近日，Remote Sensing在线发表了海洋与大气学院最新科研成果“Mid-Long-Term Prediction of Surface Seawater Organic Carbon in the Southern South China Sea Based on Multi-Applicability CNN-LSTM Prediction Model”（基于多适用性CNN-LSTM预测模型的南海南部表层海水有机碳中长期预测），该成果第一作者是“海洋可持续发展”交叉学科博士生刘娜，通讯作者是海洋与大气学院余静副教授。
有机碳库是海洋碳循环的重要组成部分。研究海陆交界处的有机碳分布和年际变化，有助于理解人类世背景下的全球海洋碳循环和生态效应，有助于探讨人类活动和海洋碳库的空间关联影响因素和作用机制。尽管目前对海洋碳循环中碳的来源和通量已有一定的研究，但对海洋碳的预测仍处于起步阶段。本研究利用美国航空航天局（NASA）官网MODIS Level 2半月合成数据（2002.01-2020.06），优化考虑时空特征的CNN-LSTM深度学习模型，对颗粒有机碳（POC）和黄色物质（CDOM）进行了5年中长期滚动预测。研究结果表明，优化后的模式也可用于POC和CDOM的中长期滚动预测，能够分别准确预测三年和两年的POC和CDOM（R>0.5）。同时，验证了预测值和实际值的5年趋势，即2015-2020年海面POC和CDOM的预测值和实际值总体呈上升趋势；海洋表层POC和CDOM被认为与初级生产有关。
综上所述，南海南部表层海水有机碳的中长期预测有助于人类探索南海珊瑚礁海域有机碳的区域特征，研究表层海水有机碳的变化趋势（图1）。
发表文章列表：
Liu, N.; Zhang, K.; Yu, J.; Chen, S.; Zheng, H. Mid-Long-Term Prediction of Surface Seawater Organic Carbon in the Southern South China Sea Based on Multi-Applicability CNN-LSTM Prediction Model. Remote Sens. 2023, 15, 4218.
文章链接：https://doi.org/10.3390/rs15174218