on: February 7, 2017
