一种深度学习的自动图像识别方法,用于测量密切相关的玻利维尼体中的孔隙模式,并对定量酸盐古重建进行校准

科学领域:

• 海洋地质学 海洋地质学
• 古海洋学是古海洋学.
• 为了aminifera研究的研究.

背景情况:

• 欧化正在扩大缺氧的沿海海洋环境.
• 玻利维尼德菌在这些区域壮成长,并利用酸盐进行脱.
• 甲的孔隙性可以作为过去酸盐度的代理.

研究的目的:

• 引入和测试一种自动化图像分析技术,用于量化虫孔密度.
• 为了分析玻利维纳在各种海洋环境中的毛孔模式.
• 为了校准特定玻利维尼类物种的孔密度,作为古酸盐水平的代理.

主要方法:

• 自动化图像分析用于孔计数.
• 来自五个不同的位置的玻利维纳毛孔特征的比较分析.
• 使用核心顶部样本对玻利维尼德孔密度与底层水中酸盐度进行校准.

主要成果:

• 孔隙性,孔隙密度和平均孔隙大小的关系在不同位置上有很大的差异.
• 通过孔径大小或数量的孔隙控制在地理上有所不同,这可能表明神秘的物种.
• 玻利维纳和B. subadvena的孔密度与地下水中酸盐相关;B. argentea和B. subadvena accumeata的密度更高.

结论:

• 自动孔隙分析是一种可行的方法,用于研究菌的孔隙性.
• 玻利维尼毛孔特征的地理差异突出了物种识别和环境背景的重要性.
• 玻利维尼德孔密度作为重建过去海底水酸盐度在海洋环境中的一个有价值的代理.