地中海水柱总叶绿素a的变化由卫星观测揭示
Xiaojuan Li1, Hongrui Zheng2, Zhihua Mao3
1School of Geographical Sciences, China West Normal University, Nanchong 637001, China; Sichuan Provincial Engineering Laboratory of Monitoring and Control for Soil Erosion in Dry Valleys, China West Normal University, Nanchong 637001, China.
The Science of the total environment
|June 22, 2024
概括
这项研究开发了一种集成的机器学习模型,以估计地中海中甲基 (Chl-a) 总度. 该模型显示植物浮游生物质的下降趋势,可能与气候变化有关.
科学领域:
- 海洋学 海洋学 海洋学
- 海洋生态海洋生态学
- 机器学习应用 机器学习应用
背景情况:
- 叶绿素-a (Chl-a) 对海洋初级生产力和碳循环至关重要.
- 精确的Chl-a分析是必不可少的,但由于技术和成本的限制,这是一项挑战.
研究的目的:
- 开发和验证一个集成的机器学习模型,用于预测地中海Chl-a概况.
- 为了生成一个长期的时间序列,在地中海的总Chl-a.
主要方法:
- 结合了三个机器学习算法:PSO-BP,随机森林和梯度增强.
- 利用卫星和BGC-Argo浮动数据用于海面和地下变量.
- 从2003年到2021年生成的时间序列数据.
主要成果:
- 综合模型准确地预测了Chl-a配置文件.
- 季节性波动是总Chl-a变化的主要驱动因素.
- 观察到地中海植物浮游生物质的显著下降趋势.
结论:
- 该研究提供了一种可靠的方法来估计总Chl-a,这对于了解海洋生产力至关重要.
- 观测到的植物浮游生物质下降表明全球变暖和降水减少的潜在影响.


