Autor |. Lu Bin, Han Luyu
Meeres gelöster Sauerstoff ist ein Schlüsselfaktor für die Aufrechterhaltung der Funktion mariner Ökosysteme. Aufgrund der Auswirkungen der globalen Erwärmung und menschlicher Aktivitäten ist in den Ozeanen in den letzten Jahren ein Trend zur Sauerstoffentzugung zu verzeichnen. Der zunehmend erstickende Ozean hat schwerwiegende Folgen für die Entwicklung der Fischerei, die Klimaregulierung und andere Aspekte.
Kürzlich hat das Team der Professoren Wang Die Jiao Tong University schlug gemeinsam ein Deep-Learning-Modell vor, das auf den spärlichen Meeresbeobachtungsdaten OxyGenerator basiert. Zum ersten Mal wurden die jahrhundertealten globalen Ozeandaten zu gelöstem Sauerstoff von 1920 bis 2023 rekonstruiert, und die Rekonstruktionsleistung übertraf die Ergebnisse der CMIP6-Reihe numerischer Modelle, die auf Expertenerfahrungen basieren, deutlich.
Das Forschungsergebnis „OxyGenerator: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning“ wurde von der Klasse-A-Konferenz International Conference on Machine Learning (ICML) der China Computer Federation angenommen und liefert Informationen für die Analyse komplexer Sauerstoffkreisläufe und Klimaregulierung Es verfügt über eine starke Datenunterstützung und ist ein aktiver Versuch, künstliche Intelligenz und Ozeanographie zu integrieren.
In den letzten hundert Jahren hat das Problem des sinkenden Sauerstoffgehalts der Ozeane aufgrund des Klimawandels große Aufmerksamkeit erregt. Unter den Instrumenten zum Verständnis langfristiger Veränderungen in der OMZ gilt die schnelle Ausdehnung der OMZ30 (Sauerstoffminimumzone) als Schlüsselindikator. Bis 2023 hat sich die Meeresfläche von 1920 verdreifacht. Diese Erkenntnis ist wichtig für das Verständnis langfristiger Veränderungen in der OMZ und wird in Zukunft zu einer besseren Überwachung und zum Schutz der Ozeane beitragen.
Link zum Papier: http://arxiv.org/abs/2405.07233Um die Desoxygenierung der Ozeane umfassend und tiefgreifend zu verstehen und den Sauerstoffkreislauf und seine sich ändernden Muster anhand effektiver Daten zu erforschen, haben Schmidtko und andere im Jahr 2017 Forscher veröffentlichten einen Artikel in „ Nature“ und veröffentlichten den Artikel „Abnahme des globalen ozeanischen Sauerstoffgehalts während der letzten fünf Jahrzehnte“, in dem erstmals räumliche Interpolationsmethoden verwendet wurden, um die Rekonstruktion und quantitative Analyse des gelösten Sauerstoffs der globalen Ozeane zu erreichen Daten seit 1960.
Um die spezifischen Auswirkungen langfristiger menschlicher Aktivitäten seit der Industriellen Revolution zu bewerten, reicht es nicht aus, die Auflösungsklimaaufzeichnungen der letzten fünfzig Jahre zu rekonstruieren. Sehr spärliche historische Beobachtungen und räumliche Interpolationsmethoden mit begrenzter Genauigkeit sind zu wichtigen Engpässen bei der Lösung des Problems geworden.
World Ocean Database 2018, CLIVAR und Carbon Hydrographic Database, Argo, Global Ocean Data Analysis Project Version 2.2022, Geotraces IDP usw. Das Beobachtungsdatenvolumen von fünf großen öffentlichen Datenbanken für gelösten Sauerstoff, die fehlende Rate an Ozeanbeobachtungsdaten übersteigt 90 % Zu diesem Zweck hat das Forschungsteam der Shanghai Jiao Tong University seit 1900 insgesamt 6 Milliarden Daten zu gelöstem Sauerstoff im Ozean gesammelt, darunter Vermessungsdaten von wissenschaftlichen Forschungsschiffen, Argo-Bojen-Beobachtungsdaten, Real- Zeitbeobachtungen von Tiefsee-Tauchbojen (die Menge der gespeicherten Daten beträgt etwa 2 TB) und eine einheitliche Qualitätskontrolle durchgeführt.
Angesichts der unregelmäßigen Kanten von Meereswasserkörpern und der ungleichmäßigen Eigenschaften sehr spärlicher Beobachtungsdaten wurde durch die Idee der Graphenmodellierung ein vierdimensionales räumlich-zeitliches Graphennetzwerk erstellt, das die räumliche Korrelation und hohe Wertbeobachtungsproben in der Geographie und erkennen, dass es Informationen über Zeit und Raum zwischen Beobachtungsdaten und fehlenden Daten überträgt.
Angesichts der Tatsache, dass die Konzentrationsänderungen des im Ozean gelösten Sauerstoffs sowohl von physikalischen als auch von biochemischen Variablen des Ozeans beeinflusst werden, wird zunächst ein mehrschichtiges Perzeptron verwendet, um nichtlineare Merkmale von Multielementdaten zu extrahieren, und ein Zwei-Wege-Long-Short -Term-Speichernetzwerk wird verwendet, um die Beobachtungen von gelöstem Sauerstoff zu extrahieren.
Zweitens wird, da der globale Ozean heterogene raumzeitliche Korrelationen in verschiedenen historischen Perioden und Regionen aufweist, inspiriert von der Idee der ozeanografischen Zonierung, ein Graph-Message-Passing-Mechanismus (Zoning-Varying Message-Passing) mit adaptiver variabler Zonierung vorgeschlagen Der Netzwerkparameter-Generierungsalgorithmus führt eine affine Transformation der Diagrammnachrichten verschiedener Partitionen durch, um die Übertragung von Diagramminformationen mit variablen Partitionen zu realisieren.
Schließlich hilft die Fusion ozeanografischer Domänenkenntnisse dabei, die Unsicherheit neuronaler Netze zu kalibrieren. Diese Studie nimmt das ideale Gleichgewichtsverhältnis von Stickstoff, Phosphor und Sauerstoff im Ozean (Redfield-Verhältnis) und entwirft eine Methode zur Gradientenregulierung, eingebettet in chemisches Wissen, um Signalanomalien in den Rekonstruktionsergebnissen so weit wie möglich zu eliminieren.
OxyGenerator Ocean Desoxygenation Reconstruction FrameworkNach mehrfacher Kreuzvalidierung mit Beobachtungsvariablen und Vergleich mit den Ergebnissen von drei Sätzen numerischer CMIP6-Modelle unter der Leitung von Experten hat der in dieser Studie vorgeschlagene OxyGenerator gute Ergebnisse erzielt Vier Indikatoren zur Bewertung der Rekonstruktionsleistung Die beste Leistung, MAPE, wird um 38,77 % reduziert, wodurch der Rekonstruktionsfehler im offenen Ozean erheblich reduziert wird.
Vergleich der experimentellen Leistung zwischen OxyGenerator und CMIP6In Gebieten wie dem Westpazifik mit ausreichenden Beobachtungsdaten und dem Schwarzen Meer, die von besonderen Umweltbedingungen betroffen sind, ist die Leistung von OxyGenerator besonders herausragend und die Modellleistung ist seit Hunderten stabil von Jahren. Gleichzeitig rekonstruieren die Ergebnisse gut die Störung der Verteilung des gelösten Sauerstoffs, die durch besondere Klimaereignisse wie El Niño/La Niña in historischen Perioden verursacht wurde, und spiegeln auch die Wasserbewegungseigenschaften im großen Zeitmaßstab wie die thermohaline Zirkulation genau wider.
Diese Forschung ist das Ergebnis einer intensiven Überschneidung und engen Zusammenarbeit zwischen künstlicher Intelligenz und Meereswissenschaften und hat neue Ideen für den Umgang mit globalen Klimaherausforderungen eröffnet. Auch in Zukunft wird das Team die vertiefte kooperative datengesteuerte geowissenschaftliche Entdeckungsforschung weiter vorantreiben und die Forschung im Bereich fortschrittlicher Technologien zur Stärkung der wissenschaftlichen Intelligenz (KI für die Wissenschaft) aktiv weiterentwickeln.
Das obige ist der detaillierte Inhalt vonDie Shanghai Jiao Tong University enthüllt 100 Jahre globalen Sauerstoffmangel in den Ozeanen und nutzt künstliche Intelligenz, um den „erstickenden Ozean' zu rekonstruieren, so das ICML. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
