基于卫星的特征提取与贝类生物毒素污染的多变量时间序列预测

贝类生产是许多葡萄牙沿海地区经济的重要部门，然而贝类生物毒素污染问题既带来公共健康隐患，也造成显著的经济风险。因此，预测贝类污染水平对改进生产管理与保障公共健康极具潜力。在本研究中，我们使用了一份包含多年 Sentinel-3 卫星海洋监测影像的数据集，以及由葡萄牙官方管控采集的沿葡萄牙西海岸多个生产区的贝类生物毒素污染数据。我们的目标是评估在预测时限最长达四周的贝类毒素浓度预测模型中融合卫星数据，这意味着需提取少量有用特征并评估其对预测模型的影响。我们将此挑战构建为一个时间序列预测问题，利用指定区域的历史污染水平与卫星图像。尽管污染测量为每周一次，卫星图像每周可获取多次。采用能够处理由云层覆盖、陆地或异常等因素所致无效像素的自编码器进行无监督特征提取。最后，应用若干人工神经网络模型比较单变量（仅污染）与多变量（污染与卫星数据）时间序列预测。我们的结果表明，融入这些特征可改善预测，尤其在潟湖生产区（RIAV）超过一周的预报以及 L5B 区（海洋性）的 1 周和 2 周预报时限内。该方法论展示了在不损害模型预测能力的前提下，融合遥感等高维数据源信息的可行性。