通过深度学习辅助的模型分析揭示了边缘海洋中有机物质的生物和生物驱动作用
Ting Wang1, Jialin Li2, Saralees Nadarajah3
1Key Laboratory of Coastal Biology and Biological Resource Utilization, Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China; University of Chinese Academy of Sciences, Beijing 101408, China.
深度学习模型显示,度和温度显著影响中国边缘海域有机物分布. 皮科植物浮游生物也在这些复杂的生态化学过程中发挥着关键作用.
科学领域:
- 海洋生物地质化学海洋生物地质化学
- 有机物循环循环.
- 环境科学中的深度学习应用
背景情况:
- 黄海和波海等边缘海洋表现出复杂和不可预测的有机物质生物地化学过程.
- 了解有机颗粒物 (POM) 和溶解有机物 (DOM) 变化的驱动因素对于海洋生态系统的健康至关重要.
研究的目的:
- 调查影响黄海和博海海域POM和DOM分布的生态和生物因素.
- 应用先进的深度学习技术来推断这些复杂的关系.
- 确定有机物异质性的关键环境和生物驱动因素.
主要方法:
- 量化有机颗粒碳 (POC) 来评估POM状态.
- 使用3D-EEM和PARAFAC分析了DOM分数和光.
- 开发了人工神经网络 (ANN) 模型,具有15个非生物和生物参数.
- 使用皮尔森相关系数 (PCC) 和根平均平方误差 (RMSE) 验证的ANN模型.
主要成果:
- 在POM和DOM分布中观察到显著的区域差异.
- 在南黄海,POM的异质性更大,而在波海海域,DOM的异质性更高.
- ANN模型准确地预测了有机物质的变化 (PCC=0.87,RMSE=0.23).
- 度和温度被确定为POM和DOM异质性的主要非生物驱动因素.
- 皮科植物浮游生物 (Pico-phytoplankton) 成为一个重要的生物预测因素,突出了它们在蓝色碳循环中的作用.
结论:
- 深度学习模型为边缘海洋有机物质动态提供了新的见解.
- 度,温度和皮科植物浮游生物是影响POM和DOM异质性的关键因素.
- 这项研究强调了先进的计算工具在了解海洋生物地球化学过程和蓝色碳循环中的重要性.
更多相关视频
09:38Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures
Published on: January 7, 2019
07:31Author Spotlight: Designing Simple and Inexpensive Techniques to Grow Methane-Oxidizing Bacteria in the Laboratory
Published on: September 6, 2024
相关概念视频
Primary Production
What are Biogeochemical Cycles?
Bioremediation
Environmental Applications of Microorganisms
