高质量数据集典型案例 | 海南省海洋灾害多维立体监测与智能预报预警高质量数据集

　　推荐单位：海南省数据局
　　申报单位：海南欧特海洋科技有限公司、国家海洋信息中心、国家海洋技术中心、海南省海洋监测预报中心
　　一、背景
　　全球气候变化引起极端灾害频发，海岸带受到台风、风暴潮、赤潮、海浪、裂流等多类海洋灾害的威胁。海洋多维立体观测网所获取的各类海洋基础数据经过标准化处理、融合与质控后耦合智能化网格，在海洋灾害智能预报预警、综合防治等领域具有重要应用价值。本案例针对海洋环境数值预报缺乏智能订正与精细场景释用，典型生态灾害的风险预警、影响与评价不全面，以及海滨灾害智能识别与预警准确度低等问题，形成了支撑海洋动力灾害、生态灾害与海滨灾害等综合防治业务化场景的高质量数据集，经过训练提高了预报预警时效性、准确率和精细化水平。
　　二、方案和成效
　　一是构建海洋环境数值预报的智能订正与精细场景释用技术，提升预报产品的时效性、准确率和精细化水平。基于GPU-CPU异构计算、深度学习与人工智能模型、检验评估等技术，建立覆盖海南沿海的离岸和近岸风、海浪、温盐流、风暴潮等要素的预报模式，形成约9.6TB合格率达95%的高质量数据，服务海洋灾害预报警报业务。
　　二是构建物理—化学—生物相耦合的三维海洋生态动力学预报预警方法，完善典型生态灾害的风险预警、影响与评价体系。汇聚生态监测、现场调查、实验室检测等共计55类数据，经过数据质控与融合，形成海洋生态灾害预警融合数据集；基于AI训练形成针对赤潮等多种生态灾害的专题预警产品。
　　三是基于机器视觉数据标注与在线式动态采样训练，实现海浪与裂流智能识别与预警。基于标识物（水尺/裂流漂浮物）标注的图像通过三维反演构建本地特征数据，每月实时汇聚的数据量约8TB，基于深度学习模型并进行训练与优化，提升海滨灾害（海浪与裂流）的智能识别率和预警时效约30%。
　　四是形成覆盖海洋灾害全周期的数据产品管理机制，提升数据汇聚与业务化服务水平。建立覆盖海洋灾害全周期的数据产品管理机制，形成“实时感知—精准预报—生态保护—智能防控”链条，服务10余类海洋灾害综合防治业务场景。
　　三、创新点
　　一是技术创新驱动数据与产品质量提升。在海南沿海及其周边海域采用自主可控的海洋预报模式与物理耦合海洋生态数值方法，实现融合数据的一体化智能网格以及预报预警产品时效性、准确性和空间分辨率的大幅提升，形成覆盖10多个环境要素与9个生态专题的高质量数据集。
　　二是模式创新驱动数据标注效率提升。通过海滨重点区域的机器视觉前端与机房部署的GPU服务器集群，基于CNN卷积神经网络和Transformer深度学习框架实现海滨灾害（越浪与裂流）的动态识别与测量，业务联动发出预警信息，避免人员遇险。
　　三是机制建设促进数据流通与场景化应用。通过数据交换与共享机制，汇集高质量数据并充分融合，加速数据流通，并在海洋多灾种防治场景中的产品化与业务化应用。