海洋低酸素状態の解体: 浙江大学 GIS 研究所が機械学習と衛星マッピングを統合し、全球の海面溶存酸素の包括的なモデリング フレームワークをリリース

何年も前、海洋専門家のエリック・プリンスは、魚のタグを追跡しているときに異常を発見しました。ブルーカジキは通常、米国南東部で餌を得るために水深800メートルまで潜りますが、コスタリカの海域では海面を移動するだけです。ダイビングの専門家であるマーリンは、なぜ突然ダイビングをやめたのでしょうか?ビルフィッシュの長年の研究者であるエリック・プリンスは、この異常を調査することを決意しました。

実際、これは海洋環境の変化に直面した海洋生物の自己防衛反応であり、今回のエリック・プリンスの研究により、その背後にある「海洋低酸素」現象がさらに世間の注目を集めるようになりました。それはまさに、コスタリカの深海の酸素含有量が減少しており、低酸素領域が徐々に拡大しているためです。窒息を避けるために、カジキは水面を移動しなければなりません。

人々は通常、酸素不足により多数の海洋生物が死亡する領域を海洋の「デッドゾーン」と呼びます。しかし実際には、海洋低酸素の悪影響は海洋生物そのものに影響を与えるだけでなく、漁業や社会経済にも影響を及ぼします。地球環境問題が深刻化する昨今、海洋貧酸素問題も深刻化しています。

世界自然保護連合（IUCN）は2019年、海洋低酸素に関する報告書で、現在の低酸素濃度の海域は拡大しており、1960年代には45か所あった低酸素海域が現在は600以上あると述べた。低酸素状態の影響を受けます。報告書によると、同じ時期に、世界の海洋の酸素が枯渇した水の量は4倍に増加しています。

海洋生態系の健全性をより良く維持し、漁業資源を保護するには、海洋溶存酸素濃度の科学的測定を実施することが重要です。

しかし、現在の海洋フィールド観測はコストが高額であること、既存の観測データの空間分布が不均一であること、溶存酸素濃度の測定方法が多様であり、得られるデータの品質も大きく異なることが大きな課題となっています。地球規模の海洋における溶存酸素レベルの変化の研究には、いくつかの課題が伴います。

これに関して、浙江大学 GIS 研究所の研究者らは、機械学習技術と衛星製品を組み合わせた新しい方法を提案しました。包括的な全球海面溶存酸素モデリング フレームワーク DOsurface-Pred Framework が開発され、このフレームワークに基づいて、2010 年から 2018 年にわたる大規模な海面溶存酸素データ セット SSDO が生成されました。その結果、酸素が豊富な海表領域であっても溶存酸素量は減少傾向にあり、この減少は主に海面水温（SST）の変化に起因していることがわかりました。

研究のハイライト:

* 地球規模の海面溶存酸素に関する包括的なモデリングフレームワークを提案

* SHAP インタープリターを導入し、主要な変数と予測される溶存酸素の結果に対するそれらの影響を特定

* 地球規模の海洋における溶存酸素の非常に動的な変化を理解し、脱酸素現象の規則と原因を調査するのに役立ちます。

紙置き場サイト：
https://pubs.acs.org/doi/10.1021/acs.est.3c08833

SSDO データセットアドレス:
https://go.hyper.ai/BBlqA

公式アカウントをフォローし、バックグラウンドで「Sea Surface Dissolved Oxygen」に返信すると全文PDFが入手できます

データセット: 衛星 + フィールド測定データ

この研究で使用されるデータには、衛星データ、静止船舶および導電率計のフィールド測定が含まれます。

衛星データ セットには、海面水温 (SST)、海面塩分濃度 (SSS)、クロロフィル a (Chl-a)、海面風 (SSW)、海面異常 (SLA) が含まれます。 SST データは OISST データセットから取得され、SSS データは欧州宇宙機関 (ESA) の CCI プロジェクトから取得され、Chl-a データは MODIS Aqua および Terra 衛星から取得され、SSW データは VAM によって生成されます。ここでは、SLA データは AVISO プロジェクトから取得されています。

静止船舶および導電率計のフィールド測定は、世界海洋データベース (WOD) 2018 のオーシャン ステーション データ (OSD) および高解像度導電率-温度-深さ (CTD) サブデータベースから取得されます。

この研究で使用したフィールド測定データを図に示します。合計 28,044 件のレコードがあり、2019 年の 241 件のレコードが含まれています。

(a) 現地測定データの空間分布

(b) 現場測定データの時間分布

(c) さまざまな海洋フィールド測定のデータ分布

(d) 7 つの主要な海洋水文変数間の相関行列分析

モデル アーキテクチャ: DOsurface-Pred フレームワークの 3 つの主要コンポーネント

研究者らは、時空間情報埋め込みのための解釈可能な機械学習フレームワークを提案しました。このフレームワークは、時空間情報埋め込みモジュール、バックボーン回帰モジュール、SHAP 説明モジュールの 3 つの主要部分で構成されます。

パート 1、複数の衛星と現場で測定された時空間情報データ、すなわちサンプルX_私={X_{私は空間的です},

×_{私は一時的な},X_{私は衛星1}、…、X_{私は衛星n}}を入力として使用します。時空間情報埋め込みモジュールにより、空間と月の情報を極座標表現に変換し、変換後のXを取得します。^‘_私={X^‘_{私は空間的です},X^‘_{私は一時的な},X^‘_{私は衛星1}、…、X^‘_{私は衛星n}} グローバル表現。

続いて、^‘_私  2番目の部分に渡されます。複数ステップのグリッドサーチ相互検証を使用して、さまざまなモデルを評価します。

上表は基幹モデルの性能評価表です。DOsurface-Pred フレームワークのパフォーマンスは、このフレームワークのないモデルと比較して向上しています。

さらに、すべてのツリーベースの機械学習モデルは、ベンチマークの重線形回帰モデルよりもパフォーマンスが優れています。これらのモデルは、ET、RF、GBDT、XGBoost、MLP のように、パフォーマンスの降順にリストされています。で、ET モデルは、RMSE 値が 11.67 μmol/kg で、すべての評価指標で最高のパフォーマンスを示します。このモデルは、溶存酸素 (DO) モデリングにおける汎化能力が優れており、モデルのオーバーフィッティング現象を軽減できます。

第三部では、研究者らは、SHAP 解釈可能性手法を使用して、モデルの出力結果に対するサンプル特徴値の影響を評価しました。このフレームワークにより、最適なモデルの下で予測結果が生成されます。

SHAP は、予測結果に対するさまざまな特徴値の寄与を定量化して、モデル出力を理解しやすくし、主要な変数とその溶存酸素予測結果への影響を特定できます。

実験結果: 海面水温が海面の溶存酸素量に影響を与える主な原因である

DOsurface-Pred フレームワークにより、全球の海面溶存酸素濃度の正確な評価が可能になります。このフレームワークに基づいて、研究者らは 2010 年から 2018 年にわたる大規模な海面溶存酸素データセットを生成しました。これを SSDO プロダクトと呼びます。

(a、b) 二乗平均平方根誤差 (RMSE) とバイアス誤差 (c、d) さまざまな年と月における総不確実性とその構成 (M、R、P)

最適なモデルによって生成された結果を評価するために、研究者らは不確実性の推定と時空間検証を実行しました。

まず、SSDO 製品の誤差と不確実性を評価します。実験結果は、3 種類の誤差 (測定誤差 M、表現誤差 R、予測誤差 P) が総合的に不確実性全体に寄与することを示しています。その合計の不確実性は、±13.02 μmol/kg と推定されます。

(a) 予測値と PFL 測定値の散乱密度プロット (b) 対応する PFL ポイントの空間位置、以下に提供されるプロット番号に対応するシリアル番号 (ch) (ch) 各位置における酸素異常の時間傾向、比較のために PFL 測定の外れ値を使用

次に、研究者らは独立したブイ測定データセットを使用して SSDO の精度と時系列をさらに調査しました。結果は、予測結果が PFL データベースとよく適合し、R² 値が 0.86 であることを示しています。

さらに、研究者らは、異なる海域における長期ブイ観測地点の比較評価も実施した。結果は、予測がブイ測定の空間変動および長期傾向と一致していることを示しています。これらの評価は予測を確実に検証し、さまざまなシナリオにおける予測の適用性を分析するのに役立ちます。

研究者らは、SSDO 製品の統計分析も実施しました。結果は、SSDO データが WOD の長期記録データと同様の空間分布を持っていることを示しています。低酸素域の拡大が続く影響で、海面の溶存酸素濃度も飽和状態となり、溶存酸素が十分に交換される海面でも溶存酸素濃度は0.22μmol/kgと低下傾向を示しています。平均して年間あたり。さらに、海面溶存酸素の経年変化は、典型的な海洋変動現象との相関関係を示しています。

(a) モデル出力に対するグローバル特徴平均の影響を評価する

(b) モデルの出力結果に対する局所特徴の影響を評価する

(c,d) モデル出力に対する SST と SSS の影響を分析する

(e,f) SST および SSS 特徴効果の空間分布

研究者らは、SHAP解釈可能性手法を使用して、海面溶存酸素における温度や塩分などの海洋要因の駆動メカニズムをさらに明らかにしました。で、温度 (SST) と塩分 (SSS) が主な制御因子であり、溶存酸素に悪影響を及ぼしますが、SST が溶存酸素レベルに最も大きな影響を与えます。この評価は、モデリングの信頼性を向上させるのに役立ち、海洋溶存酸素の空間的および時間的分布の変化と脱酸素の原因を調査するための要因の解釈可能な定量化を提供します。

要約すると、研究者らは DOsurface-Pred フレームワークを使用して SSDO データセットを生成し、SHAP 解釈可能性メソッドを導入しました。酸素が十分にある海表域でも溶存酸素量は減少傾向を示しており、その減少は主に海面水温の変化によるものであることが確認されました。

AIと海、知られざる深海の謎に迫る

IUCN世界海洋・極地プログラムの海洋科学・保全上級顧問ダン・ラフォーリー氏はかつてこう語った。「海洋の溶存酸素濃度は低下し続けており、すでに温暖化と酸性化の圧力に直面している海洋生態系を悪化させている。」

現在、世界的および業界全体の炭素排出削減の加速に加えて、海洋低酸素に関する徹底的な研究と、気候が地球上の生物に影響を与える重要な要因の分析により、絶滅の理由について人々がより正確に理解できるようになります。さまざまな微生物の生存を知ることで、さらに「適切な薬を処方する」ことができます。

このプロセスでは、モノのインターネットや AI などの新興テクノロジーの機能が徐々により深く適用されてきました。上述のシーマーク溶存酸素分析の枠組みに加えて、一部の学者は、衛星リモートセンシング、ドローン、ブイ、ソナー、水中光学機器およびその他の海洋データに基づいて、海洋ゴミ管理、海洋多様性保護などの側面に関する研究も行っています。

たとえば、2019 年には、国連環境計画は、メコン川とガンジス川流域のプラスチック汚染を対象とした対策プロジェクト「CounterMEASURE」を発表した。このプロジェクトでは、ドローンを使用してメコン川流域の航空画像を撮影し、83.9%の精度でメコン川流域のプラスチック廃棄物の発生源と経路を正確に特定するための識別および監視モデルを開発しました。

さらに、オーストラリアのザ・リッパー・グループドローン＋マシンビジョン技術を利用してサメを識別する製品も開発されている。この製品は、サメによる沿岸地域の妨害を防ぐために使用されるだけでなく、サメの生態を保護する上でも重要な役割を果たします。

人間社会の高炭素排出が地球の気候や生態環境に深刻な影響を与えていることは事実であり、その中で、地球上の生命の起源である海洋生態環境の保護も急務となっています。近い将来、AI を活用した環境保護対策が明らかになります。海水温が上昇し、溶存酸素濃度が低下している一方で、症状と根本原因を治療し、海の透明度を回復することが可能です。

参考文献:
1.https://mp.weixin.qq.com/s/bUbYptqccBXC2T9dvkfOfA
2.https://www.cdstm.cn/gallery/hycx/qyzx/201909/t20190904_923957.html
3.http://www.cbcgdf.org/NewsShow/4854/10658.html