人类活动改变了近岸海域硅酸盐的输入状况，导致近海的浮游植物组成结构发生改变，增加了有害藻华风险。因此，有必要以更高的时空分辨率估算近岸海域硅酸盐的时空分布，深入理解近海硅循环的动态变化，为制定有效的海洋生态环境治理提供科学依据。然而，由于溶解硅酸盐（DSi）是非光学活性参数，其遥感反演存在时空非平稳性和复杂非线性特征，难以建立准确的回归关系。为开展高时空分辨率的表层DSi时空变化研究，本研究提出了一种融合基于地理和时间神经网络加权回归（GTNNWR）模型、数据插值经验正交函数（DINEOF）模型和卫星观测资料的时空智能回归方法，在浙江近岸海域获得了9年每日500米分辨率的表层DSi浓度时空全覆盖产品（R²=78.5%）。宏观上，DSi的长时序、大范围分布准确反映了河流、洋流和生物效应影响下的多时空尺度波动变化状况。2010-2018年月均DSi浓度与长江冲淡水流速流向的相关系数达到-0.462**，定量揭示了大河输入对DSi浓度的显著影响。得益于高时空分辨率，本研究发现了在赤潮和台风发生前后的DSi细节变化：在硅藻藻华发生的1-2周内，DSi往往会出现2次下降，这可以为硅藻藻华的实时监测和预警提供重要信号，指导海洋富营养化灾害的应急决策；研究还精确捕捉到了台风登陆近海时引起的DSi陡增现象，且该增量将在3~5日后回归原始水平，该发现为研究台风期间营养盐的短期变化规律提供了进一步证据。因此，本研究基于数据驱动的时空智能回归方法，首次实现了高时空分辨率的近岸海域DSi分布估算，通过时空细节挖掘了DSi在陆源因素和灾害事件下的变化规律，对于促进数据驱动的海岸带生态环境研究具有重要的意义。

硅酸盐,地理加权回归,高时空分辨率,人工智能