从遥感到多时间尺度预测：用于尚普兰湖蓝藻有害藻华强度的Transformer模型

蓝藻有害藻华（CyanoHABs）对全球水生生态系统和公众健康构成重大威胁。尚普兰湖特别容易发生反复的蓝藻有害藻华事件，尤其是在其北部区域：密西西比湾、圣阿尔班斯湾和东北臂，由于营养富集和气候变异。遥感为监测和预测这些事件提供了可扩展的解决方案，在现场观测稀疏或不可用的区域提供持续覆盖。在本研究中，我们提出了一种仅基于遥感的预测框架，结合Transformer和BiLSTM来预测长达14天的蓝藻有害藻华强度。该系统利用蓝藻评估网络的蓝藻指数数据和中等分辨率成像光谱仪卫星的温度数据来捕捉卫星时间序列中的长程依赖和序列动态。数据集非常稀疏，缺失超过30%的蓝藻指数数据和90%的温度数据。一个两阶段预处理流程通过逐像素的前向填充和加权时间插值来处理数据缺口，随后进行平滑以减少蓝藻有害藻华事件的不连续性。原始数据集通过蓝藻指数值的等频率分箱和提取的温度统计量转化为有意义的特征。Transformer BiLSTM模型在多个时间尺度上展现出强大的预测性能，在1天、2天和3天预测中分别达到F1分数89.5%、86.4%和85.5%，并在14天时间尺度上保持F1分数78.9%和AUC 82.6%。这些结果证实了该模型从稀疏卫星数据中捕捉复杂时空动态的能力，以及为蓝藻有害藻华管理提供可靠早期预警的能力。