机器学习使得大面积的珊瑚礁长期监测成为可能

【中国绿发会讯】编者按：机器学习可以帮助自然资源保护主义者在更长的时间范围内监测大面积海洋生态系统中的气候影响。

最近发表在《通信生物学》（Communications Biology）上的一篇文章指出，一个名为Delta Maps的机器学习工具可以帮助研究人员评估哪些珊瑚礁可能最适宜生存，以及哪些珊瑚礁在转移幼虫方面发挥关键作用，因此应当作为保护工作的目标。

文中还写道，尽管这种工具可以规模化地改变海面温度监测方式，不再只能借助卫星或远程红外仪器，但依然不能完全取代实地监测。这项工具的发明者之一、佐治亚理工学院地球与大气科学专业博士后Lyuba Novi指出，这种方法将机器学习工具和对海洋学和气候变率的物理理解融合到一起，应用面积可以覆盖从赤道到中纬度的所有海域，目的是评估海洋生态区的时空演变及其连通性。

图源：WWF

有科学家使用该工具调查了气候变化对太平洋珊瑚礁三角区的连通性和生物多样性的影响，此处的海洋生态系统是最多样且在生物方面最复杂的。他们在三角区内标出具有相同的动态和连通性的区域，然后根据重大气候事件（比如厄尔尼诺、拉尼娜以及中性或“正常”时刻）划分出时间段。

珊瑚礁三角区位于西太平洋，包括菲律宾、印度尼西亚、马来西亚、巴布亚新几内亚、所罗门群岛和东帝汶周围的水域。根据政府间气候变化专门委员会（IPCC）于2018年发布的一份报告估算，如果气温比工业化前水平高出1.5摄氏度，70-90%的珊瑚礁就会衰退，如果高出2摄氏度，则有99%的珊瑚礁会消失。

Novi指出，“当然，每个生态系统都是不同的，而对该系统的海洋学理解必不可少，从而评估哪些组成部分对这个系统来说可能是重要的。”

研究人员发现，气候动态通过影响赤道太平洋的洋流来影响生物多样性。研究结果还发现，由厄尔尼诺和拉尼娜导致的变化使印度洋与太平洋之间发生了重大的基因交换，并使生态系统能够在各种不同的气候情景下生存。

文章的共同作者、同样来自佐治亚理工学院地球与大气科学专业的教授Annalisa Bracco表示，“一个惊人的发现在于，厄尔尼诺—南方涛动（ENSO）虽然对珊瑚的生存产生了不利影响，但在整个区域的幼虫转移和生物多样性维护方面产生了强烈的积极影响。”这一认识让研究人员可以在气候变率的框架下解释不同地质时代印度洋—太平洋地区物种丰富性的演变，超越了文章最初的目标。

Novi和Bracco还注意到，珊瑚礁三角区比地球上其他任何地方都更有机会恢复生物多样性，这要归功于该地区的动态气候组成部分。这一发现非常重要，因为世界各地的自然资源保护专家和相关部门都在努力查明哪些生态系统需要接受最严格的监测和保护。

“生物学家在原地收集数据，这种做法非常重要，”Bracco在一份声明中说道，“但在原地的大面积区域监测数年是不可能完成的，需要潜水员一直工作才行。因此，重要的是要搞清楚不同的海洋区域和大型海洋生态系统是如何随着时间的推移产生联系的，尤其要考虑到珊瑚这种基础物种。”

文章作者还希望加入有关其他压力源的信息，比如污染源、过度捕捞地图等，从而进一步改善成果，并且有可能开发出一个以季节和年度为时间刻度的监测系统。

文：Victoria  审：赵岩  编：Victoria

参考资料：

https://news.mongabay.com/2023/02/machine-learning-makes-long-term-expansive-reef-monitoring-possible/

此文来源于“海洋与湿地”（OceanWetlands）微信公众号