良好的海水资源是海洋生态环境持续发展的重要保障,水体富营养化程度的不断加剧,导致有害藻类的频繁爆发,叶绿素a可作为定量分析海洋藻类等浮游植物生长情况的重要指标。它与海表温度、海表风场、海浪场的变化以及人类活动等因素密切相关,探究叶绿素a浓度和环境因子的时空变及响应关系,利用长短时记忆(Long Short-Term Memory,LSTM)神经网络预测叶绿素a浓度的变化趋势,对监测有害水华起了不可替代的作用。基于2003-2017年中分辨率成像光谱仪MODIS/Aqua的卫星遥感数据,对黄渤海海域长时间的叶绿素a浓度序列的时空变化趋势进行分析。结果表明黄渤海海域叶绿素a浓度在空间上存在从近海岸海域向深水海盆逐渐降低的变化趋势。从年际变化上看,黄渤海海域叶绿素a浓度在整体上呈现增长速率降低的上升趋势,但是有些区域存在相反的变化趋势。黄渤海海域叶绿素a浓度还存在明显的周期性变化和季节性变化,在7月达到最低2.41mg·m-3,4月出现最高3.43mg·m-3。此外,还发现莱州湾海域叶绿素a浓度的最大值出现在9月。通过赫斯特指数(H>0.5)发现叶绿素a浓度还存在长记忆性。黄渤海海域叶绿素a浓度的时空变化受到海表温度、海表风场和海浪场时空变化的影响。通过分析发现,黄渤海海域的海表温度、海表风场和海浪场都存在显著的季节性变化。夏季,黄渤海海域盛行偏南风,温度较高且整个海域的温度相差比较小,且没有明显的分界线。冬季盛行偏北风,温度比较低,整个海域从南到北温度逐渐降低且存在明显的温差分区,海浪比较大。春、秋季节处于海表风场风速和风向转变的季节,风向比较混乱且稳定性比较差。黄渤海海域海表风场的风速和风向表现出较为强烈的年内周期波动。黄渤海海域每个季节的波浪场与风场变化基本一致。通过广义相加模型(Generalized Additive Model,GAM)分析环境因子(海表温度、风速、海浪高度和海浪方向)对叶绿素a浓度变化影响和相关性分析。结果发现叶绿素a浓度与海表温度、风速、海浪高度和海浪方向之间存在显着的非线性相关性。这些环境因子对叶绿素a浓度变化的解释率为47.9%,对叶绿素a浓度变化有显着影响。与风速,海浪高度和海浪方向相比,海表温度可以更好地解释黄渤海海域叶绿素a浓度的变化。此外,风向和人类活动的增加(例如“调水调沙”工程、河水排放)在改变黄渤海海域的叶绿素a浓度分布方面也起着重要作用。叶绿素a浓度在某种程度上具有时间依赖性,且具有季节性、周期性变化和长记忆性变化,LSTM能够很好的处理这种时间序列。本文基于黄渤海海域叶绿素a浓度时间序的列分析,建立LSTM网络模型和基于LSTM变形的GRU(Gated Recurrent Unit Network)网络模型,描述我国黄渤海海域叶绿素a浓度的变化。通过建立循环神经网络(Recurrent Neural Network,RNN)模型、LSTM网络模型和GRU网络模型对叶绿素a浓度进行预测,对比发现RNN模型的精度要明显低于LSTM网络模型和GRU网络模型,但是运行时间最少。LSTM网络模型和GRU网络模型的预测结果相差不大,但GRU网络模型运行时间更短。LSTM和GRU模型的预测精度都会随着预测天数的不断增加而逐渐降低。