针对有害藻类繁殖的智能预警系统:利用大数据和深度学习的力量
Jing Qian1,2, Li Qian3, Nan Pu4
1Institute of Applied Geosciences, Karlsruhe Institute of Technology, Karlsruhe 76131, Germany.
Environmental science & technology
|March 4, 2024
概括
这项研究使用大数据和深度学习开发了有害藻类繁殖 (HAB) 的智能预警系统. Bloomformer-2模型准确地预测了Chl-a水平,为淡水环境提供了及时的警报.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 机器学习 机器学习
背景情况:
- 有害藻类繁殖 (HAB) 是对淡水系统的主要生态和经济威胁.
- 有效的预警系统对于管理HAB和减轻其影响至关重要.
研究的目的:
- 通过整合大数据和深度学习,为HAB开发智能预警系统.
- 提高HAB预测中的适应性和降低模型复杂性.
主要方法:
- 使用垂直水生监测系统 (VAMS) 来收集数据.
- 使用DeepDPM-光谱集群用于水柱分层.
- 开发了Bloomformer-2模型用于Chl-a预测 (单步和多步).
- 整合了世界卫生组织的预警水平框架,用于预警.
主要成果:
- 水柱分层识别出不同的集群 (例如,冬季4个,夏季5个).
- 在所有星系团中,Bloomformer-2表现出卓越的预测性能.
- 成功预测了警报级别,特定集群显示高风险 (例如,I级和II级警报).
结论:
- 开发的系统提供了一种智能,自动化的方法,用于HAB早期预警.
- 大数据和人工智能集成显示了环境管理的变革潜力.
- 模型可解释性是环境监测机器学习应用成功的一个关键因素.
更多相关视频
09:47A Standardized Procedure for Monitoring Harmful Algal Blooms in Chile by Metabarcoding Analysis
Published on: August 26, 2021
5.2K
05:58Author Spotlight: Advancing Coral Culture - Creating a Semi-Quantitatively Controlled Microenvironment System to Counter Current Limitations
Published on: July 21, 2023
1.9K
