딥 러닝은 식물성 플랑크톤 색소 농도를 전체적으로 추정하는 데 도움이 됩니다.

블로그

홈페이지홈페이지 / 블로그 / 딥 러닝은 식물성 플랑크톤 색소 농도를 전체적으로 추정하는 데 도움이 됩니다.

Apr 26, 2023

딥 러닝은 식물성 플랑크톤 색소 농도를 전체적으로 추정하는 데 도움이 됩니다.

2023년 5월 30일 이 기사

2023년 5월 30일

이 기사는 Science X의 편집 과정 및 정책에 따라 검토되었습니다. 편집자들은 콘텐츠의 신뢰성을 보장하면서 다음 특성을 강조했습니다.

사실 확인된

신뢰할 수 있는 출처

교정하다

중국과학원 리 위안(LI Yuan)

식물성 플랑크톤의 군집 구조는 해양 환경의 변화를 반영하고 생태적 진화의 추진 요인을 이해하는 데 도움이 될 수 있습니다. 식물성 플랑크톤의 색소 농도를 정량화하는 것은 분류학적 분류 및 군집 구조를 종합적으로 평가하는 데 중요합니다.

최근 중국과학원 해양학연구소(IOCAS) 리샤오펑(Li Xiaofeng) 교수가 이끄는 연구팀은 딥러닝 알고리즘을 사용해 전 세계 식물성 플랑크톤 색소 농도를 역전시키는 데 진전을 이루었습니다. 그들은 위성 데이터를 사용하여 전 세계적으로 17가지 서로 다른 식물성 플랑크톤 색소의 농도를 추정하기 위한 딥러닝 기반 모델(DL-PPCE 모델)을 개발했습니다.

이 연구는 환경 원격 감지(Remote Sensing of Environment)에 게재되었습니다.

모델 입력에는 해양 색상 매개변수, 위성에서 파생된 환경 매개변수 및 표면 위 원격 감지 반사율의 기울기가 포함됩니다. 이 모델은 고성능 액체 크로마토그래피(HPLC) 데이터에 대해 검증되었으며 대규모 시공간 규모에서 식물성 플랑크톤 군집 역학을 분석하는 데 유리한 것으로 밝혀졌습니다.

연구진은 확립된 DL-PPCE 모델을 사용하여 2003년부터 2021년까지 MODIS(Moderate-Resolution Imaging Spectroradiometer)로 검색한 전체 색소 농도에 대한 시계열 분석을 수행했습니다. 그들은 2015/2016년 엘니뇨 현상 동안 원핵생물이 우세한 지역이 동쪽으로 180°E에서 150°W로 확장되었음을 발견했습니다. 2003년부터 2021년까지 원핵생물의 풍부함은 엘니뇨 강도와 양의 상관관계가 있었지만 전체 식물성 플랑크톤 군집의 풍부함과는 음의 상관관계가 있었습니다.

해양 색상 원격 감지를 통해 색소 농도와 직접적으로 연관된 식물성 플랑크톤 흡수를 검색할 수 있습니다. 그러나 이번 연구의 제1저자인 Li Xiaolong은 "그러나 해수의 광학적 특성 변동성과 식물성 플랑크톤 흡수에 대한 포장 효과로 인해 전 세계적으로 여러 색소 농도를 동시에 검색하는 것은 어려운 일입니다."라고 말했습니다.

이번 연구의 교신 저자인 Li 교수는 “우리 연구에서 우리는 전 세계 식물성 플랑크톤 색소 농도를 추정하기 위해 새로운 접근법을 사용했습니다. "색소 흡수 스펙트럼에 대한 가정을 피하고 딥 러닝을 사용함으로써 우리는 원격 감지 변수와 식물성 플랑크톤 색소 농도 사이의 비선형 관계를 확립했습니다. 이 접근 방식은 색소 농도를 추정하는 데 높은 정확도를 가져왔습니다."

추가 정보: Xiaolong Li 외, 딥러닝 기반 모델을 사용한 위성 데이터로부터 식물성 플랑크톤 색소 농도의 전역 추정, 환경 원격 감지(2023). DOI: 10.1016/j.rse.2023.113628

중국과학원 제공

추가 정보: 인용