解构海洋缺氧：浙大 GIS 实验室融合机器学习及卫星测绘，发布全球海表溶解氧综合建模框架

AIGC动态欢迎阅读

原标题：解构海洋缺氧：浙大 GIS 实验室融合机器学习及卫星测绘，发布全球海表溶解氧综合建模框架
关键字：溶解氧,海洋,数据,报告,模型
文章来源：HyperAI超神经
内容字数：8906字

内容摘要：

作者：浙大 GIS 实验室
编辑：十九，李宝珠
浙大 GIS 实验室开发了一个全球海表溶解氧综合建模框架 DOsurface-Pred Framework，并基于该框架生成了一个跨越 2010 年-2018 年的大规模海表溶解氧数据集 SSDO，分析了海表溶解氧的变化规律及其成因。多年前，海洋专家 Eric Prince 在进行鱼类标记追踪时发现了一个异常现象：蓝色马林鱼在美国东南部通常会下潜至 800 米的深海捕食，而在哥斯达黎加海域却只在海洋表层活动。作为潜水行家的马林鱼，为什么突然不潜水了呢？长期研究长嘴鱼类的 Eric Prince 决心探究这一反常现象。
其实，这是海洋生物面对海洋环境变化所作出的自我保护反应，而 Eric Prince 的这一次探究则是将其背后的「海洋缺氧」现象进一步推向大众视野——正是由于哥斯达黎加海域的深层氧含量正在下降，缺氧区域逐步扩大，马林鱼为了避免窒息只得在表层活动。
人们通常将因缺氧而导致大量海洋生物死亡的区域称为海洋「死亡地带」，但事实上，海洋缺氧带来的负面影响不仅仅只针对海洋生物本身，还会波及到渔业、乃至社会经济。现如今，随着全球环境问题的加

原文链接：解构海洋缺氧：浙大 GIS 实验室融合机器学习及卫星测绘，发布全球海表溶解氧综合建模框架

联系作者

文章来源：HyperAI超神经
作者微信：HyperAI
作者简介：解构技术先进性与普适性，解读更前沿的 AIForScience 案例