解構海洋缺氧：浙大 GIS 實驗室融合機器學習及衛星測繪，發布全球海表溶解氧綜合建模框架

AIGC動態歡迎閱讀

原標題：解構海洋缺氧：浙大 GIS 實驗室融合機器學習及衛星測繪，發布全球海表溶解氧綜合建模框架
關鍵字：溶解氧,海洋,數據,報告,模型
文章來源：HyperAI超神經
內容字數：8906字

內容摘要：

作者：浙大 GIS 實驗室
編輯：十九，李寶珠
浙大 GIS 實驗室開發了一個全球海表溶解氧綜合建模框架 DOsurface-Pred Framework，并基于該框架生成了一個跨越 2010 年-2018 年的大規模海表溶解氧數據集 SSDO，分析了海表溶解氧的變化規律及其成因。多年前，海洋專家 Eric Prince 在進行魚類標記追蹤時發現了一個異常現象：藍色馬林魚在美國東南部通常會下潛至 800 米的深海捕食，而在哥斯達黎加海域卻只在海洋表層活動。作為潛水行家的馬林魚，為什么突然不潛水了呢？長期研究長嘴魚類的 Eric Prince 決心探究這一反常現象。
其實，這是海洋生物面對海洋環境變化所作出的自我保護反應，而 Eric Prince 的這一次探究則是將其背后的「海洋缺氧」現象進一步推向大眾視野——正是由于哥斯達黎加海域的深層氧含量正在下降，缺氧區域逐步擴大，馬林魚為了避免窒息只得在表層活動。
人們通常將因缺氧而導致大量海洋生物死亡的區域稱為海洋「死亡地帶」，但事實上，海洋缺氧帶來的負面影響不僅僅只針對海洋生物本身，還會波及到漁業、乃至社會經濟。現如今，隨著全球環境問題的加

原文鏈接：解構海洋缺氧：浙大 GIS 實驗室融合機器學習及衛星測繪，發布全球海表溶解氧綜合建模框架

聯系作者

文章來源：HyperAI超神經
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例