海洋是生命的基础，具有丰富的资源，合理地开发海洋资源对经济和社会发展有重大意义。然而海洋污染引起的环境问题和生态灾害对人类的生活及社会的进步造成了不同程度的影响，如海洋垃圾、赤潮灾害和海洋周边的工业废水泄漏等。海洋监测技术在海洋防灾减灾中起到决定性的作用[1]，对海洋立体监测数据的收集、分析和利用不仅可以推动海洋相关科学研究，也能够对各生产应用部门提供可靠的数据支持，如海洋生态环境监测部门、海洋灾难预警监测部门、国防安全部门、海洋个人消费领域等。目前世界各国都加大了对海洋监测的投入力度，中国也在“海洋强国”战略的号召下，对海洋要素的立体监测及分析应用领域的投入逐年增加。作为海洋监测常见的技术手段，海洋浮标[1]实现对海洋水文气象的近岸自动观测，能长期、全天候收集海洋水文水质参数信息。然而受限于浮标观测站点的部署密度，无法对海域所有位置进行全面观测；另一方面，近年来海洋遥感[2]也被常用于针对海域的大范围监测，相较于浮标海洋遥感具有覆盖范围广的显著优点。但遥感数据更新周期长、分析难度大，难以实时掌握海洋水文变化规律。目前，国内对海洋监管多采取单一方式（遥感或浮标）对海洋灾害预防进行研究及监管。然而，无论是单独从遥感还是浮标方面对海洋水文要素进行监测都具有显著的片面性。针对现有的海洋监测系统的局限性，本文提出基于浮标数据与遥感数据多源数据相融合的海洋水文要素监测系统，依靠不同模态数据之间的信息互补实现对海洋水文要素全方位、实时的监测、反演和预警。具体而言，本文的主要内容和贡献包括如下：①构建融合遥感数据和浮标数据的多模态海洋水文监测系统。该平台由卫星遥感、多参数海洋监测浮标、海洋大数据服务系统、业务处理平台及 AI 分析平台 5 大模块组成，实现针对海域的全面监测。②研究跨模态深度反演算法，基于浮标监测数据和遥感数据多模态数据融合，预测目标海域任意位置、任意时刻的遥感检测数值，解决了遥感数据的时间稀疏性和浮标数据的空间稀疏性的问题。③基于 LSTM 与小波滤波的时序预测模型，以及基于自编码器的水文异常检测模型，实现对水文要素时序信号的多尺度、多视角智能分析和预测，提高监管效率。
1、相关工作
2、体系结构
近年来，中国海洋环测技术快速发展，基于海洋光学、水文学和数理统计学等多种方式的水文要素的预报方法得到深入研究，包括贝叶斯概率、回归分析、模糊数学和人工神经网络等方法。具体而言，2003 年，屈忠义等[2]提出基于 BP（Back Propagation，人工神经网络）算法的水文预测方法，为灌区区域地下水文预测应用提供解决方案；2006 年，盛春淑等[3]提出基于SWAT（Soil and Water Assessment Tool，分布式水文预测模型）的水文预测方法，对流域径流、降雨进行预测，实验结果表明，其预测值和实测值高度拟合，具有较高精度；2011 年，刘章君等[4]提出了基于贝叶斯的海洋水文时序预测分析方法，建立了在水文时间序列预测中的贝叶斯动态模型技术体系，结合主客观信息实现对涝期和风暴潮的实时预报；2020 年，张天一等[5]提出了海洋水温异常和盐度异常的预测模型，利用卫星遥感观测数据建立了基于 LightGBM 算法的海洋内部水温异常和盐度异常的单时相与时序的预测模型，为以后研究重建海洋次表层温盐场结构提供了技术支持；2021 年，黄妙芬等[6]建立了基于 Landsat 遥感数据和长短期记忆网络的海洋石油污染预测模型，并在海上油港推广使用，证明了该方法的有效性；2021年，衣学军等[7]建立了基于 db5 离散小波分解和非线性自回归神经网络的水文时序预测模型，并引入了贝叶斯正则化算法来泛化网络结构，展示了多尺度的水文变化规律。目前国内研究大多数以单一模态的数据（浮标或遥感）进行水文预测。受制于浮标数据的空间局限性和遥感时间局限性，现有的系统难以满足错综复杂的水文业务的发展需求。本文以浮标水文监测数据与遥感数据融合为基础，结合多种人工智能算法建立海洋水文时序预测、异常监测和地理反演等实际应用场景，对水文要素时序的变化趋势、异常状态、地理空间反演进行全天候立体联合监测。下文将围绕海洋立体监测平台系统设计和应用展开研究和讨论。
3、关键技术
浮标数据作为近岸自动观测的重要手段，具有能实时、全天候的优势。然而，浮标数据具有明显的空间局限性，即受限于浮标观测站点的部署密度，无法对海域所有位置进行全面监测。另一方面，海洋遥感具有覆盖范围广的显著优点，却具有明显的时间局限性，即更新周期长、分析难度大，难以实时掌握海洋水文变化规律。本文提出了跨模态深度反演方法，通过融合浮标数据和遥感数据，实时推演连续海域空间、连续时间上的水文指标。
具体而言，采用基于注意力机制的长短期记忆网络（Long-Short Term Memory，LSTM）[7] 实现跨模态融合，如图 3 所示。给定任意时刻 t，该模型把该时刻所有浮标时序的特征向量作为输入数据，预测输出该时刻下任意位置的遥感数值。为简化模型计算，在建立模型之前，首先将监测区域空间划分成 m×m 的离散网格，并对网格内的遥感数值取平均值。通过 LSTM网络提取每个浮标的时序特征，并引入注意力机制[8]，将计算输出目标区域和各个浮标所在区域的特征关联性作为加权参数，联合不同浮标的多源时序数据深度特征对目标区域的遥感数值进行预测，训练过程中采用梯度下降法迭代优化参数。
3.2 多尺度水文时序预测算法
3.3 基于自编码器的水文异常检测算法
4、系统应用
叙述了基于上述关键技术的系统功能设计和应用，包括水文要素反演预测、水文时序预测及数据变化异常监测。
基于前述的多尺度水文时序预测算法，本系统实现了对各项水文要素的时序预测。表 1 为基于广州海域 4 个浮标站点 10 个指标在不同时间窗口下的预测结果。总体而言，系统具有较低的平均误差。相对而言，一些较为稳定的指标，如 pH 值、溶解氧质量浓度具有较高的预测精度，而叶绿素的质量浓度、藻红蛋白的质量浓度预测误差相对较大。随着时间窗口的加大，预测的误差会进一步加大，不可预知的复杂环境因素干扰增加。系统展示效果如图 7 所示。
本系统实现前述的基于自编码器的水文异常检测算法，对到达的时序数据进行实时分析，并为不同时间段的水文数据的异常指标赋分。对于异常数据，将产生异常事件并传递给业务处理平台进行相应的存储、索引，并提供根据时间、空间的实时检索交互功能。水文要素异常监测示意图如图 8 所示。
其中，图 8（a）以分段式折线图展示水文数值变化，并对异常区段进行高亮显示；图 8（b）将异常事件以图层的方式叠加至遥感图层，方便管理者直观查看异常事件的空间分布情况。
5、结论
本文设计并实现了基于多源信息融合的海洋水文监测智慧系统，结合卫星遥感、浮标监测等多模态数据，面向广州海域开展海洋数据资源的实际应用，构建了跨模态深度反演模型、多尺度水文时序预测模型及基于自编码器的水文异常检测模型。测试结果表明，该系统能够实现对高精度水文变化趋势的预测、反演，并能自动检测水文异常，为海洋相关部门提供了有效的数据支撑。
[1] 李晴.多参数海洋浮标监测系统研究[D].上海：上海海洋大学，2017.
[2] 屈忠义，陈亚新，史海滨，等.地下水文预测中 BP 网络的模型结构及算法探讨[J].水利学报，2004（2）：88-93.
[3] 盛春淑，罗定贵.基于 AVSWAT 丰乐河流域水文预测[J]. 中国农学通报，2006，22（9）：493-496.
[4] 刘章君，郭生练，许新发，等.贝叶斯概率水文预报研究进展与展望[J].水利学报，2019，50（12）：1467-1478.
[5] 张天一，苏华，杨欣，等.基于 LightGBM 的全球海洋次表层温盐遥感预测[J].遥感学报，2020，24（10）：1255-1269.
[6] 黄妙芬，王江颖，邢旭峰，等.基于 LSTM 网络的海水石油污染含量遥感预测模型[J].广东海洋大学学报，2021，41（5）：67-73.
[7] 衣学军，魏守科，石玉好，等.基于小波非线性自回归网络的水文预测模型[J].计算机技术与发展，2021，31（3）：70-77.
[8] HOU Q ， ZHOU D ， FENG J.Coordinate attention for efficient mobile network design[C]//2021 IEEE/CVF conference on computer vision and pattern recognition （CVPR），2021. [9] 刘长德，顾宇翔，张进丰.基于小波滤波和 LSTM 神经网络的船舶运动极短期预报研究[J].船舶力学，2021，25（3）：299-310.
[10] 李勇，高小榕，郭爱雯.基于连续小波变化的心音信号时频分析[J].清华大学学报（自然科学版），2001，41（3）：77-80.
[11] 候少麒，梁杰，殷康宁，等.基于空洞卷积金字塔的目标检测算法[J].电子科技大学学报，2021，50（6）：843-851.
[12] 石鑫，朱永利，宁晓光，等.基于深度自编码网络的电力变压器故障诊断[J].电力自动化设备，2016，36（5）：122-126.
[13] 来杰，王晓丹，向前，等.自编码器及其应用综述[J].通信学报，2021，42（9）：218-230.
作者简介
范儒彬（1986—），男，学士，工程师。主要从事海洋灾害预警预报、海洋灾害调查评估、海洋经济运行评估分析等方面的工作。
廖国铭（1998—），男，学士，工程师，主要从事计算机视觉算法、机器
学习、全栈开发等方面的工作。
李学恒（1974—），男，高级工程师，主要从事海域海岛动态监管、海洋
生态修复、海域海岸带和海岛修复等方面的工作。
杨文佳（1995—），男，理学学士，高级工程师，主要从事测绘地理信息、信息化、海平面影响调查评估等方面的工作。
孙活坤（1995—），男，学士，助理工程师，主要从事海洋观测预报预警、海洋设备管理运维、海洋数据分析等方面的工作。
陈升敬（1996—），男，学士，高级工程师，主要从事计算机视觉、多模态融合表征、机器学习、软件开发与管理等方面的工作。
李晓威（1997—），男，学士，工程师，主要从事计算机视觉算法、软件开发等方面的工作。
通信作者：吕建明（1980—），男，博士，教授，主要从事多模态数据融合等方面的工作。
声明：本公众号相关内容均来自主流媒体及公众号，非商业用途，并不意味着赞同其观点或证实其内容的真实性。版权归原作者所有，如有发现侵犯您的权益，请后台联系编辑，我们会尽快删除相关侵权内容。