香港118现场直播站河口海岸学国家重点实验室研究员沈芳团队将人工智能(AI)技术与多源海洋大数据相结合,提出了一种基于深度学习的时空生态集成模型(STEE-DL),进而开发了领域内首套全球长时序(1998-2023)逐日无缝4公里浮游植物功能群浓度数据产品(AIGD-PFT),显著提升了对8种主要浮游植物功能群的反演精度和时空覆盖率。10月23日,相关研究发表于《地球系统科学数据》。
为更深入探索海洋浮游植物在生态功能、资源利用方式及环境适应性方面的差异,研究人员将其划分为不同的浮游植物功能类型(PFT)。全球大尺度、长时序、高精度的PFT数据是研究海洋生态系统及其对气候变化响应的核心基础。然而,现有数据产品在反演精度、时空分辨率、空间覆盖率和时间跨度等方面仍面临重大挑战。
研究团队将浮游植物类群反演视为多元非线性映射问题,并引入了多源环境预测因子。在前期研究基础上,研究人员进一步扩展汇编了全球原位HPLC数据集,增加了原位观测数据的可用数量;随后,采用离散余弦变换-惩罚最小二乘法(DCT-PLS)来进行OC-CCI水色遥感产品的缺失重建,并整合多源海洋环境因子作为驱动数据;最后构建得到了STEE-DL模型。
研究中使用到的多源环境预测因子。图片来源于《地球系统科学数据》
研究团队表示,AIGD-PFT数据产品发布为分析浮游植物群落的时空动态提供了重要工具,有望对揭示浮游植物组成对气候变化的响应机制研究提供支持。该数据产品还可促进海洋碳通量的精确量化,提高生物地球化学模型的预测精度,为未来的气候变化与海洋科学研究提供有力支持。
相关论文信息:https://doi.org/10.5194/essd-16-4793-2024
阅读原文
记者丨江庆龄
来源丨科学网
编辑丨王蓝萱
编审丨郭文君