Nachricht

Dec 24, 2023

Deep Learning hilft bei der globalen Schätzung der Phytoplanktonpigmentkonzentrationen

30. Mai 2023 Dieser Artikel

30. Mai 2023

Dieser Artikel wurde gemäß dem Redaktionsprozess und den Richtlinien von Science X überprüft. Die Redakteure haben die folgenden Attribute hervorgehoben und gleichzeitig die Glaubwürdigkeit des Inhalts sichergestellt:

faktengeprüft

vertrauenswürdige Quelle

Korrekturlesen

von LI Yuan, Chinesische Akademie der Wissenschaften

Die Gemeinschaftsstruktur des Phytoplanktons kann Veränderungen in der Meeresumwelt widerspiegeln und uns helfen, die treibenden Faktoren hinter der ökologischen Entwicklung zu verstehen. Die Quantifizierung der Pigmentkonzentration im Phytoplankton ist für eine umfassende Beurteilung der taxonomischen Klassifizierung und Gemeinschaftsstruktur von entscheidender Bedeutung.

Kürzlich hat ein Forschungsteam unter der Leitung von Prof. Li Xiaofeng vom Institut für Ozeanologie der Chinesischen Akademie der Wissenschaften (IOCAS) mithilfe von Deep-Learning-Algorithmen Fortschritte bei der Umkehrung der globalen Phytoplanktonpigmentkonzentrationen erzielt. Sie entwickelten ein Deep-Learning-basiertes Modell (DL-PPCE-Modell) zur Schätzung der Konzentrationen von 17 verschiedenen Phytoplanktonpigmenten weltweit mithilfe von Satellitendaten.

Die Studie wurde in Remote Sensing of Environment veröffentlicht.

Zu den Modelleingaben gehören Meeresfarbparameter, satellitengestützte Umweltparameter und die Steigung des über der Erdoberfläche ermittelten Fernerkundungsreflexionsvermögens. Das Modell wurde anhand von Daten der Hochleistungsflüssigkeitschromatographie (HPLC) validiert und erwies sich als vorteilhaft für die Analyse der Dynamik der Phytoplanktongemeinschaft im großen räumlich-zeitlichen Maßstab.

Unter Verwendung des etablierten DL-PPCE-Modells führten die Forscher eine Zeitreihenanalyse der globalen Pigmentkonzentrationen durch, die mit dem Moderate-Resolution Imaging Spectroradiometer (MODIS) im Zeitraum 2003–2021 ermittelt wurden. Sie fanden heraus, dass sich das von Prokaryoten dominierte Gebiet während des El Niño-Ereignisses 2015/2016 von 180° E nach Osten bis 150° W erstreckte. Von 2003 bis 2021 korrelierte die prokaryotische Häufigkeit positiv mit der El-Nino-Intensität, jedoch negativ mit der Häufigkeit der gesamten Phytoplanktongemeinschaft.

Die Fernerkundung der Meeresfarben ermöglicht die Ermittlung der Phytoplanktonabsorption, die in direktem Zusammenhang mit der Pigmentkonzentration steht. „Allerdings ist die gleichzeitige Gewinnung mehrerer Pigmentkonzentrationen weltweit eine Herausforderung aufgrund der Variabilität der optischen Eigenschaften im Meerwasser und des Verpackungseffekts auf die Phytoplanktonabsorption“, sagte Li Xiaolong, Erstautor der Studie.

„In unserer Studie verwenden wir einen neuartigen Ansatz, um die globalen Phytoplanktonpigmentkonzentrationen abzuschätzen“, sagte Prof. Li, korrespondierender Autor der Studie. „Durch die Vermeidung von Annahmen über Pigmentabsorptionsspektren und den Einsatz von Deep Learning konnten wir nichtlineare Beziehungen zwischen Fernerkundungsvariablen und Phytoplanktonpigmentkonzentrationen herstellen. Dieser Ansatz führte zu einer hohen Genauigkeit bei der Schätzung der Pigmentkonzentrationen.“

Mehr Informationen: Xiaolong Li et al., Globale Schätzung der Phytoplanktonpigmentkonzentrationen aus Satellitendaten unter Verwendung eines Deep-Learning-basierten Modells, Remote Sensing of Environment (2023). DOI: 10.1016/j.rse.2023.113628

Zur Verfügung gestellt von der Chinesischen Akademie der Wissenschaften