一種基于近地表風矢量和Bi-GRU-Attention模型的湖泊藻華空間分布預測方法

技術特征：

1.一種基于近地表風矢量和bi-gru-attention模型的湖泊藻華空間分布預測方法，其特征在于，包括以下步驟：

2.根據權利要求1所述基于近地表風矢量和bi-gru-attention模型的湖泊藻華空間分布預測方法，其特征在于，步驟s1中通過獲取目標區域的modis地表反射率數據，并按下式計算得到浮游藻類指數，

3.根據權利要求1所述基于近地表風矢量和bi-gru-attention模型的湖泊藻華空間分布預測方法，其特征在于，步驟s2所述藻華空間特征提取具體包括以下步驟：

4.根據權利要求3所述基于近地表風矢量和bi-gru-attention模型的湖泊藻華空間分布預測方法，其特征在于，步驟s23中，在構建網格化藻華覆蓋度時空矩陣時，還包括將原網格分辨率進行空間降采樣處理。

5.根據權利要求1所述基于近地表風矢量和bi-gru-attention模型的湖泊藻華空間分布預測方法，其特征在于，步驟s3藻華空間分布模型構建具體包括以下步驟：

6.根據權利要求1所述基于近地表風矢量和bi-gru-attention模型的湖泊藻華空間分布預測方法，其特征在于，步驟s3中所述bi-gru-attention模型訓練時采用均方誤差mse作為損失函數。

7.根據權利要求1所述基于近地表風矢量和bi-gru-attention模型的湖泊藻華空間分布預測方法，其特征在于，步驟s4中，通過利用模型估算的時間系數與對應模態的線性組合，按下式重構得到網格化藻華覆蓋度的空間分布向量，

技術總結
本發明公開了基于近地表風矢量和Bi?GRU?Attention模型的湖泊藻華空間分布預測方法，本發明采用經驗正交函數（EOF）分析提取藻華空間分布的主導模態和可以表示藻華空間格局時序變化特征的時間系數；然后，構建基于注意力機制的雙向門控循環單元模型，提取風矢量時序中的關鍵動態特征，并識別對藻華空間分布格局形成具有顯著貢獻的風況時段；最后，通過風矢量時序狀態預測藻華空間主導模態時間系數，并結合對應空間模態重構了藻華空間分布，本發明為風驅動下藻華空間分布的研究提供了新思路。

技術研發人員：鄧建才,阮曉雨,梁慶華,賴錫軍
受保護的技術使用者：中國科學院南京地理與湖泊研究所
技術研發日：
技術公布日：2026/6/9