机器学习用于识别南波罗的海地区植物浮游生物开花的环境驱动因素
Maximilian Berthold1, Pascal Nieters2, Rahel Vortmeyer-Kley3
1Department of Biology, Faculty of Science, Mount Allison University, Sackville, Canada.
Scientific reports
|January 24, 2025
概括
植物浮游生物的开花模式因营养和环境因素而有所不同. 这项研究揭示了区域特定的驱动因素,如沿海地区的营养物质和营养物质加上开放水域的温度,以有效地管理开花.
科学领域:
- 海洋生态海洋生态学
- 海洋学 海洋学 海洋学
- 生态建模 生态建模
背景情况:
- 植物浮游生物的开花在整个生态系统中显示出不同的时间模式 (时机,峰值数量).
- 这些模式受到植物浮游生物与营养相互作用以及温度,盐度和光线等环境因素的影响.
- 了解这些驱动因素对于有效的开花管理和区域规模的生态建模至关重要.
研究的目的:
- 在南波罗的海地区识别和描述独特的植物浮游生物开花模式.
- 揭示这些区域繁荣动态背后的关键驱动因素 (营养素,环境因素).
- 开发一个数据驱动的模型,以了解植物浮游生物的开花变化.
主要方法:
- 使用了22年的数据集 (叶绿素,营养素,温度,盐度,光) 来自波罗的海南部海岸.
- 采用了通用添加混合模型来分类六种不同的植物浮游生物开花模式.
- 在通用微分方程框架内训练了一个人工神经网络,并应用了非线性动力学的稀疏识别来模拟相互作用.
主要成果:
- 在研究区域中确定了六种不同的植物浮游生物开花模式.
- 营养素的可用性是封闭沿海水域的主要驱动因素.
- 营养素和温度是更多开放海域的关键驱动因素.
- 有证据表明水力动力导出,自然死亡率或外部放牧影响了开花动力学.
结论:
- 植物浮游生物的开花动态是特定区域的,由营养可用性和环境因素的不同组合驱动.
- 这种以数据为导向的方法为管理植物浮游生物开花的复杂相互作用提供了新的见解.
- 这些发现支持改善区域花管理策略和生态建模工作.
