文章摘要:【目的】提出一种基于美国陆地卫星Landsat遥感数据和长短期记忆（Long Short-Term Memory，LSTM）网络的海洋石油污染含量预测模型。【方法】利用1984—2020年在大连新港海域过境的Landsat卫星所采集的可见光-近红外波段[（0.45 ～ 0.90）μm]光谱数据，基于LSTM网络，分别建立空间分辨率为30 m、时间分辨率为8 d的4波段遥感反射比R_rs预测模型，并对预测模型所涉及的神经网络层数、隐藏神经元节点数和回溯时间步长等超参数进行优化；在4波段R_rs预测值的基础上，结合基于水体石油污染归一化遥感反射比指数（normalized difference petroleum remote sensing reflectance index，NDPRI）的石油含量遥感反演模型，对海域石油污染含量C_o值进行预测。【结果】对于蓝光、绿光、红光和近红外4个波段，神经网络层数依次取3、3、4和3层，隐藏神经元节点取64、96、64和96个，回溯时间步长皆取6 d为最优；根据2021年1—5月现场的C_o测量值，对LSTM网络预测值进行精度分析，平均相对误差为9.17%。【结论】基于LSTM网络建立的C_o预测模型具有较好的精度，所预测的结果可弥补在有云情况C_o数据缺失的问题，也可为相关C_o未来动态演变研究提供一种新技术手段。

文章关键词:

项目基金: