MCC2025决赛附加题：全球及中国近海生态环境要素智能预测

MCC 2025

决赛附加题

  全球及中国近海

生态环境要素智能预测

01. 附加题简介

本赛题旨在利用全球或中国近海叶绿素卫星遥感数据，通过智能算法实现生态环境要素（如叶绿素浓度、初级生产力等）的高分辨率时空预测，如全球10km，近海3-5km，并实现未来1-7 天的时序预测。需整合时空特征提取、机器学习模型构建及不确定性分析，确保预测结果的物理合理性与精度。赛题基于 Python 实现，需兼顾模型预测精度与计算效率。

02. 程序要求

核心功能

数据读取与预处理：读取卫星遥感数据（NetCDF/HDF 格式），完成基本的数据预处理。

特征工程：提取时空特征（如图像变化信息、时间序列变化信息、季节周期、以及其他环境要素协同变量），构建训练数据集。

智能预测模型：实现深度学习模型（如时空卷积网络 STCNN、Transformer、LSTM-Attention）或机器学习模型（随机森林、XGBoost），支持多步预测。

不确定性评估：输出预测结果的置信区间（如概率预测或误差估计）。

结果输出：生成网格化预测结果，包括图片图像，时间步长不低于每日，空间分辨率满足全球或区域高精度需求。

代码规范

必须使用 Python 开源框架（如TensorFlow/PyTorch/SciKit-Learn）。

代码需包含完整注释、文档字符串及可复现的训练流程。

03. 数据准备

全球数据：NASA MODIS/Aqua 叶绿素数据（如OC-CCI 产品，分辨率 4km或9km)

中国近海数据：卫星叶绿素数据

辅助数据：区域海洋动力数据（如温度、海流）

04. 结果验证

定量指标

对比预测结果与实测数据，计算以下指标：

均方根误差（RMSE）

皮尔逊相关系数（R）

平均绝对误差（MAE）

可视化验证：

生成预测结果时空分布图，评估与洋流、锋面等生态现象的空间一致性

05. 题目要求

输出格式：预测结果需保存为 NetCDF 格式，包含时间（time）、经度（lon）、纬度（lat）、预测值（chlorophyll）及不确定性字段（uncertainty）。

精度要求：不得对原始卫星数据进行无依据的降采样或随意插值，需保留原始数据时空分辨率信息。

预测范围：全球或中国近海区域（可自选，需在代码中明确界定）

06. 本题评分规则

内容来源：海洋计算挑战赛