《Environmental Data Science》:Convolutional neural network for the prediction of Sargassum seaweed beachings in Guadeloupe
编辑推荐:
近年来,深度学习改变了数据处理方式,证明了其在本研究中的适用性。这些模型由多层组成,通过校准权重以优化准确性。通过模拟神经过程,这些网络有助于实现高性能预测建模。本研究聚焦于应用卷积神经网络(Convolutional Neural Network, CNN)
近年来,深度学习改变了数据处理方式,证明了其在本研究中的适用性。这些模型由多层组成,通过校准权重以优化准确性。通过模拟神经过程,这些网络有助于实现高性能预测建模。本研究聚焦于应用卷积神经网络(Convolutional Neural Network, CNN)预测瓜德罗普(Guadeloupe)马尾藻(Sargassum)的到达,使用了多种气候数据,如风、表层流、卫星图像以及瓜德罗普海岸的藻类搁浅观测数据。研究人员测试了两种不同方法:用于最多14天预测的分类模型(classification model)和用于最多14天预测的区域回归模型(zone regression model),后者还提供了藻类到达的概率。结果显示,分类模型的平均准确率(accuracy)达94.75%,平均特异性(specificity)达97.42%,平均灵敏度(sensitivity)达98.78%。区域回归模型的平均准确率约为90%,平均特异性约为97%,平均灵敏度约为85%,平均平均绝对误差(MAE)为0.13,平均均方根误差(RMSE)为0.18。这些模型的表现优于现有技术中针对同一问题提出的决策树(decision tree)。
【论文解读文章】
**研究背景与问题**
自2011年以来,小安的列斯群岛(Lesser Antilles, LA)的迎风大西洋海岸(windward Atlantic coast)遭受了大规模的马尾藻(Sargassum)搁浅事件,而背风加勒比海岸地区受影响较小。这些搁浅在频率和强度上已成为加勒比岛屿和美国沿海的一种新型自然灾害。马尾藻在海中可提供栖息地,但搁浅后腐烂会释放硫化氢(H
2S)和氨(NH
3),引发健康风险并造成显著的社会经济影响。例如,2014年10月至2015年10月期间,瓜德罗普(Guadeloupe)海岸的搁浅量估计达150万立方米,而当局仅能收集约三分之一。旅游业的衰退导致2015年上半年经济损失达550万美元。
已有研究利用卫星图像、再分析风场和表层流数据、以及数值模型来理解马尾藻的输运机制。Bernard等人(2022)曾结合卫星浮藻指数(AFAI)和混合坐标海洋模型(HYCOM)表层流预报数据,并使用聚类方法和决策树模型预测7天内的搁浅概率,准确率仅为73%。决策树作为传统方法,在捕捉复杂非线性动态方面存在局限,亟需更强大的人工智能方法如神经网络来提升预测性能。
**研究内容与结论**
研究人员构建了用于卷积神经网络(CNN)的预测模型,以改进瓜德罗普海岸马尾藻搁浅的预报。使用2019年1月1日至2023年12月31日期间的风速、表层流、卫星浮藻密度指数(FA-Density,基于7天浮动藻类指数异常AFAI)以及来自瓜德罗普环境与规划局(DEAL)和法国气象局(Météo France)的搁浅观测数据。研究人员开发了两类模型:分类模型(classification model)用于预测14天内是否发生搁浅(二分类:有/无),以及区域回归模型(ZonalReg model)用于预测14天内6个海岸区域(Nord Grande-Terre, Sud Grande-Terre, Basse-Terre, Désirade, Les Saintes, Marie-Galante)的搁浅概率。结果表明,分类模型平均准确率94.75%,特异性97.42%,灵敏度98.78%;区域回归模型平均准确率约90%,特异性约97%,灵敏度约85%,平均MAE为0.13,RMSE为0.18。两类模型均显著优于此前决策树模型(准确率70.10%,灵敏度73.10%,特异性69.20%)。该研究证实深度学习方法能更有效地捕捉马尾藻搁浅的复杂动态,为瓜德罗普的应急管理提供了高精度工具。论文发表于《Environmental Data Science》。
**主要关键技术方法**
研究人员使用了以下关键技术方法:
- **数据预处理与张量构建**:对所有输入数据(HYCOM表层流
U0和
V0分量、Mercator表层流
U0和
V0分量、ERA5表面风
U和
V分量、卫星浮藻密度指数FA-Density)进行内部归一化并双线性插值至统一分辨率(0.08°经度×0.04°纬度),堆叠形成7层深度张量(时间步长n天)。
- **分类模型(CNN架构)**:包含五个特征提取块,每块由3×3卷积层、批归一化(Batch Normalization, BN)、2×2最大池化组成,分别输出64、128、256个特征图(Feature Maps, FM)。后接全连接层(64神经元隐藏层,双曲正切激活函数)和2神经元输出层(softmax函数)。使用过采样处理类别不平衡(有搁浅日仅277天/1826天)。
- **区域回归模型(ZonalReg架构)**:特征提取部分与分类模型类似,但批归一化与最大池化层顺序互换;输出层为6个神经元(对应6个区域),使用sigmoid函数输出概率。隐藏层采用ReLU激活函数。训练在安第列斯大学C3I高性能计算集群上执行,使用TensorFlow和Keras库。
**研究结果**
3.1 **分类模型**
在D+0至D+14共15个模型中,平均准确率达94.75%,平均特异性97.42%,平均灵敏度98.79%。D+14模型取得最高准确率和特异性,D+0和D+2模型灵敏度最高。所有指标最低值均超过93%。高特异性表明模型有效处理了类别不平衡,正确识别了多数无搁浅日;强灵敏度反映了对实际搁浅事件的准确检测能力。
3.2 **区域回归模型**
15个区域回归模型的MAE和RMSE值分别稳定在平均0.13和0.18,误差无显著波动。通过将连续输出(阈值0.5)转化为分类结果后,取得最高准确率92.74%,灵敏度89.89%,特异性98.96%。尽管分类指标略低于专用分类模型,但回归模型提供了地理精度更高的预测,能输出每个海岸区域的搁浅概率,而分类模型仅给出整个海岸的全局结果。
**总结与讨论**
本研究证明基于CNN的模型在14天预报期内能有效学习马尾藻搁浅的可预测动态,分类模型和区域回归模型均显著优于传统决策树。分类模型指标更高,但区域回归模型因其空间精确性对实际监测更具价值。当前模型基于再分析数据训练,未来需验证在实时操作数据上的表现。后续工作可通过ROC曲线分析确定最优阈值以缩小性能差距,并利用集成梯度(Integrated Gradients)方法识别对预测影响最大的变量(如特定风场或流场分量)。此外,鉴于14天预报的稳健表现,可尝试延长预报时限以提供更早期的警报。论文结论部分原文翻译如下:“本研究的目的是构建一个能够预测瓜德罗普海岸马尾藻到达的卷积神经网络模型。该模型拟使用风、表层流、卫星图像以及这些藻类在海岸上的搁浅和到达观测数据。为实现此目标,提出了多个分类和回归模型。两种方法的表现均优于先前研究中传统决策树(准确率70.10%,灵敏度73.10%,特异性69.20%)。相比之下,所提出的CNN模型获得了显著更高的结果,准确率最高达95.70%,灵敏度达99.64%,特异性达98.96%;回归模型还实现了平均MAE 0.13和平均RMSE 0.18,证实深度学习架构更适合在14天预报期内捕捉这些复杂动态。本研究的一个重要优势在于回归模型的地理精度。尽管分类模型获得了更高的指标,但回归方法对于精确监测更为相关。尽管由于固定阈值存在轻微性能差距,这些模型为每个海岸区域提供了具体的预测,而非单一的全局输出。目前研究表明数据中存在显著的可预测性,模型能够有效学习。但由于模型基于再分析数据训练,未来需要探究在使用实时操作数据时是否保持相同性能水平。后续工作可聚焦于改进回归分数以缩小性能差距,例如通过ROC曲线分析确定最优阈值,以及利用集成梯度分析确定哪些预测因子对预报影响最大。此外,即使在14天预报期也观察到的稳健性能,促使我们在后续研究中延长预报时限,为海岸管理提供更早预警。”