<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>李晓玲 | 人工智能海洋技术场景化应用山东省工程研究中心</title><link>https://aiocean.center/authors/xiaoling-li/</link><atom:link href="https://aiocean.center/authors/xiaoling-li/index.xml" rel="self" type="application/rss+xml"/><description>李晓玲</description><generator>HugoBlox Kit (https://hugoblox.com)</generator><language>zh-Hans</language><image><url>https://aiocean.center/media/authors/xiaoling-li_hu_4fb5fac6ffc2f0df.jpg</url><title>李晓玲</title><link>https://aiocean.center/authors/xiaoling-li/</link></image><item><title>A Transfer Learning–CNN Framework for Marine Atmospheric Pollutant Inversion Using Multi-Source Data Fusion</title><link>https://aiocean.center/publications/xiang-gong/2025-li-transfer/</link><pubDate>Wed, 08 Oct 2025 00:00:00 +0000</pubDate><guid>https://aiocean.center/publications/xiang-gong/2025-li-transfer/</guid><description/></item><item><title>大气污染物（CO、O3、SO2、NO2）沉降通量数据集</title><link>https://aiocean.center/datasets/chemical-oceanography/2025_li_a/</link><pubDate>Wed, 08 Oct 2025 00:00:00 +0000</pubDate><guid>https://aiocean.center/datasets/chemical-oceanography/2025_li_a/</guid><description>&lt;h2 id="信息卡片"&gt;信息卡片&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;中文名称: 大气污染物（CO、O3、SO2、NO2）沉降通量数据集&lt;/li&gt;
&lt;li&gt;英文名称: Atmospheric Pollutant Deposition Flux Data Set (CO, O₃, SO₂, NO₂)&lt;/li&gt;
&lt;li&gt;DOI: [https://doi.org/10.3390/atmos16101168]&lt;/li&gt;
&lt;li&gt;CSTR: [https://www.mdpi.com/2073-4433/14/3/467]&lt;/li&gt;
&lt;li&gt;数据集编码:&lt;/li&gt;
&lt;li&gt;数据共享方式: 完全共享&lt;/li&gt;
&lt;li&gt;授权许可方式:&lt;/li&gt;
&lt;li&gt;学科分类: 化学海洋&lt;/li&gt;
&lt;li&gt;数据量: 686MB&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="基本信息"&gt;基本信息&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;时间范围: 2014年01月01日至2021年12月31日&lt;/li&gt;
&lt;li&gt;水平分辨率: 0.75° x 0.75°&lt;/li&gt;
&lt;li&gt;空间区域:&lt;/li&gt;
&lt;li&gt;垂直分辨率: -&lt;/li&gt;
&lt;li&gt;经度范围: 116.25°E~123.75°E&lt;/li&gt;
&lt;li&gt;时间分辨率: 3h&lt;/li&gt;
&lt;li&gt;纬度范围: 35.25°N~42.75°N&lt;/li&gt;
&lt;li&gt;存储格式: nc&lt;/li&gt;
&lt;li&gt;要素信息: time，latitude，longitude，CO，O3，SO2，NO2&lt;/li&gt;
&lt;li&gt;关键词: 深度学习，沉降通量，CO、O3、SO2、NO2&lt;/li&gt;
&lt;li&gt;资助项目编码:&lt;/li&gt;
&lt;li&gt;资助项目:&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="数据联系信息"&gt;数据联系信息&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;数据生产者: 贾兴斌&lt;/li&gt;
&lt;li&gt;单位: 青岛科技大学数理学院&lt;/li&gt;
&lt;li&gt;联系方式: 18409351359&lt;/li&gt;
&lt;li&gt;中心联系人: 宫响&lt;/li&gt;
&lt;li&gt;联系方式: gongxiang@qust.edu.cn&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="数据使用声明"&gt;数据使用声明&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;声明内容: 为尊重知识产权、保障生产者和数据服务提供者的权益，请数据使用者在基于本数据所产生的研究成果（包括项目评估报告、验收报告，以及学术论文或毕业论文等） 中标注数据来源，并按照[文献引用方式]标注需引用的参考文献，同时将可公开成果提交到本平台。&lt;/li&gt;
&lt;li&gt;引用方式:数据来源于青岛科技大学数理学院，数据提供者:贾兴斌。&lt;/li&gt;
&lt;li&gt;致谢方式: 感谢青岛科技大学数理学院贾兴斌提供数据支撑。&lt;/li&gt;
&lt;/ul&gt;</description></item><item><title>2014年-2020年大气污染物及气象数据集</title><link>https://aiocean.center/datasets/chemical-oceanography/2025_wang_a/</link><pubDate>Fri, 14 Mar 2025 00:00:00 +0000</pubDate><guid>https://aiocean.center/datasets/chemical-oceanography/2025_wang_a/</guid><description>&lt;h2 id="信息卡片"&gt;信息卡片&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;中文名称: 2014年-2020年大气污染物及气象数据集&lt;/li&gt;
&lt;li&gt;英文名称: Atmospheric Pollutants and Meteorological Data Set 2014-2020&lt;/li&gt;
&lt;li&gt;DOI: [https://doi.org/10.3390/su17062546]&lt;/li&gt;
&lt;li&gt;CSTR: [https://www.mdpi.com/2073-4433/14/3/467]&lt;/li&gt;
&lt;li&gt;数据集编码:&lt;/li&gt;
&lt;li&gt;数据共享方式: 完全共享&lt;/li&gt;
&lt;li&gt;授权许可方式:&lt;/li&gt;
&lt;li&gt;学科分类: 化学海洋&lt;/li&gt;
&lt;li&gt;数据量:&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="基本信息"&gt;基本信息&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;时间范围: 2014年01月01日至2020年09月19日&lt;/li&gt;
&lt;li&gt;水平分辨率: 不固定&lt;/li&gt;
&lt;li&gt;空间区域: 山东半岛&lt;/li&gt;
&lt;li&gt;垂直分辨率: -&lt;/li&gt;
&lt;li&gt;经度范围: 116.25°E~123.75°E&lt;/li&gt;
&lt;li&gt;时间分辨率: 天&lt;/li&gt;
&lt;li&gt;纬度范围: 35.25°N~42.75°N&lt;/li&gt;
&lt;li&gt;存储格式: CSV&lt;/li&gt;
&lt;li&gt;要素信息: CO,O3,SO2,NO2,PM10,PM2.5,空气质量指数(AQI)，气温(Temp)，气压(STP)，相对湿度(RH)，风速(WS)和风向(WD)&lt;/li&gt;
&lt;li&gt;关键词: 山东半岛，2014-2020年，大气污染物，气象参数&lt;/li&gt;
&lt;li&gt;资助项目编码:&lt;/li&gt;
&lt;li&gt;资助项目:&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="数据联系信息"&gt;数据联系信息&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;数据生产者: 贾兴斌 汪国菊&lt;/li&gt;
&lt;li&gt;单位: 青岛科技大学数理学院&lt;/li&gt;
&lt;li&gt;联系方式: 18409351359，15505458272&lt;/li&gt;
&lt;li&gt;中心联系人: 宫响&lt;/li&gt;
&lt;li&gt;联系方式: gongxiang@qust.edu.cn&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="数据使用声明"&gt;数据使用声明&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;声明内容: 为尊重知识产权、保障生产者和数据服务提供者的权益，请数据使用者在基于本数据所产生的研究成果（包括项目评估报告、验收报告，以及学术论文或毕业论文等） 中标注数据来源，并按照文献引用方式标注需引用的参考文献，同时将可公开成果提交到本平台。&lt;/li&gt;
&lt;li&gt;引用方式:数据来源于青岛科技大学数理学院，数据提供者:贾兴斌，汪国菊。&lt;/li&gt;
&lt;li&gt;致谢方式: 感谢青岛科技大学数理学院贾兴斌提供数据支撑。&lt;/li&gt;
&lt;/ul&gt;</description></item><item><title>A New Hybrid Deep Sequence Model for Decomposing, Interpreting, and Predicting Sulfur Dioxide Decline in Coastal Cities of Northern China</title><link>https://aiocean.center/publications/wenming-yin/2025-wang-a/</link><pubDate>Fri, 14 Mar 2025 00:00:00 +0000</pubDate><guid>https://aiocean.center/publications/wenming-yin/2025-wang-a/</guid><description/></item></channel></rss>