基于学习技术的海洋叶绿素对理化特征的依赖性分析
定量方法
2023-04-26 v1 人工智能
机器学习
生物物理
摘要
存在于浮游植物中的海洋叶绿素是光合作用的基础，对维持生态平衡具有高度重要性，因为它们对全球初级生产力贡献巨大，并处于许多海洋生物的食物链中。浮游植物浓度的失衡会破坏生态平衡。浮游植物的生长依赖于铁、硝酸盐、磷酸盐、pH 值、盐度等理化成分的最佳浓度，偏离理想浓度会影响浮游植物的生长，进而在大规模上破坏生态系统。因此，分析这些成分对于估算海洋浮游植物的可能生长具有重要意义。遥感技术的进步扩大了在全球尺度上远程研究理化成分的范围。机器学习技术使得基于理化性质预测海洋叶绿素水平成为可能，而深度学习以更先进的方式、模拟人脑工作原理实现了同样的目标。在本研究中，我们利用机器学习和深度学习针对孟加拉湾建立了基于理化特征的叶绿素水平回归模型，并讨论了不同回归模型的可靠性与性能。这有助于根据理化特征估算水体中存在的叶绿素量，从而可在因海洋浮游植物失衡导致生态系统可能遭到破坏时尽早规划应对。
引用
@article{arxiv.2304.12325,
title = {Dependence of Physiochemical Features on Marine Chlorophyll Analysis with Learning Techniques},
author = {Subhrangshu Adhikary and Sudhir Kumar Chaturvedi and Saikat Banerjee and Sourav Basu},
journal= {arXiv preprint arXiv:2304.12325},
year = {2023}
}
备注
Advances in Environment Engineering and Management. Year 2021. Springer Proceedings in Earth and Environmental Sciences. Springer, Cham. https://doi.org/10.1007/978-3-030-79065-3_29