珊瑚 bleaching 评估的统计与机器学习方法综述

珊瑚 bleaching 是海洋生态系统的重大关切问题；过去三个多年中，全球超过半数的珊瑚礁要么 bleached，要么死亡。不断升高的海表温度以及各种时空环境因素被视为珊瑚 bleaching 的主要原因。统计与机器学习社区致力于详细探讨环境的多个方面。然而，针对用于评估珊瑚 bleaching 的各种随机建模方法的文献极其稀少。数据驱动的策略对于有效的珊瑚礁管理至关重要，本综述文章概述了现有用于评估珊瑚 bleaching 的统计与机器学习方法。统计框架，包括简单回归模型、广义线性模型、广义可加模型、贝叶斯回归模型、时空模型以及韱性指标（如Fisher 信息和方差指数），常用于探讨不同环境应力因素如何影响珊瑚 bleaching。另一方面，机器学习方法，包括随机森林、决策树、支持向量机以及空间算子，更受欢迎，用于检测非线性关系、分析高维数据以及允许来自多源异构数据的集成。除了总结这些模型之外，我们还讨论了潜在的数据驱动未来研究方向，特别是针对珊瑚 bleaching 相关特定情境构建统计与机器学习模型。