一种基于时间序列分析的赤潮预测新方法研究——以浙江海域为例

作者：徐丽丽1 2  余骏3  高鑫鑫1 2  车助镁3  何雯1 2  邱婷1 2

单位：1. 国家海洋局东海预报中心, 上海 200081; 2. 海洋生态监测与修复技术重点实验室, 上海 200081; 3. 浙江省海洋监测预报中心, 浙江 杭州 211800

关键词：浙江海域 赤潮发生次数 ARIMA模型 年度趋势预测

分类号：X55

出版年·卷·期（页码）：2020·37·第五期（95-103）

摘要：

根据1989—2018年《中国海洋灾害公报》及浙江省海洋监测预报中心提供的1981—2019年监测数据，统计分析了浙江海域赤潮的发生次数长期变化和季月波动特征。基于月发生次数的时间序列，建立了一种以数据驱动为核心、简易实用的赤潮预测模型，并对2019年进行后报检验。结果表明：（1）近40 a浙江海域赤潮发生次数呈“低频发生-爆发增长-缓降波动” 3段式年际变化规律，同时97.5%集中爆发在春夏季，其中5月爆发次数最多；（2）通过数据差分处理和参数检验，最终确定的最优时间序列预测模型为ARIMA（1，1，1）（1，1，0）12，且残差通过白噪声检验，拟合优度系数为0.68，绝对误差控制在两次以内的样本占总数的84%，具有可预测性；（3）模型经浙江海域2019年逐月赤潮后报预测检验，其年相对误差为14%，月绝对误差在两次以内，预测结果理想。在目前赤潮发生机制尚不完全清楚的情况下，利用ARIMA模型进行赤潮发生次数的年际和季节特征预测是一种经济且有效的途径，也是赤潮灾害年度趋势预测方法和业务化预警技术的新尝试和有效补充。

Based on the historical data collected and compiled from China Marine Disaster Bulletin and the Marine Monitoring and Forecasting Center of Zhejiang Province from 1981 to 2019, the long-term change and seasonal variation characteristics of the red tide occurrence in Zhejiang sea areas are analyzed in this paper. We establish a red tide prediction model based on time series of the monthly occurrence and verify the hindcast results for 2019. The results show that the frequency of red tide occurrence in Zhejiang sea area presents three distinct inter-annual variation features of "low frequency-explosive growth-decline fluctuation" over the past 40 years. At the same time, 97.5% of the red tide outbreaks are concentrated in spring and summer with the most frequent occurrence in May. Based on data differential processing and parameter verification, ARIMA (1, 1, 1) (1, 1, 0)12 is identified as the optimal time series prediction model, and the model residual passes the white noise test with a fit coefficient of 0.68. The absolute error within 2 times accounts for 84% of the total samples, which proves the predictability of the model. The hindcast verification on the monthly red tide occurrence is conducted for 2019 in Zhejiang sea area. The relative error is 14% and the absolute error is within 2 times, which is reasonably well. As a result, considering the mechanism of red tide is not completely clear at present, it is an economic and effective way to predict the occurrence of red tide using ARIMA model, which is also a new effort and effective supplement to the existing technology of the annual trend prediction and operational early warning of red tide disaster.

参考文献：

[1] 齐雨藻. 中国沿海赤潮[M]. 北京:科学出版社, 2003. [2] 周名江, 朱明远, 张经. 中国赤潮的发生趋势和研究进展[J]. 生命科学, 2001, 13(2):54-59, 53. [3] 周燕. 浙江海域赤潮灾害及防治[M]. 杭州:浙江大学出版社, 2017. [4] 张福星, 姚玉娟, 马林芳. 温州沿海赤潮发生的水文气象条件及赤潮特征分析[J]. 海洋预报, 2016, 33(5):89-94. [5] 林祖亨, 梁舜华. 大鹏湾盐田海域夜光藻赤潮形成与潮汐的关系[J]. 海洋通报, 1993, 12(2):35-38. [6] 赵冬至, 张丰收, 杨建洪, 等. 表征赤潮水体太阳激发的叶绿素荧光高度的波段优化——归一化荧光高度法[J]. 海洋学报, 2005, 27(6):146-153. [7] 赵冬至, 张丰收, 赵玲. 近岸海域叶绿素和赤潮的AVHRR归一化差值探测方法研究[J]. 海洋技术, 2003, 22(3):30-33. [8] 陈晓翔, 邓孺孺, 何执兼, 等. 赤潮相关因子的卫星遥感探测与赤潮预报的可行性探讨[J]. 中山大学学报(自然科学版), 2001, 40(2):112-115. [9] 洪君超, 黄秀清, 蒋晓山, 等. 嵊山水域中肋骨条藻赤潮发生过程主导因子分析[J]. 海洋学报, 1993, 15(6):135-141. [10] 黄秀清, 蒋晓山, 陶然, 等. 长江口海区一次骨条藻赤潮发生过程的多元分析[J]. 海洋环境科学, 2000, 19(4):l-5. [11] 苏纪兰, 唐启升. 中国海洋生态系统动力学研究II渤海生态系统动力学过程[M]. 北京:科学出版社, 2002:445. [12] 张书文, 夏长水, 袁业立. 黄海冷水团水域物理-生态耦合数值模式研究[J]. 自然科学进展, 2002, 12(3):315-319. [13] 刘浩, 尹宝树. 渤海生态动力过程的模型研究Ⅰ. 模型描述[J]. 海洋学报, 2006, 28(6):21-31. [14] 林军. 长江口外海域浮游植物生态动力学模型研究[D]. 上海:华东师范大学, 2011. [15] 林军, 章守宇, 龚甫贤. 象山港海洋牧场规划区选址评估的数值模拟研究:滨海电厂温排水温升的影响[J]. 上海海洋大学学报, 2012, 21(5):816-824. [16] 夏综万, 于斌, 史键辉, 等. 大鹏湾的赤潮生态仿真模型[J]. 海洋与湖沼, 1997, 28(5):468-474. [17] 李雁宾. 长江口及邻近海域季节性赤潮生消过程控制机理研究[D]. 青岛:中国海洋大学, 2008. [18] 冯剑丰, 王洪礼, 李胜朋. 基于支持向量机的浮游植物密度预测研究[J]. 海洋环境科学, 2007, 26(5):438-441. [19] 王洪礼, 葛根, 李悦雷. 基于模糊神经网络(FNN)的赤潮预警预测研究[J]. 海洋通报, 2006, 25(4):36-41. [20] 徐丽丽, 龚茂珣, 徐婷婷, 等. 东亚气候异常与东海赤潮发生频次的关系研究[J]. 海洋预报, 2013, 30(5):8-14. [21] 杨红, 何春良. 我国海域赤潮发生与海温及厄尔尼诺的相关分析[J]. 海洋湖沼通报, 2009(2):1-6. [22] 邓邦平, 张昊飞, 何彦龙, 等. 1981-2011年间东海赤潮发生与厄尔尼诺关系分析[J]. 生态科学, 2017, 36(6):161-164. [23] 何春良, 杨红. 我国海域赤潮时空分布及其与厄尔尼诺的关系[J]. 上海海洋大学学报, 2009, 18(2):206-211. [24] 王振龙, 胡永宏. 应用时间序列分析[M]. 北京:科学出版社, 2007. [25] 夏菁, 张华勋, 林文, 等. ARIMA模型在疟疾发病率预测中的应用[J]. 中国血吸虫病防治杂志, 2016, 28(2):135-140. [26] 冯双磊, 王伟胜, 刘纯, 等. 风电场功率预测物理方法研究[J]. 中国电机工程学报, 2010, 30(2):1-6. [27] 徐丽丽. 象山港温排水海域赤潮发生预报模型研究[D]. 南京:南京信息工程大学, 2015. [28] 余辉, 袁晶, 于旭耀, 等. 基于ARMAX的PM2.5小时浓度跟踪预测模型[J]. 天津大学学报(自然科学与工程技术版), 2017, 50(1):105-111. [29] 刘珊, 陈幸荣, 蔡怡. 基于ARIMA模型的台风频次预测[J]. 海洋预报, 2016, 33(1):53-58. [30] 张文彤. SPSS11统计分析教程[M]. 北京:北京希望电子出版社, 2002:557-582. [31] 唐玉娜, 李启会. ARMA模型在预测问题中的应用[J]. 嘉兴学院学报, 2006, 18(S1):183-187. [32] 徐静. ARIMA模型及其应用[J]. 立信会计高等专科学校学报, 2001, 15(3):21-24. [33] 杜勇宏, 王健. 季节时间序列理论与应用[M]. 天津:南开大学出版社, 2008.

服务与反馈：

【文章下载】【发表评论】【查看评论】【加入收藏】