Révélant 100 ans de désoxygénation des océans mondiaux, l'Université Jiao Tong de Shanghai utilise l'intelligence artificielle pour reconstruire « l'océan suffocant », a inclus l'ICML

Auteur | Lu Bin, Han Luyu

L'oxygène marin dissous est un facteur clé dans le maintien du fonctionnement des écosystèmes marins. Sous l'impact du réchauffement climatique et des activités humaines, l'océan a montré une tendance à la désoxygénation ces dernières années. L'océan de plus en plus étouffant a de graves conséquences sur le développement de la pêche, la régulation du climat et d'autres aspects.

Récemment, l'équipe des professeurs Wang Xinbing et Gan Xiaoying de l'École d'information électronique et de génie électrique de l'Université Jiao Tong de Shanghai, ainsi que l'académicien Zhang Jing, le professeur Zhou Lei et le professeur agrégé Zhou Yutao de l'École d'océanographie de Shanghai L'Université Jiao Tong a proposé conjointement un modèle d'apprentissage en profondeur piloté par OxyGenerator, des données rares d'observation des océans. Pour la première fois, les données mondiales centenaires sur l’oxygène dissous dans les océans de 1920 à 2023 ont été reconstruites, et les performances de reconstruction ont largement dépassé les résultats de la série CMIP6 de modèles numériques dominés par l’expérience des experts.

Le résultat de la recherche « OxyGenerator : Reconstructing Global Ocean Desoxygenation Over a Century with Deep Learning » a été accepté par la conférence de classe A de la China Computer Federation International Conference on Machine Learning (ICML), fournissant des informations pour l'analyse de complexes cycles de l’oxygène et régulation du climat. Il dispose d’un solide support de données et constitue une tentative active d’intégrer l’intelligence artificielle et l’océanographie.

Au cours des cent dernières années, la question de la diminution de la teneur en oxygène des océans causée par le changement climatique a attiré une large attention. Parmi les outils permettant de comprendre les changements à long terme de l'OMZ, l'expansion rapide de l'OMZ30 (zone minimale d'oxygène) est considérée comme un indicateur clé. D’ici 2023, la superficie océanique de 1920 a triplé. Cette découverte est importante pour comprendre les changements à long terme dans l’OMZ et contribuera à une meilleure surveillance et protection des océans à l’avenir.

Lien papier : http://arxiv.org/abs/2405.07233

Afin de comprendre de manière complète et approfondie la désoxygénation des océans et d'explorer le cycle de l'oxygène et ses évolutions à partir de données efficaces, en 2017, Schmidtko et d'autres les chercheurs ont publié un article dans « Nature » et ont publié l'article « Décline de la teneur globale en oxygène océanique au cours des cinq dernières décennies », qui a utilisé pour la première fois des méthodes d'interpolation spatiale pour réaliser la reconstruction et l'analyse quantitative de l'oxygène dissous dans les océans mondiaux données depuis 1960.

Évaluer les impacts spécifiques des activités humaines à long terme depuis la révolution industrielle, reconstituer le bilan climatique de dissolution des cinquante dernières années ne suffit pas. Des observations historiques très rares et des méthodes d’interpolation spatiale avec une précision limitée sont devenues des goulots d’étranglement importants dans la résolution du problème.

World Ocean Database 2018, CLIVAR et Carbon Hydrographic Database, Argo, Global Ocean Data Analysis Project version 2.2022, Geotraces IDP, etc. Le volume de données d'observation de cinq principales bases de données publiques sur l'oxygène dissous, le taux manquant de données d'observation des océans dépasse 90 %

À cette fin, l'équipe de recherche de l'Université Jiao Tong de Shanghai a rassemblé un total de 6 milliards de données liées à l'oxygène dissous dans les océans depuis 1900, y compris des données d'enquête sur des navires de recherche scientifique, des données d'observation de bouées Argo, des données réelles. observations temporelles de bouées submersibles en haute mer (la quantité de données stockées est d'environ 2 To) ), et effectué un contrôle de qualité unifié.

Considérant les bords irréguliers des masses d'eau océaniques et les caractéristiques non uniformes des données d'observation très clairsemées, un réseau de graphiques spatio-temporels tridimensionnels a été établi grâce à l'idée de modélisation graphique, prenant pleinement en compte la corrélation spatiale et la haute- valoriser les échantillons d'observation en géographie et réaliser qu'ils transfèrent des informations dans le temps et dans l'espace entre les données d'observation et les données manquantes.

Compte tenu du fait que les changements de concentration d'oxygène dissous dans les océans sont affectés par des variables physiques et biochimiques océaniques, un perceptron multicouche est d'abord utilisé pour extraire les caractéristiques non linéaires des données multi-éléments, et un long court bidirectionnel Le réseau de mémoire à terme est utilisé pour extraire les observations d'oxygène dissous.

Deuxièmement, puisque l'océan global présente des corrélations spatio-temporelles hétérogènes dans différentes périodes et régions historiques, inspiré par l'idée de zonage océanographique, un mécanisme de transmission de messages graphiques (Zoning-Varying Message-Passing) avec zonage variable adaptatif est proposé. L'algorithme de génération de paramètres de réseau effectue une transformation affine sur les messages graphiques de différentes partitions pour réaliser le transfert d'informations graphiques avec des partitions variables.

Enfin, la fusion des connaissances du domaine océanographique permet de calibrer l'incertitude des réseaux de neurones. Cette étude prend le rapport d'équilibre idéal entre l'azote, le phosphore et l'oxygène dans l'océan (rapport de Redfield) et conçoit une méthode de régularisation du gradient intégrée aux connaissances chimiques pour éliminer autant que possible les anomalies de signal dans les résultats de reconstruction.

Cadre de reconstruction de la désoxygénation des océans OxyGenerator

Après une validation croisée multiple avec des variables d'observation et une comparaison avec les résultats de trois ensembles de modèles numériques CMIP6 dirigés par des experts, l'OxyGenerator proposé dans cette étude a obtenu de bons résultats dans quatre indicateurs d'évaluation des performances de reconstruction La meilleure performance, MAPE est réduite de 38,77%, réduisant considérablement l'erreur de reconstruction en haute mer.

Comparaison des performances expérimentales entre OxyGenerator et CMIP6

Dans des zones telles que le Pacifique occidental avec suffisamment de données d'observation et la mer Noire affectées par des conditions environnementales particulières, les performances d'OxyGenerator sont particulièrement remarquables et les performances du modèle sont restées stables pendant des centaines d'années. Dans le même temps, les résultats reconstruisent bien la perturbation de la distribution de l'oxygène dissous causée par des événements climatiques particuliers tels que El Niño/La Niña au cours de périodes historiques, et reflètent également avec précision les caractéristiques du mouvement de l'eau à grande échelle, telles que la circulation thermohaline.

Cette recherche est le résultat d’une intersection profonde et d’une coopération étroite entre l’intelligence artificielle et les sciences marines, et a ouvert de nouvelles idées pour relever les défis climatiques mondiaux. À l’avenir, l’équipe continuera de promouvoir une recherche collaborative approfondie basée sur les données en matière de découverte des sciences de la Terre et de développer activement la recherche dans le domaine des technologies avancées renforçant l’intelligence scientifique (IA for Science).

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!