বাস্তুসংস্থানগত জটিলতাকে স্পষ্ট করা: তত্ত্বাবধানহীন শিক্ষা বিশ্ব সামুদ্রিক পরিবেশগত প্রদেশ নির্ধারণ করে

প্ল্যাঙ্কটন সম্প্রদায়ের কাঠামো এবং পুষ্টির প্রবাহ ডেটার উপর ভিত্তি করে বৈশ্বিক সামুদ্রিক পরিবেশগত প্রদেশ (ইকো-প্রদেশ) নির্ধারণের জন্য একটি তত্ত্বাবধানহীন শিক্ষা পদ্ধতির প্রস্তাব করা হয়েছে।সিস্টেমেটিক ইন্টিগ্রেটেড ইকোলজিক্যাল প্রদেশ (SAGE) পদ্ধতিটি অত্যন্ত ননলাইনার ইকোসিস্টেম মডেলে পরিবেশগত প্রদেশগুলি সনাক্ত করতে পারে।ডেটার নন-গাউসিয়ান কোভেরিয়েন্সের সাথে খাপ খাইয়ে নেওয়ার জন্য, SAGE টি র্যান্ডম প্রতিবেশী এম্বেডিং (t-SNE) ব্যবহার করে মাত্রিকতা কমাতে।ঘনত্ব-ভিত্তিক স্থানিক ক্লাস্টারিং (DBSCAN) অ্যালগরিদমের উপর ভিত্তি করে নয়েজ অ্যাপ্লিকেশনের সাহায্যে, একশোরও বেশি পরিবেশগত প্রদেশ চিহ্নিত করা যেতে পারে।দূরত্ব পরিমাপ হিসাবে পরিবেশগত পার্থক্যের সাথে সংযোগ মানচিত্র ব্যবহার করে, একটি শক্তিশালী সমষ্টিগত পরিবেশগত প্রদেশ (AEP) নেস্টেড ইকোলজিক্যাল প্রদেশগুলির মাধ্যমে উদ্দেশ্যমূলকভাবে সংজ্ঞায়িত করা হয়।AEPs ব্যবহার করে, সম্প্রদায়ের কাঠামোতে পুষ্টি সরবরাহের হারের নিয়ন্ত্রণ অন্বেষণ করা হয়েছিল।ইকো-প্রদেশ এবং AEP অনন্য এবং মডেল ব্যাখ্যা করতে সাহায্য করতে পারে।তারা মডেলের মধ্যে তুলনা সহজতর করতে পারে এবং সামুদ্রিক বাস্তুতন্ত্রের বোঝাপড়া এবং পর্যবেক্ষণ বাড়াতে পারে।
প্রদেশগুলি এমন অঞ্চল যেখানে সমুদ্র বা স্থলের জটিল জৈব ভূগোল সুসঙ্গত এবং অর্থপূর্ণ এলাকায় সংগঠিত হয় (1)।এই প্রদেশগুলি অবস্থানগুলির তুলনা এবং বৈপরীত্য, পর্যবেক্ষণের বৈশিষ্ট্য, পর্যবেক্ষণ এবং সুরক্ষার জন্য অত্যন্ত গুরুত্বপূর্ণ।জটিল এবং অ-রৈখিক মিথস্ক্রিয়াগুলি যা এই প্রদেশগুলি তৈরি করে তা অসুপারভাইজড মেশিন লার্নিং (ML) পদ্ধতিগুলিকে বস্তুনিষ্ঠভাবে প্রদেশগুলি নির্ধারণের জন্য খুব উপযুক্ত করে তোলে, কারণ ডেটাতে সহভক্তি জটিল এবং অ-গাউসিয়ান।এখানে, একটি ML পদ্ধতি প্রস্তাব করা হয়েছে, যা ডারউইন গ্লোবাল ত্রি-মাত্রিক (3D) ভৌত/ইকোসিস্টেম মডেল (2) থেকে পদ্ধতিগতভাবে অনন্য সামুদ্রিক পরিবেশগত প্রদেশ (ইকো-প্রদেশ) চিহ্নিত করে।"অনন্য" শব্দটি বোঝানোর জন্য ব্যবহৃত হয় যে চিহ্নিত এলাকাটি অন্যান্য এলাকার সাথে পর্যাপ্তভাবে ওভারল্যাপ করে না।এই পদ্ধতিটিকে সিস্টেম ইন্টিগ্রেটেড ইকোলজিক্যাল প্রভিন্স (SAGE) পদ্ধতি বলা হয়।দরকারী শ্রেণীবিভাগ সম্পাদন করার জন্য, একটি অ্যালগরিদম পদ্ধতিকে অনুমতি দিতে হবে (i) বিশ্বব্যাপী শ্রেণিবিন্যাস এবং (ii) বহু-স্কেল বিশ্লেষণ যা স্থান এবং সময়ের মধ্যে নেস্টেড/একত্রিত করা যেতে পারে (3)।এই গবেষণায়, SAGE পদ্ধতিটি প্রথমে প্রস্তাবিত হয়েছিল এবং চিহ্নিত পরিবেশগত প্রদেশগুলি নিয়ে আলোচনা করা হয়েছিল।ইকো-প্রদেশগুলি সম্প্রদায়ের কাঠামোকে নিয়ন্ত্রণ করে এমন কারণগুলির বোঝার প্রচার করতে পারে, নিরীক্ষণ কৌশলগুলির জন্য দরকারী অন্তর্দৃষ্টি প্রদান করে এবং বাস্তুতন্ত্রের পরিবর্তনগুলি ট্র্যাক করতে সহায়তা করে।
স্থলজ প্রদেশগুলি সাধারণত জলবায়ু (বৃষ্টি এবং তাপমাত্রা), মাটি, গাছপালা এবং প্রাণীজগতের সাদৃশ্য অনুসারে শ্রেণিবদ্ধ করা হয় এবং এটি সহায়ক ব্যবস্থাপনা, জীববৈচিত্র্য গবেষণা এবং রোগ নিয়ন্ত্রণের জন্য ব্যবহৃত হয় (1, 4)।সামুদ্রিক প্রদেশগুলি সংজ্ঞায়িত করা আরও কঠিন।বেশিরভাগ জীবই মাইক্রোস্কোপিক, তরল সীমানা সহ।লংহার্স্ট এট আল।(5) পরিবেশগত অবস্থার উপর ভিত্তি করে সমুদ্রবিদ্যা মন্ত্রকের প্রথম বৈশ্বিক শ্রেণীবিভাগের একটি প্রদান করেছে।এই "লংহার্স্ট" প্রদেশগুলির সংজ্ঞার মধ্যে রয়েছে মিশ্রণের হার, স্তরবিন্যাস এবং বিকিরণের মতো পরিবর্তনশীলতা, সেইসাথে লংহার্স্টের সামুদ্রিক সমুদ্রবিজ্ঞানী হিসাবে বিস্তৃত অভিজ্ঞতা, যার সামুদ্রিক বাস্তুতন্ত্রের জন্য অন্যান্য গুরুত্বপূর্ণ শর্ত রয়েছে।লংহার্স্ট ব্যাপকভাবে ব্যবহার করা হয়েছে, উদাহরণস্বরূপ, প্রাথমিক উত্পাদন এবং কার্বন প্রবাহের মূল্যায়ন, মৎস্য চাষে সহায়তা, এবং পরিস্থিতি পর্যবেক্ষণ কার্যক্রমে পরিকল্পনা (5-9)।প্রদেশগুলিকে আরও বস্তুনিষ্ঠভাবে সংজ্ঞায়িত করার জন্য, ফাজি লজিক এবং আঞ্চলিক তত্ত্বাবধানহীন ক্লাস্টারিং/পরিসংখ্যানের মতো পদ্ধতিগুলি ব্যবহার করা হয়েছে (9-14)।এই ধরনের পদ্ধতির উদ্দেশ্য হল অর্থপূর্ণ কাঠামো সনাক্ত করা যা উপলব্ধ পর্যবেক্ষণমূলক ডেটাতে প্রদেশগুলি সনাক্ত করতে পারে।উদাহরণস্বরূপ, গতিশীল সামুদ্রিক প্রদেশগুলি (12) শব্দ কমাতে স্ব-সংগঠিত মানচিত্র ব্যবহার করে এবং আঞ্চলিক উপগ্রহ [ক্লোরোফিল a (Chl-a), স্বাভাবিক ফ্লুরোসেন্স লাইনের উচ্চতা এবং প্রাপ্ত সামুদ্রিক রঙের পণ্যগুলি নির্ধারণ করতে শ্রেণিবদ্ধ (বৃক্ষ-ভিত্তিক) ক্লাস্টারিং ব্যবহার করে। রঙিন দ্রবীভূত জৈব পদার্থ] এবং ভৌত ক্ষেত্র (সমুদ্র পৃষ্ঠের তাপমাত্রা এবং লবণাক্ততা, পরম গতিশীল টপোগ্রাফি এবং সমুদ্রের বরফ)।
প্ল্যাঙ্কটনের সম্প্রদায়ের কাঠামো উদ্বেগের বিষয় কারণ এর বাস্তুশাস্ত্র উচ্চ পুষ্টির মাত্রা, কার্বন শোষণ এবং জলবায়ুর উপর একটি বড় প্রভাব ফেলে।তা সত্ত্বেও, প্লাঙ্কটন সম্প্রদায়ের কাঠামোর উপর ভিত্তি করে একটি বৈশ্বিক পরিবেশগত প্রদেশ নির্ধারণ করা এখনও একটি চ্যালেঞ্জিং এবং অধরা লক্ষ্য।সামুদ্রিক রঙের উপগ্রহগুলি সম্ভাব্যভাবে ফাইটোপ্ল্যাঙ্কটনের মোটা-দানাযুক্ত শ্রেণীবিভাগের অন্তর্দৃষ্টি প্রদান করতে পারে বা কার্যকরী গোষ্ঠীগুলির সুবিধার পরামর্শ দিতে পারে (15), কিন্তু তারা বর্তমানে সম্প্রদায়ের কাঠামোর বিস্তারিত তথ্য প্রদান করতে অক্ষম।সাম্প্রতিক সমীক্ষা [যেমন তারা মহাসাগর (16)] সম্প্রদায় কাঠামোর অভূতপূর্ব পরিমাপ প্রদান করছে;বর্তমানে, বৈশ্বিক স্কেলে শুধুমাত্র বিরল ইন-সিটু পর্যবেক্ষণ রয়েছে (17)।পূর্ববর্তী গবেষণাগুলি জৈব রাসায়নিক মিল (যেমন প্রাথমিক উত্পাদন, Chl এবং উপলব্ধ আলো) নির্ধারণের উপর ভিত্তি করে "বায়ো-রাসায়নিক প্রদেশ" (12, 14, 18) নির্ধারণ করেছে।এখানে, সংখ্যাসূচক মডেলটি আউটপুট করার জন্য [ডারউইন(2)] ব্যবহার করা হয়, এবং পরিবেশগত প্রদেশটি সম্প্রদায়ের কাঠামো এবং পুষ্টির প্রবাহ অনুসারে নির্ধারিত হয়।এই গবেষণায় ব্যবহৃত সংখ্যাসূচক মডেলের বিশ্বব্যাপী কভারেজ রয়েছে এবং বিদ্যমান ফিল্ড ডেটা (17) এবং রিমোট সেন্সিং ক্ষেত্রগুলির (নোট S1) সাথে তুলনা করা যেতে পারে।এই গবেষণায় ব্যবহৃত সংখ্যাসূচক মডেলের ডেটা বিশ্বব্যাপী কভারেজের সুবিধা রয়েছে।মডেল ইকোসিস্টেমে ফাইটোপ্ল্যাঙ্কটনের 35 প্রজাতি এবং জুপ্ল্যাঙ্কটনের 16 প্রজাতি রয়েছে (দয়া করে উপকরণ এবং পদ্ধতিগুলি পড়ুন)।মডেল প্ল্যাঙ্কটন প্রকারগুলি নন-গ্যাসিয়ান কোভেরিয়েন্স স্ট্রাকচারের সাথে অরৈখিকভাবে ইন্টারঅ্যাক্ট করে, তাই সাধারণ ডায়াগনস্টিক পদ্ধতিগুলি উদীয়মান সম্প্রদায়ের কাঠামোতে অনন্য এবং সামঞ্জস্যপূর্ণ নিদর্শনগুলি সনাক্ত করার জন্য উপযুক্ত নয়।এখানে প্রবর্তিত SAGE পদ্ধতি জটিল ডারউইন মডেলের আউটপুট পরীক্ষা করার জন্য একটি অভিনব উপায় প্রদান করে।
ডেটা সায়েন্স/এমএল প্রযুক্তির শক্তিশালী রূপান্তরকারী ক্ষমতাগুলি ডেটা কোভেরিয়েন্সে জটিল কিন্তু শক্তিশালী কাঠামো প্রকাশ করতে অপ্রতিরোধ্য জটিল মডেল সমাধানগুলিকে সক্ষম করতে পারে।একটি শক্তিশালী পদ্ধতিকে একটি পদ্ধতি হিসাবে সংজ্ঞায়িত করা হয় যা একটি প্রদত্ত ত্রুটি সীমার মধ্যে বিশ্বস্ততার সাথে ফলাফলগুলি পুনরুত্পাদন করতে পারে।এমনকি সাধারণ সিস্টেমেও, শক্তিশালী প্যাটার্ন এবং সংকেত নির্ধারণ করা একটি চ্যালেঞ্জ হতে পারে।যতক্ষণ না পর্যবেক্ষণ করা প্যাটার্নের দিকে পরিচালিত যৌক্তিকতা নির্ধারণ করা হয়, উদীয়মান জটিলতাটি সমাধান করা জটিল/কঠিন বলে মনে হতে পারে।বাস্তুতন্ত্রের গঠন সেট করার মূল প্রক্রিয়াটি প্রকৃতিতে অরৈখিক।অ-রৈখিক মিথস্ক্রিয়াগুলির অস্তিত্ব শক্তিশালী শ্রেণীবিভাগকে বিভ্রান্ত করতে পারে, তাই এমন পদ্ধতিগুলি এড়াতে হবে যা ডেটা কোভেরিয়েন্সের মৌলিক পরিসংখ্যানগত বন্টন সম্পর্কে শক্তিশালী অনুমান করে।উচ্চ-মাত্রিক এবং অরৈখিক ডেটা সমুদ্রবিজ্ঞানে সাধারণ এবং জটিল, নন-গাউসিয়ান টপোলজি সহ একটি সহভরিতা কাঠামো থাকতে পারে।যদিও নন-গাউসিয়ান কোভেরিয়েন্স স্ট্রাকচার সহ ডেটা শক্তিশালী শ্রেণীবিভাগকে বাধাগ্রস্ত করতে পারে, SAGE পদ্ধতিটি অভিনব কারণ এটি নির্বিচারে টপোলজি সহ ক্লাস্টারগুলি সনাক্ত করার জন্য ডিজাইন করা হয়েছে।
SAGE পদ্ধতির লক্ষ্য হল উদীয়মান নিদর্শনগুলিকে উদ্দেশ্যমূলকভাবে চিহ্নিত করা যা আরও পরিবেশগত বোঝার জন্য সাহায্য করতে পারে।(19) এর অনুরূপ একটি ক্লাস্টার-ভিত্তিক কর্মপ্রবাহ অনুসরণ করে, পরিবেশগত এবং পুষ্টির প্রবাহ ভেরিয়েবলগুলি ডেটাতে একমাত্র ক্লাস্টার নির্ধারণ করতে ব্যবহৃত হয়, যাকে বাস্তুসংস্থান প্রদেশ বলা হয়।এই গবেষণায় প্রস্তাবিত SAGE পদ্ধতিটি (চিত্র 1) প্রথমে প্ল্যাঙ্কটন কার্যকরী গোষ্ঠীগুলিকে একটি অগ্রাধিকার সংজ্ঞায়িত করে 55 থেকে 11 মাত্রার মাত্রা হ্রাস করে (উপাদান এবং পদ্ধতিগুলি দেখুন)।টি-র্যান্ডম প্রতিবেশী এম্বেডিং (t-SNE) পদ্ধতি ব্যবহার করে, 3D স্পেসে সম্ভাব্যতা প্রজেক্ট করে আকার আরও কমানো হয়।তত্ত্বাবধান না করা ক্লাস্টারিং পরিবেশগতভাবে ঘনিষ্ঠ এলাকাগুলি সনাক্ত করতে পারে [শব্দ-ভিত্তিক অ্যাপ্লিকেশনের জন্য ঘনত্ব-ভিত্তিক স্থানিক ক্লাস্টারিং (DBSCAN)]।T-SNE এবং DBSCAN উভয়ই অন্তর্নিহিত নন-লিনিয়ার ইকোসিস্টেম সংখ্যাসূচক মডেল ডেটার জন্য প্রযোজ্য।তারপরে ফলস্বরূপ পরিবেশগত প্রদেশটিকে পৃথিবীতে পুনরুজ্জীবিত করুন।আঞ্চলিক গবেষণার জন্য উপযুক্ত এক শতাধিক অনন্য পরিবেশগত প্রদেশ চিহ্নিত করা হয়েছে।বিশ্বব্যাপী সামঞ্জস্যপূর্ণ ইকোসিস্টেম মডেল বিবেচনা করার জন্য, পরিবেশগত প্রদেশগুলির কার্যকারিতা উন্নত করার জন্য পরিবেশগত প্রদেশগুলিকে সমষ্টিগত পরিবেশগত প্রদেশে (AEP) একত্রিত করতে SAGE পদ্ধতি ব্যবহার করা হয়।সমষ্টির স্তর (যাকে "জটিলতা" বলা হয়) প্রয়োজনীয় বিশদ স্তরের সাথে সামঞ্জস্য করা যেতে পারে।একটি শক্তিশালী AEP এর ন্যূনতম জটিলতা নির্ধারণ করুন।নির্বাচনের ফোকাস হল SAGE পদ্ধতি এবং জরুরী সম্প্রদায়ের কাঠামোর নিয়ন্ত্রণ নির্ধারণের জন্য ক্ষুদ্রতম জটিলতা AEP ক্ষেত্রে অন্বেষণ করা।নিদর্শনগুলি তারপর পরিবেশগত অন্তর্দৃষ্টি প্রদানের জন্য বিশ্লেষণ করা যেতে পারে।এখানে প্রবর্তিত পদ্ধতিটি মডেল তুলনার জন্য আরও ব্যাপকভাবে ব্যবহার করা যেতে পারে, উদাহরণস্বরূপ, পার্থক্য এবং মিল হাইলাইট করার জন্য বিভিন্ন মডেলে পাওয়া অনুরূপ পরিবেশগত প্রদেশের অবস্থান মূল্যায়ন করে, যাতে মডেলগুলির তুলনা করা যায়।
(ক) পরিবেশগত প্রদেশ নির্ধারণের জন্য কর্মপ্রবাহের পরিকল্পিত চিত্র;সাতটি কার্যকরী/নিউট্রিয়েন্ট প্ল্যাঙ্কটনের বায়োমাস এবং চারটি পুষ্টি সরবরাহের হার সহ একটি 11-মাত্রিক মডেল আউটপুটে মূল 55-মাত্রিক ডেটা কমাতে কার্যকরী গ্রুপে যোগফল ব্যবহার করে।নগণ্য মান এবং টেকসই বরফ আবরণ এলাকা।তথ্য প্রমিত এবং প্রমিত করা হয়েছে.পরিসংখ্যানগতভাবে অনুরূপ বৈশিষ্ট্য সমন্বয় হাইলাইট করতে t-SNE অ্যালগরিদমে 11-মাত্রিক ডেটা প্রদান করুন।প্যারামিটার মান সেট করতে DBSCAN সাবধানে ক্লাস্টার নির্বাচন করবে।অবশেষে অক্ষাংশ/দ্রাঘিমাংশ অভিক্ষেপে ডেটা প্রজেক্ট করুন।অনুগ্রহ করে মনে রাখবেন যে এই প্রক্রিয়াটি 10 ​​বার পুনরাবৃত্তি করা হয়েছে কারণ t-SNE প্রয়োগ করে সামান্য এলোমেলোতা তৈরি হতে পারে।(B) ব্যাখ্যা করে কিভাবে (A) 10 বার ওয়ার্কফ্লো পুনরাবৃত্তি করে AEP পেতে হয়।এই 10টি বাস্তবায়নের প্রতিটির জন্য, 51টি ফাইটোপ্ল্যাঙ্কটন প্রকারের জৈববস্তুর উপর ভিত্তি করে আন্তঃপ্রাদেশিক ব্রে-কারটিস (BC) বৈষম্য ম্যাট্রিক্স নির্ধারণ করা হয়েছিল।জটিলতা 1 AEP থেকে সম্পূর্ণ জটিলতা 115 পর্যন্ত প্রদেশগুলির মধ্যে BC পার্থক্য নির্ধারণ করুন। লংহার্স্ট প্রদেশ দ্বারা BC বেঞ্চমার্ক সেট করা হয়েছে।
SAGE পদ্ধতিটি পরিবেশগত প্রদেশকে সংজ্ঞায়িত করতে বিশ্বব্যাপী 3D ভৌত/ইকোসিস্টেম সংখ্যাসূচক মডেলের আউটপুট ব্যবহার করে [ডারউইন (2);দেখুন উপকরণ এবং পদ্ধতি এবং নোট S1]।বাস্তুতন্ত্রের উপাদানগুলি 35 প্রজাতির ফাইটোপ্ল্যাঙ্কটন এবং 16 প্রজাতির জুপ্ল্যাঙ্কটনের সমন্বয়ে গঠিত, যার মধ্যে সাতটি পূর্বনির্ধারিত কার্যকরী গোষ্ঠী রয়েছে: প্রোক্যারিওটস এবং ইউক্যারিওটগুলি নিম্ন-পুষ্টি পরিবেশে অভিযোজিত, ক্যালসিয়াম কার্বনেট আবরণ সহ ককসিডিয়া, এবং ভারী মিসেন্ট্রোজেন (নিয়ন্ত্রিত পদার্থ) গুরুত্বপূর্ণ পুষ্টি), সিলিসিয়াস আবরণ সহ, অন্যান্য প্ল্যাঙ্কটন সালোকসংশ্লেষণ এবং চারণ মিশ্র পুষ্টির ফ্ল্যাজেলেট এবং জুপ্ল্যাঙ্কটন পশুপালক তৈরি করতে পারে।আকারের স্প্যানটি 0.6 থেকে 2500μm সমতুল্য গোলাকার ব্যাস।ফাইটোপ্ল্যাঙ্কটনের আকার এবং কার্যকরী গোষ্ঠীকরণের মডেল বিতরণ উপগ্রহ এবং ইন-সিটু পর্যবেক্ষণে দেখা সামগ্রিক বৈশিষ্ট্যগুলিকে ক্যাপচার করে (চিত্র S1 থেকে S3 দেখুন)।সাংখ্যিক মডেল এবং পর্যবেক্ষিত সমুদ্রের মধ্যে সাদৃশ্য ইঙ্গিত করে যে মডেল দ্বারা সংজ্ঞায়িত প্রদেশগুলি ইন-সিটু মহাসাগরের ক্ষেত্রে প্রযোজ্য হতে পারে।অনুগ্রহ করে মনে রাখবেন যে এই মডেলটি শুধুমাত্র ফাইটোপ্ল্যাঙ্কটনের নির্দিষ্ট বৈচিত্র্য এবং কেবলমাত্র সিটু সমুদ্রের নির্দিষ্ট কিছু ভৌত ও রাসায়নিক বলপ্রয়োগের রেঞ্জকে ক্যাপচার করে।SAGE পদ্ধতিটি লোকেদের মডেল সম্প্রদায় কাঠামোর উচ্চ আঞ্চলিক নিয়ন্ত্রণ প্রক্রিয়াকে আরও ভালভাবে বুঝতে সক্ষম করে।
প্রতিটি প্ল্যাঙ্কটন কার্যকরী গ্রুপে শুধুমাত্র পৃষ্ঠ বায়োমাসের সমষ্টি (গড় 20 বছর সহ) অন্তর্ভুক্ত করে, ডেটার মাত্রা হ্রাস করা যেতে পারে।পূর্ববর্তী অধ্যয়নগুলি সম্প্রদায়ের কাঠামো নির্ধারণে তাদের মূল ভূমিকা দেখানোর পরে, এতে পুষ্টির প্রবাহের (নাইট্রোজেন, আয়রন, ফসফেট এবং সিলিসিক অ্যাসিডের সরবরাহ) [যেমন (20, 21)] পৃষ্ঠের উত্সের শর্তগুলিও অন্তর্ভুক্ত ছিল।কার্যকরী গোষ্ঠীগুলির সমষ্টি সমস্যাটিকে 55 (51 প্ল্যাঙ্কটন এবং 4টি পুষ্টির প্রবাহ) থেকে 11 মাত্রায় হ্রাস করে।এই প্রাথমিক গবেষণায়, অ্যালগরিদম দ্বারা আরোপিত গণনাগত সীমাবদ্ধতার কারণে, গভীরতা এবং সময়ের পরিবর্তনশীলতা বিবেচনা করা হয়নি।
SAGE পদ্ধতিটি অরৈখিক প্রক্রিয়া এবং কার্যকরী গ্রুপ বায়োমাস এবং পুষ্টির প্রবাহের মধ্যে মিথস্ক্রিয়াগুলির মূল বৈশিষ্ট্যগুলির মধ্যে গুরুত্বপূর্ণ সম্পর্ক সনাক্ত করতে সক্ষম।ইউক্লিডীয় দূরত্ব শিক্ষা পদ্ধতির উপর ভিত্তি করে 11-মাত্রিক ডেটা ব্যবহার করে (যেমন কে-মান) নির্ভরযোগ্য এবং পুনরুত্পাদনযোগ্য প্রদেশ (19, 22) পেতে পারে না।এর কারণ হল পরিবেশগত প্রদেশকে সংজ্ঞায়িত করে এমন মূল উপাদানগুলির কোভেরিয়েন্সের মৌলিক বন্টনে কোন গাউসিয়ান আকৃতি পাওয়া যায় না।Voronoi কোষের K- মানে (সরল রেখা) নন-গাউসিয়ান মৌলিক বন্টন ধরে রাখতে পারে না।
সাতটি প্ল্যাঙ্কটন কার্যকরী গ্রুপ এবং চারটি পুষ্টির ফ্লাক্সের জৈববস্তু একটি 11-মাত্রিক ভেক্টর x গঠন করে।অতএব, x হল মডেল গ্রিডে একটি ভেক্টর ক্ষেত্র, যেখানে প্রতিটি উপাদান xi মডেলের অনুভূমিক গ্রিডে সংজ্ঞায়িত একটি 11-মাত্রিক ভেক্টর উপস্থাপন করে।প্রতিটি সূচক i অনন্যভাবে গোলকের একটি গ্রিড বিন্দু চিহ্নিত করে, যেখানে (lon, lat) = (ϕi, θi)।মডেল গ্রিড ইউনিটের বায়োমাস 1.2×10-3mg Chl/m3-এর কম হলে বা বরফের কভারেজ রেট 70%-এর বেশি হলে, বায়োমাস ডেটার লগ ব্যবহার করা হয় এবং বাতিল করা হয়।ডেটা স্বাভাবিক এবং প্রমিত করা হয়, তাই সমস্ত ডেটা [0 থেকে 1]-এর মধ্যে থাকে, গড়টি সরানো হয় এবং একক বৈচিত্রে স্কেল করা হয়।এটি করা হয় যাতে বৈশিষ্ট্যগুলি (বায়োমাস এবং পুষ্টির প্রবাহ) সম্ভাব্য মানগুলির পরিসরের বৈসাদৃশ্য দ্বারা সীমাবদ্ধ না হয়।ক্লাস্টারিং ভৌগলিক দূরত্বের পরিবর্তে বৈশিষ্ট্যগুলির মধ্যে মূল সম্ভাবনার দূরত্ব থেকে পরিবর্তনের সম্পর্ক ক্যাপচার করা উচিত।এই দূরত্বগুলি পরিমাপ করার মাধ্যমে, গুরুত্বপূর্ণ বৈশিষ্ট্যগুলি আবির্ভূত হয়, যখন অপ্রয়োজনীয় বিবরণগুলি বাতিল করা হয়।পরিবেশগত দৃষ্টিকোণ থেকে, এটি প্রয়োজনীয় কারণ সামান্য জৈববস্তু সহ কিছু ধরণের ফাইটোপ্ল্যাঙ্কটনের বেশি জৈব-রাসায়নিক প্রভাব থাকতে পারে, যেমন ডায়াজোট্রফিক ব্যাকটেরিয়া দ্বারা নাইট্রোজেন ফিক্সেশন।ডেটা মানককরণ এবং স্বাভাবিক করার সময়, এই ধরনের কোভেরিয়েটগুলি হাইলাইট করা হবে।
নিম্ন-মাত্রিক উপস্থাপনায় উচ্চ-মাত্রিক স্থানের বৈশিষ্ট্যগুলির নৈকট্যের উপর জোর দিয়ে, টি-এসএনই অ্যালগরিদম বিদ্যমান অনুরূপ অঞ্চলগুলিকে আরও পরিষ্কার করতে ব্যবহৃত হয়।পূর্ববর্তী কাজ টি-এসএনই ব্যবহার করা রিমোট সেন্সিং অ্যাপ্লিকেশনগুলির জন্য গভীর নিউরাল নেটওয়ার্ক তৈরির লক্ষ্যে, যা মূল বৈশিষ্ট্যগুলিকে পৃথক করার দক্ষতা প্রমাণ করেছে (23)।নন-কভারজেন্ট সমাধানগুলি এড়ানোর সময় বৈশিষ্ট্য ডেটাতে শক্তিশালী ক্লাস্টারিং সনাক্ত করার জন্য এটি একটি প্রয়োজনীয় পদক্ষেপ (দ্রষ্টব্য S2)।গাউসিয়ান কার্নেল ব্যবহার করে, টি-এসএনই প্রতিটি উচ্চ-মাত্রিক বস্তুকে 3D ফেজ স্পেসের একটি বিন্দুতে ম্যাপ করার মাধ্যমে ডেটার পরিসংখ্যানগত বৈশিষ্ট্যগুলি সংরক্ষণ করে, যার ফলে উচ্চ এবং নিম্ন দিকের অনুরূপ বস্তুর সম্ভাবনা উচ্চ-বিন্দুতে উচ্চ-পরিমাণে উচ্চ-মাত্রিক হওয়ার সম্ভাবনা বেশি। মাত্রিক স্থান (24)।N হাই-ডাইমেনশনাল অবজেক্ট x1,…,xN এর একটি সেট দেওয়া হলে, টি-এসএনই অ্যালগরিদম কুলব্যাক-লেইব্লার (কেএল) ডাইভারজেন্স (25) কমিয়ে কমিয়ে দেয়।কেএল ডাইভারজেন্স হল একটি সম্ভাব্যতা বন্টন একটি দ্বিতীয় রেফারেন্স সম্ভাব্যতা বন্টন থেকে কতটা আলাদা তার পরিমাপ, এবং উচ্চ-মাত্রিক বৈশিষ্ট্যগুলির নিম্ন-মাত্রিক উপস্থাপনাগুলির মধ্যে পারস্পরিক সম্পর্কের সম্ভাবনাকে কার্যকরভাবে মূল্যায়ন করতে পারে।xi যদি N-মাত্রিক স্থানের i-তম বস্তু হয়, xj হল N-মাত্রিক স্থানের j-তম বস্তু, yi হল নিম্ন-মাত্রিক স্থানের i-তম বস্তু এবং yj হল নিম্ন-মাত্রিক স্থানে j-তম বস্তু। -মাত্রিক স্থান, তারপর t -SNE সাদৃশ্য সম্ভাব্যতা সংজ্ঞায়িত করে ppj∣i = exp(-∥xi-xj∥2/2σi2)∑k≠iexp(-∥xi-xk∥2/2σi2), এবং মাত্রিকতা হ্রাস সেটের জন্য q∣j = (1+ ∥ yi-yj∥2)-1∑k≠i(1 +∥yj-yk∥2)-1
চিত্র 2A 11-মাত্রিক সংমিশ্রণের জৈববস্তু এবং পুষ্টির প্রবাহ ভেক্টরকে 3D-তে হ্রাস করার প্রভাবকে চিত্রিত করে।টি-এসএনই প্রয়োগের অনুপ্রেরণাকে প্রধান উপাদান বিশ্লেষণের (পিসিএ) অনুপ্রেরণার সাথে তুলনা করা যেতে পারে, যা ডেটার ক্ষেত্র/বিশিষ্টের উপর জোর দেওয়ার জন্য বৈচিত্র্য বৈশিষ্ট্য ব্যবহার করে, যার ফলে মাত্রিকতা হ্রাস পায়।ইকো-মন্ত্রণালয়ের জন্য নির্ভরযোগ্য এবং পুনরুত্পাদনযোগ্য ফলাফল প্রদানের ক্ষেত্রে T-SNE পদ্ধতিটি PCA-এর থেকে উচ্চতর বলে প্রমাণিত হয়েছে (দ্রষ্টব্য S2 দেখুন)।এটি হতে পারে কারণ PCA-এর অর্থগোনালিটি অনুমান অত্যন্ত ননলাইনার ইন্টারেক্টিভ বৈশিষ্ট্যগুলির মধ্যে সমালোচনামূলক মিথস্ক্রিয়া সনাক্ত করার জন্য উপযুক্ত নয়, কারণ PCA রৈখিক কোভেরিয়েন্স স্ট্রাকচারের উপর ফোকাস করে (26)।রিমোট সেন্সিং ডেটা ব্যবহার করে, লুঙ্গা এট আল।(27) গাউসিয়ান ডিস্ট্রিবিউশন থেকে বিচ্যুত জটিল এবং অরৈখিক বর্ণালী বৈশিষ্ট্যগুলিকে হাইলাইট করতে কীভাবে SNE পদ্ধতি ব্যবহার করতে হয় তা ব্যাখ্যা করে।
(A) একটি মডেলযুক্ত পুষ্টি সরবরাহের হার, ফাইটোপ্ল্যাঙ্কটন এবং জুপ্ল্যাঙ্কটন ফাংশনাল গ্রুপ বায়োমাস টি-এসএনই অ্যালগরিদম দ্বারা আঁকা এবং ডিবিএসসিএএন ব্যবহার করে প্রদেশ দ্বারা রঙিন।প্রতিটি বিন্দু উচ্চ-মাত্রিক স্থানের একটি বিন্দুকে প্রতিনিধিত্ব করে, যেমন চিত্র 6B-তে দেখানো হয়েছে, বেশিরভাগ পয়েন্ট ক্যাপচার করা হয়েছে।শ্যাফটগুলি "t-SNE" মাপ 1, 2 এবং 3 নির্দেশ করে। (B) DBSCAN দ্বারা উৎপত্তির অক্ষাংশ-দ্রাঘিমাংশ গ্রিডে পাওয়া প্রদেশের ভৌগলিক অভিক্ষেপ।রঙটি যে কোনও রঙ হিসাবে গণ্য করা উচিত, তবে (A) এর সাথে সঙ্গতিপূর্ণ হওয়া উচিত।
চিত্র 2A-এর t-SNE স্ক্যাটার প্লটের বিন্দুগুলি যথাক্রমে অক্ষাংশ এবং দ্রাঘিমাংশের সাথে যুক্ত।যদি চিত্র 2A-এর দুটি বিন্দু একে অপরের কাছাকাছি থাকে, তবে এর কারণ হল তাদের জৈববস্তু এবং পুষ্টির প্রবাহ একই রকম, ভৌগলিক নৈকট্যের কারণে নয়।চিত্র 2A-এর রংগুলি DBSCAN পদ্ধতি (28) ব্যবহার করে আবিষ্কৃত ক্লাস্টার।ঘন পর্যবেক্ষণের সন্ধান করার সময়, DBSCAN অ্যালগরিদম 3D উপস্থাপনায় বিন্দুগুলির মধ্যে দূরত্ব ব্যবহার করে (ϵ = 0.39; এই পছন্দ সম্পর্কে তথ্যের জন্য, উপাদান এবং পদ্ধতিগুলি দেখুন), এবং ক্লাস্টারটি সংজ্ঞায়িত করার জন্য অনুরূপ বিন্দুর সংখ্যা প্রয়োজন (এখানে 100 পয়েন্ট, দয়া করে উপরে দেখুন)।DBSCAN পদ্ধতিটি ডেটাতে ক্লাস্টারের আকার বা সংখ্যা সম্পর্কে কোন অনুমান করে না, যেমনটি নীচে দেখানো হয়েছে:
3) ভিতরের দূরত্বের মধ্যে চিহ্নিত সমস্ত পয়েন্টের জন্য, ক্লাস্টার সীমানা নির্ধারণ করতে পুনরাবৃত্তিমূলকভাবে ধাপ 2 পুনরাবৃত্তি করুন।পয়েন্টের সংখ্যা সেট ন্যূনতম মানের চেয়ে বেশি হলে, এটি একটি ক্লাস্টার হিসাবে মনোনীত হয়।
যে ডেটা ন্যূনতম ক্লাস্টার সদস্য এবং দূরত্ব ϵ মেট্রিক পূরণ করে না তাকে "শব্দ" হিসাবে বিবেচনা করা হয় এবং একটি রঙ নির্ধারণ করা হয় না।DBSCAN হল সবচেয়ে খারাপ ক্ষেত্রে O(n2) পারফরম্যান্স সহ একটি দ্রুত এবং মাপযোগ্য অ্যালগরিদম।বর্তমান বিশ্লেষণের জন্য, এটি আসলে এলোমেলো নয়।পয়েন্টের ন্যূনতম সংখ্যা বিশেষজ্ঞের মূল্যায়ন দ্বারা নির্ধারিত হয়।পরে দূরত্ব সামঞ্জস্য করার পরে, ফলাফল ≈±10 এর পরিসরে যথেষ্ট স্থিতিশীল নয়।এই দূরত্বটি সংযোগ (চিত্র 6A) এবং মহাসাগর কভারেজ শতাংশ (চিত্র 6B) ব্যবহার করে সেট করা হয়েছে।কানেক্টিভিটি ক্লাস্টারের যৌগিক সংখ্যা হিসাবে সংজ্ঞায়িত করা হয় এবং ϵ প্যারামিটারের প্রতি সংবেদনশীল।নিম্ন সংযোগ নির্দেশ করে অপর্যাপ্ত ফিটিং, কৃত্রিমভাবে অঞ্চলগুলিকে একত্রিত করা।উচ্চ সংযোগ ওভারফিটিং নির্দেশ করে।উচ্চতর ন্যূনতম ব্যবহার করা অনুমেয়, কিন্তু ন্যূনতম যদি ca অতিক্রম করে, তাহলে একটি নির্ভরযোগ্য সমাধান অর্জন করা অসম্ভব।135 (আরো বিস্তারিত জানার জন্য, উপকরণ এবং পদ্ধতি দেখুন)।
চিত্র 2A-তে চিহ্নিত 115 টি ক্লাস্টারগুলিকে চিত্র 2B-তে পৃথিবীতে ফিরিয়ে দেওয়া হয়েছে।প্রতিটি রঙ DBSCAN দ্বারা চিহ্নিত জৈব-রাসায়নিক এবং পরিবেশগত কারণগুলির একটি সুসঙ্গত সংমিশ্রণের সাথে মিলে যায়।ক্লাস্টারগুলি নির্ধারিত হয়ে গেলে, একটি নির্দিষ্ট অক্ষাংশ এবং দ্রাঘিমাংশের সাথে চিত্র 2A-এর প্রতিটি বিন্দুর সংযুক্তি ক্লাস্টারগুলিকে ভৌগলিক এলাকায় ফিরিয়ে আনতে ব্যবহৃত হয়।চিত্র 2B চিত্র 2A এর মতো একই ক্লাস্টার রঙ দিয়ে এটিকে চিত্রিত করে।অনুরূপ রঙগুলিকে পরিবেশগত সাদৃশ্য হিসাবে ব্যাখ্যা করা উচিত নয়, কারণ এগুলি অ্যালগরিদম দ্বারা ক্লাস্টারগুলি যে ক্রমানুসারে আবিষ্কৃত হয় তার দ্বারা নির্ধারিত হয়।
চিত্র 2B এর এলাকাটি সমুদ্রের ভৌত এবং/অথবা জৈব-রসায়নে একটি প্রতিষ্ঠিত এলাকার মতো গুণগতভাবে অনুরূপ হতে পারে।উদাহরণস্বরূপ, দক্ষিণ মহাসাগরের ক্লাস্টারগুলি জোন-প্রতিসম, যেখানে অলিগোট্রফিক ঘূর্ণি দেখা যাচ্ছে এবং তীক্ষ্ণ পরিবর্তন বাণিজ্য বায়ুর প্রভাবকে নির্দেশ করে।উদাহরণস্বরূপ, নিরক্ষীয় প্রশান্ত মহাসাগরে, উত্থানের সাথে সম্পর্কিত বিভিন্ন অঞ্চল দেখা যায়।
ইকো-প্রদেশের পরিবেশগত পরিবেশ বোঝার জন্য, ক্লাস্টারে বাস্তুশাস্ত্রের মূল্যায়ন করতে Bray-Curtis (BC) পার্থক্য সূচক (29) এর একটি পরিবর্তন ব্যবহার করা হয়েছিল।BC সূচক হল একটি পরিসংখ্যানগত তথ্য যা দুটি ভিন্ন সাইটের মধ্যে সম্প্রদায় কাঠামোর পার্থক্য পরিমাপ করতে ব্যবহৃত হয়।BC পরিমাপ 51 প্রজাতির ফাইটোপ্ল্যাঙ্কটন এবং জুপ্ল্যাঙ্কটন BCninj = 1-2CninjSni + Snj এর জৈববস্তুর ক্ষেত্রে প্রযোজ্য
BCninj বলতে বোঝায় ni এবং কম্বিনেশন nj-এর মধ্যে সাদৃশ্য, যেখানে Cninj হল একটি একক ধরনের জৈববস্তুর ন্যূনতম মান যা ni এবং nj উভয় সংমিশ্রণে বিদ্যমান, এবং Sni হল ni এবং Snj উভয় সংমিশ্রণে বিদ্যমান সমস্ত জৈব পদার্থের যোগফলকে প্রতিনিধিত্ব করে।বিসি পার্থক্য দূরত্ব পরিমাপের অনুরূপ, কিন্তু অ-ইউক্লিডীয় স্থানে কাজ করে, যা পরিবেশগত তথ্য এবং এর ব্যাখ্যার জন্য আরও উপযুক্ত হতে পারে।
চিত্র 2B-তে চিহ্নিত প্রতিটি ক্লাস্টারের জন্য, আন্তঃ-প্রাদেশিক এবং আন্তঃ-প্রাদেশিক BC-এর সাদৃশ্য মূল্যায়ন করা যেতে পারে।একটি প্রদেশের মধ্যে বিসি পার্থক্যটি প্রদেশের গড় মান এবং প্রদেশের প্রতিটি বিন্দুর মধ্যে পার্থক্য বোঝায়।বিসি প্রদেশগুলির মধ্যে পার্থক্য একটি প্রদেশ এবং অন্যান্য প্রদেশের মধ্যে সাদৃশ্য বোঝায়।চিত্র 3A একটি প্রতিসম BC ম্যাট্রিক্স দেখায় (0, কালো: সম্পূর্ণভাবে সংশ্লিষ্ট; 1, সাদা: সম্পূর্ণ ভিন্ন)।গ্রাফের প্রতিটি লাইন ডেটাতে একটি প্যাটার্ন দেখায়।চিত্র 3B প্রতিটি প্রদেশের জন্য চিত্র 3A-এ BC-এর ফলাফলের ভৌগলিক তাত্পর্য দেখায়।নিম্ন-পুষ্টি এবং নিম্ন-পুষ্টি অঞ্চলের একটি প্রদেশের জন্য, চিত্র 3B দেখায় যে নিরক্ষরেখা এবং ভারত মহাসাগরের চারপাশের বৃহৎ অঞ্চলগুলির প্রতিসাম্য মূলত একই, তবে উচ্চ অক্ষাংশ এবং উর্ধ্বমুখী অঞ্চলগুলি উল্লেখযোগ্যভাবে আলাদা।
(ক) 51 প্ল্যাঙ্কটনের বৈশ্বিক 20 বছরের গড় বৈশ্বিক পৃষ্ঠের গড় উপর ভিত্তি করে প্রতিটি প্রদেশের জন্য বিসি পার্থক্যের ডিগ্রী মূল্যায়ন করা হয়।মানগুলির প্রত্যাশিত প্রতিসাম্য লক্ষ্য করুন।(B) একটি কলামের (বা সারি) স্থানিক অভিক্ষেপ।একটি dystrophic বৃত্তের একটি প্রদেশের জন্য, BC সাদৃশ্য পরিমাপের বৈশ্বিক বন্টন মূল্যায়ন করা হয়েছিল, এবং বিশ্বব্যাপী 20-বছরের গড় মূল্যায়ন করা হয়েছিল।কালো (BC = 0) মানে একই এলাকা, এবং সাদা (BC = 1) মানে কোন মিল নেই।
চিত্র 4A চিত্র 2B-এ প্রতিটি প্রদেশের মধ্যে BC-এর পার্থক্যকে চিত্রিত করে।একটি ক্লাস্টারে গড় ক্ষেত্রফলের গড় সমন্বয় ব্যবহার করে এবং প্রদেশের প্রতিটি গ্রিড পয়েন্টের BC এবং গড়ের মধ্যে পার্থক্য নির্ণয় করে, এটি দেখায় যে SAGE পদ্ধতিটি পরিবেশগত মিলের প্রকারের উপর ভিত্তি করে 51 টি প্রজাতিকে আলাদা করতে পারে। মডেল ডেটা।সমস্ত 51 প্রকারের সামগ্রিক গড় ক্লাস্টার BC বৈষম্য হল 0.102±0.0049।
(A, B, এবং D) প্রদেশের মধ্যে BC পার্থক্যটিকে প্রতিটি গ্রিড পয়েন্ট সম্প্রদায় এবং গড় প্রদেশের মধ্যে গড় BC পার্থক্য হিসাবে মূল্যায়ন করা হয় এবং জটিলতা হ্রাস করা হয় না।(2) বিশ্বব্যাপী গড় আন্তঃ-প্রাদেশিক BC পার্থক্য হল 0.227±0.117।এটি এই কাজের দ্বারা প্রস্তাবিত পরিবেশগত প্রেরণা-ভিত্তিক শ্রেণীবিভাগের মানদণ্ড [(C)]-এ সবুজ লাইন।(C) গড় আন্তঃ-প্রাদেশিক BC পার্থক্য: কালো রেখা ক্রমবর্ধমান জটিলতার সাথে আন্তঃ-প্রাদেশিক BC পার্থক্যকে প্রতিনিধিত্ব করে।ইকো-প্রদেশ সনাক্তকরণ প্রক্রিয়ার 10টি পুনরাবৃত্তি থেকে 2σ এসেছে।DBSCAN দ্বারা আবিষ্কৃত প্রদেশগুলির মোট জটিলতার জন্য, (A) দেখায় যে প্রদেশে BC অসমতা হল 0.099, এবং (C) দ্বারা প্রস্তাবিত জটিলতার শ্রেণীবিভাগ হল 12, ফলে প্রদেশে BC-এর বৈষম্য হল 0.200৷ছবি দেখায় হিসাবে.(D)।
চিত্র 4B-এ, লংহার্স্ট প্রদেশে সমতুল্য বিসি পার্থক্যের প্রতিনিধিত্ব করতে 51টি প্ল্যাঙ্কটনের বায়োমাস ব্যবহার করা হয়েছে।প্রতিটি প্রদেশের সামগ্রিক গড় হল 0.227, এবং BC প্রদেশের পার্থক্যের রেফারেন্স সহ গ্রিড পয়েন্টগুলির মানক বিচ্যুতি হল 0.046।এটি চিত্র 1B-তে চিহ্নিত ক্লাস্টারের চেয়ে বড়।পরিবর্তে, সাতটি কার্যকরী গোষ্ঠীর যোগফল ব্যবহার করে, লংহার্স্টে গড় আন্তঃ-মৌসুম বিসি বৈষম্য 0.232-এ বেড়েছে।
গ্লোবাল ইকো-প্রদেশ মানচিত্র অনন্য পরিবেশগত মিথস্ক্রিয়াগুলির জটিল বিবরণ প্রদান করে এবং লংহার্স্ট প্রদেশের সমগ্র বাস্তুতন্ত্রের কাঠামো ব্যবহার করে উন্নতি করা হয়েছে।বাস্তুবিদ্যা মন্ত্রক সংখ্যাসূচক মডেল বাস্তুতন্ত্র নিয়ন্ত্রণের প্রক্রিয়ার অন্তর্দৃষ্টি প্রদান করবে বলে আশা করা হচ্ছে এবং এই অন্তর্দৃষ্টি ক্ষেত্রের কাজের অনুসন্ধানে সাহায্য করবে।এই গবেষণার উদ্দেশ্যে, একশোর বেশি প্রদেশ সম্পূর্ণরূপে প্রদর্শন করা সম্ভব নয়।পরবর্তী বিভাগে SAGE পদ্ধতি প্রবর্তন করা হয়েছে যা প্রদেশগুলিকে সংক্ষিপ্ত করে।
প্রদেশের অন্যতম উদ্দেশ্য হল প্রদেশের অবস্থান এবং ব্যবস্থাপনা সম্পর্কে বোঝার প্রচার করা।জরুরী পরিস্থিতি নির্ধারণের জন্য, চিত্র 1B-এর পদ্ধতিটি পরিবেশগতভাবে অনুরূপ প্রদেশগুলির বাসা বাঁধার চিত্র তুলে ধরে।পরিবেশগত সাদৃশ্যের ভিত্তিতে ইকো-প্রদেশগুলিকে একত্রে গোষ্ঠীভুক্ত করা হয় এবং প্রদেশগুলির এই ধরনের গ্রুপিংকে AEP বলা হয়।বিবেচনা করার জন্য মোট প্রদেশের সংখ্যার উপর ভিত্তি করে একটি সামঞ্জস্যযোগ্য "জটিলতা" সেট করুন।"জটিলতা" শব্দটি ব্যবহার করা হয় কারণ এটি জরুরী বৈশিষ্ট্যের স্তরকে সামঞ্জস্য করার অনুমতি দেয়।অর্থপূর্ণ সমষ্টিকে সংজ্ঞায়িত করার জন্য, লংহার্স্ট থেকে 0.227 এর গড় আন্তঃ-প্রাদেশিক বিসি পার্থক্য বেঞ্চমার্ক হিসাবে ব্যবহৃত হয়।এই বেঞ্চমার্কের নীচে, সম্মিলিত প্রদেশগুলি আর উপযোগী বলে বিবেচিত হয় না।
চিত্র 3B তে দেখানো হয়েছে, বৈশ্বিক পরিবেশগত প্রদেশগুলি সুসঙ্গত।আন্তঃপ্রাদেশিক বিসি পার্থক্য ব্যবহার করে, এটি দেখা যায় যে কিছু কনফিগারেশন খুব "সাধারণ"।জেনেটিক্স এবং গ্রাফ তত্ত্ব পদ্ধতি দ্বারা অনুপ্রাণিত, "সংযুক্ত গ্রাফ" তাদের সাথে সবচেয়ে বেশি অনুরূপ প্রদেশের উপর ভিত্তি করে >100টি প্রদেশকে সাজানোর জন্য ব্যবহার করা হয়।এখানে "সংযোগ" মেট্রিক আন্তঃপ্রাদেশিক BC বৈষম্য (30) ব্যবহার করে নির্ধারিত হয়।> 100টি প্রদেশের শ্রেণীবিভাগের জন্য একটি বড় স্থান সহ প্রদেশের সংখ্যা এখানে জটিলতা হিসাবে উল্লেখ করা যেতে পারে।AEP হল এমন একটি পণ্য যা 100 টিরও বেশি প্রদেশকে সবচেয়ে প্রভাবশালী/ নিকটতম পরিবেশগত প্রদেশ হিসাবে শ্রেণীবদ্ধ করে।প্রতিটি পরিবেশগত প্রদেশ প্রভাবশালী/অত্যন্ত সংযুক্ত পরিবেশগত প্রদেশের জন্য নির্ধারিত হয় যা তাদের সাথে সবচেয়ে বেশি মিল।বিসি পার্থক্য দ্বারা নির্ধারিত এই সমষ্টি বৈশ্বিক বাস্তুশাস্ত্রে একটি নেস্টেড পদ্ধতির অনুমতি দেয়।
নির্বাচিত জটিলতা 1 থেকে FIG-এর সম্পূর্ণ জটিলতা পর্যন্ত যেকোনো মান হতে পারে।2A.কম জটিলতায়, সম্ভাব্য ডাইমেনশনালিটি রিডাকশন স্টেপের (t-SNE) কারণে AEP অবক্ষয় হতে পারে।অধঃপতনের অর্থ হল পরিবেশগত প্রদেশগুলি পুনরাবৃত্তির মধ্যে বিভিন্ন AEP-কে বরাদ্দ করা যেতে পারে, যার ফলে আচ্ছাদিত ভৌগলিক এলাকা পরিবর্তন হয়।চিত্র 4C 10টি বাস্তবায়নে ক্রমবর্ধমান জটিলতার AEP-তে প্রদেশগুলির মধ্যে বিসি বৈষম্যের বিস্তারকে চিত্রিত করে (চিত্র 1B-এ চিত্র)।চিত্র 4C-এ, 2σ (নীল এলাকা) হল 10টি বাস্তবায়নে অবনতির একটি পরিমাপ, এবং সবুজ রেখা লংহার্স্ট বেঞ্চমার্কের প্রতিনিধিত্ব করে।তথ্য প্রমাণ করেছে যে 12-এর জটিলতা প্রদেশের বিসি পার্থক্যকে লংহার্স্ট বেঞ্চমার্কের নিচে রাখতে পারে এবং তুলনামূলকভাবে ছোট 2σ অবনতি বজায় রাখতে পারে।সংক্ষেপে, ন্যূনতম প্রস্তাবিত জটিলতা হল 12টি AEP, এবং 51টি প্ল্যাঙ্কটন প্রকার ব্যবহার করে মূল্যায়ন করা আন্তঃ-প্রদেশ বিসি পার্থক্য হল 0.198±0.013, যেমন চিত্র 4D-তে দেখানো হয়েছে।সাতটি প্ল্যাঙ্কটন কার্যকরী গোষ্ঠীর যোগফল ব্যবহার করে, প্রদেশের মধ্যে গড় BC পার্থক্য হল 0.198±0.004 এর পরিবর্তে 2σ।সাতটি কার্যকরী গোষ্ঠীর মোট বায়োমাস বা সমস্ত 51টি প্ল্যাঙ্কটনের বায়োমাসের সাথে গণনা করা বিসি পার্থক্যের মধ্যে তুলনা দেখায় যে SAGE পদ্ধতিটি 51-মাত্রিক পরিস্থিতির জন্য প্রযোজ্য হলেও, এটি সাতটি কার্যকরী গোষ্ঠীর মোট জৈববস্তুর জন্য। প্রশিক্ষণের জন্য.
যে কোন গবেষণার উদ্দেশ্যের উপর নির্ভর করে জটিলতার বিভিন্ন স্তর বিবেচনা করা যেতে পারে।আঞ্চলিক গবেষণায় সম্পূর্ণ জটিলতার প্রয়োজন হতে পারে (অর্থাৎ, সমস্ত 115টি প্রদেশ)।একটি উদাহরণ হিসাবে এবং স্পষ্টতার জন্য, 12 এর ন্যূনতম প্রস্তাবিত জটিলতা বিবেচনা করুন।
SAGE পদ্ধতির ইউটিলিটির উদাহরণ হিসাবে, জরুরী সম্প্রদায় কাঠামোর নিয়ন্ত্রণ অন্বেষণ করতে এখানে 12টির ন্যূনতম জটিলতা সহ 12টি AEP ব্যবহার করা হয়েছে।চিত্র 5 AEP (A থেকে L পর্যন্ত) দ্বারা গোষ্ঠীবদ্ধ পরিবেশগত অন্তর্দৃষ্টিগুলিকে চিত্রিত করে: রেডফিল্ড স্টোইচিওমেট্রিতে, ভৌগলিক ব্যাপ্তি (চিত্র 5C), কার্যকরী গ্রুপ বায়োমাস রচনা (চিত্র 5A) এবং পুষ্টি সরবরাহ (চিত্র 5B) N জুম দ্বারা সঞ্চালিত হয়।অনুপাত (N:Si:P:Fe, 1:1:16:16×103) দেখানো হয়েছে।পরবর্তী প্যানেলের জন্য, P 16 দ্বারা গুণিত হয় এবং Fe 16×103 দ্বারা গুণিত হয়, তাই বার গ্রাফটি ফাইটোপ্ল্যাঙ্কটনের পুষ্টির প্রয়োজনীয়তার সমতুল্য।
প্রদেশগুলিকে 12টি প্রদেশের বাস্তুতন্ত্রের 12টি AEPs A থেকে L. (A) বায়োমাস (mgC/m3) এ শ্রেণীবদ্ধ করা হয়েছে।(B) দ্রবীভূত অজৈব নাইট্রোজেন (N), আয়রন (Fe), ফসফেট (P) এবং সিলিসিক অ্যাসিড (Si) (mmol/m3 প্রতি বছর) এর পুষ্টির প্রবাহের হার।Fe এবং P যথাক্রমে 16 এবং 16×103 দ্বারা গুণ করা হয়, যাতে স্ট্রিপগুলি ফাইটোপ্ল্যাঙ্কটন স্টোইচিওমেট্রি প্রয়োজনীয়তা অনুসারে প্রমিত হয়।(গ) মেরু অঞ্চল, উপক্রান্তীয় ঘূর্ণিঝড় এবং প্রধান মৌসুমী/উত্থিত অঞ্চলের মধ্যে পার্থক্য লক্ষ্য করুন।পর্যবেক্ষণ কেন্দ্রগুলি নিম্নরূপ চিহ্নিত করা হয়েছে: 1, আসন;2, ALOHA;3, স্টেশন পি;এবং 4, BATS।
চিহ্নিত AEP অনন্য।আটলান্টিক এবং প্রশান্ত মহাসাগরে বিষুবরেখার চারপাশে কিছু প্রতিসাম্য রয়েছে এবং একই রকম কিন্তু বর্ধিত এলাকা ভারত মহাসাগরে বিদ্যমান।কিছু AEP মহাদেশের পশ্চিম দিককে আলিঙ্গন করে যা আরোহণের সাথে যুক্ত।দক্ষিণ মেরু বৃত্তাকার স্রোত একটি বৃহৎ আঞ্চলিক বৈশিষ্ট্য হিসাবে বিবেচিত হয়।সাবট্রপিকাল সাইক্লোন হল অলিগোট্রফিক AEP এর একটি জটিল সিরিজ।এই প্রদেশগুলিতে, প্ল্যাঙ্কটন-অধ্যুষিত অলিগোট্রফিক ঘূর্ণি এবং ডায়াটম-সমৃদ্ধ মেরু অঞ্চলের মধ্যে বায়োমাসের পার্থক্যের পরিচিত প্যাটার্ন সুস্পষ্ট।
খুব অনুরূপ মোট ফাইটোপ্ল্যাঙ্কটন বায়োমাস সহ AEPগুলির খুব আলাদা সম্প্রদায়ের কাঠামো থাকতে পারে এবং বিভিন্ন ভৌগলিক অঞ্চলগুলিকে কভার করতে পারে, যেমন D, H, এবং K, যেগুলির একই রকম মোট ফাইটোপ্ল্যাঙ্কটন জৈববস্তু রয়েছে।AEP H প্রধানত নিরক্ষীয় ভারত মহাসাগরে বিদ্যমান এবং সেখানে আরও ডায়াজোট্রফিক ব্যাকটেরিয়া রয়েছে।AEP D বেশ কয়েকটি অববাহিকায় পাওয়া যায়, তবে এটি প্রশান্ত মহাসাগরীয় অঞ্চলে বিষুবীয় উত্থানের চারপাশে উচ্চ-ফলনশীল এলাকায় বিশেষভাবে বিশিষ্ট।এই প্রশান্ত মহাসাগরীয় প্রদেশের আকৃতি একটি গ্রহের তরঙ্গ ট্রেনের কথা মনে করিয়ে দেয়।AEP D-তে অল্প ডায়াজোব্যাকটেরিয়া আছে এবং আরও শঙ্কু আছে।অন্য দুটি প্রদেশের সাথে তুলনা করে, AEP K শুধুমাত্র আর্কটিক মহাসাগরের উচ্চভূমিতে পাওয়া যায় এবং সেখানে আরও ডায়াটম এবং কম প্লাঙ্কটন রয়েছে।এটি লক্ষণীয় যে এই তিনটি অঞ্চলে প্লাঙ্কটনের পরিমাণও খুব আলাদা।তাদের মধ্যে, AEP K এর প্ল্যাঙ্কটন প্রাচুর্য তুলনামূলকভাবে কম, যখন AEP D এবং H এর তুলনায় তুলনামূলকভাবে বেশি।অতএব, তাদের বায়োমাস থাকা সত্ত্বেও (এবং তাই Chl-a-এর মতো), এই প্রদেশগুলি বেশ আলাদা: Chl-ভিত্তিক প্রদেশ পরীক্ষা এই পার্থক্যগুলি ক্যাপচার করতে পারে না।
এটাও স্পষ্ট যে ফাইটোপ্ল্যাঙ্কটন সম্প্রদায়ের কাঠামোর ক্ষেত্রে খুব আলাদা বায়োমাস সহ কিছু AEP একই রকম হতে পারে।উদাহরণস্বরূপ, এটি AEP D এবং E-তে দৃশ্যমান। তারা একে অপরের কাছাকাছি, এবং প্রশান্ত মহাসাগরে, AEP E অত্যন্ত উত্পাদনশীল AEPJ-এর কাছাকাছি।একইভাবে, ফাইটোপ্ল্যাঙ্কটন বায়োমাস এবং জুপ্ল্যাঙ্কটন প্রাচুর্যের মধ্যে কোন স্পষ্ট যোগসূত্র নেই।
AEP তাদের দেওয়া পুষ্টির পরিপ্রেক্ষিতে বোঝা যায় (চিত্র 5B)।ডায়াটমগুলি কেবল সেখানেই বিদ্যমান যেখানে সিলিসিক অ্যাসিডের যথেষ্ট সরবরাহ রয়েছে।সাধারণত, সিলিসিক অ্যাসিডের সরবরাহ যত বেশি, ডায়াটমের জৈববস্তু তত বেশি।ডায়াটমগুলি AEP A, J, K এবং L-এ দেখা যায়। অন্যান্য ফাইটোপ্ল্যাঙ্কটনের তুলনায় ডায়াটম জৈববস্তুর অনুপাত ডায়াটমের চাহিদার সাথে সম্পর্কিত N, P এবং Fe দ্বারা নির্ধারিত হয়।উদাহরণস্বরূপ, AEP L ডায়াটম দ্বারা প্রভাবিত।অন্যান্য পুষ্টির সাথে তুলনা করে, Si-এর সরবরাহ সবচেয়ে বেশি।বিপরীতে, উচ্চ উত্পাদনশীলতা সত্ত্বেও, AEP J-এর কম ডায়াটম এবং কম সিলিকন সরবরাহ রয়েছে (সমস্ত এবং অন্যান্য পুষ্টির তুলনায়)।
ডায়াজোনিয়াম ব্যাকটেরিয়া নাইট্রোজেন ঠিক করার ক্ষমতা রাখে, কিন্তু ধীরে ধীরে বৃদ্ধি পায় (31)।তারা অন্যান্য ফাইটোপ্ল্যাঙ্কটনের সাথে সহাবস্থান করে, যেখানে লোহা এবং ফসফরাস অ-ডায়াজোনিয়াম পুষ্টির চাহিদার তুলনায় অত্যধিক (20, 21)।এটি লক্ষণীয় যে ডায়াজোট্রফিক জৈববস্তু তুলনামূলকভাবে বেশি, এবং N-এর সরবরাহের তুলনায় Fe এবং P এর সরবরাহ তুলনামূলকভাবে বড়। J এর থেকে বড়। অনুগ্রহ করে মনে রাখবেন AEP J এবং H ভৌগলিকভাবে খুব আলাদা, এবং H নিরক্ষীয় ভারত মহাসাগরে অবস্থিত।
যদি অনন্য ইকোসিস্টেম কাঠামোকে প্রদেশে ভাগ করা না হয়, তাহলে 12টি AEP-এর সর্বনিম্ন জটিলতার মডেল থেকে প্রাপ্ত অন্তর্দৃষ্টিগুলি এতটা স্পষ্ট হবে না।SAGE দ্বারা উত্পন্ন AEP বাস্তুতন্ত্রের মডেলগুলি থেকে জটিল এবং উচ্চ-মাত্রিক তথ্যের সুসংগত এবং একযোগে তুলনা করার সুবিধা দেয়।AEP কার্যকরভাবে জোর দেয় যে কেন উচ্চ পুষ্টির স্তরে সম্প্রদায়ের গঠন বা জুপ্ল্যাঙ্কটন প্রাচুর্য নির্ধারণের জন্য Chl একটি ভাল এবং বিকল্প পদ্ধতি নয়।চলমান গবেষণার বিষয়গুলির একটি বিশদ বিশ্লেষণ এই নিবন্ধের সুযোগের বাইরে।SAGE পদ্ধতিটি মডেলের অন্যান্য প্রক্রিয়াগুলি অন্বেষণ করার একটি উপায় প্রদান করে যা পয়েন্ট-টু-পয়েন্ট দেখার চেয়ে পরিচালনা করা সহজ।
SAGE পদ্ধতিটি বিশ্বব্যাপী ভৌত/জৈব-রাসায়নিক/ইকোসিস্টেম সংখ্যাসূচক মডেলগুলি থেকে অত্যন্ত জটিল বাস্তুসংস্থান সংক্রান্ত তথ্য স্পষ্ট করতে সাহায্য করার জন্য প্রস্তাব করা হয়েছে।ইকোলজিক্যাল প্রদেশ নির্ধারণ করা হয় ক্রস-প্ল্যাঙ্কটন ফাংশনাল গ্রুপের মোট বায়োমাস, টি-এসএনই সম্ভাব্যতা মাত্রা হ্রাস অ্যালগরিদমের প্রয়োগ এবং অতত্ত্বাবধানহীন ML পদ্ধতি DBSCAN ব্যবহার করে ক্লাস্টারিং দ্বারা।নেস্টিং পদ্ধতির জন্য আন্তঃপ্রাদেশিক বিসি পার্থক্য/গ্রাফ তত্ত্ব একটি শক্তিশালী AEP প্রাপ্ত করার জন্য প্রয়োগ করা হয় যা বিশ্বব্যাপী ব্যাখ্যার জন্য ব্যবহার করা যেতে পারে।নির্মাণের ক্ষেত্রে, ইকো-প্রদেশ এবং AEP অনন্য।AEP নেস্টিং মূল পরিবেশগত প্রদেশের সম্পূর্ণ জটিলতা এবং 12 AEP-এর প্রস্তাবিত সর্বনিম্ন থ্রেশহোল্ডের মধ্যে সামঞ্জস্য করা যেতে পারে।নেস্টিং এবং AEP-এর ন্যূনতম জটিলতা নির্ধারণকে মূল পদক্ষেপ হিসাবে বিবেচনা করা হয়, কারণ t-SNE সম্ভাব্যতা <12 জটিলতার AEPs অবক্ষয় করে।SAGE পদ্ধতিটি বিশ্বব্যাপী, এবং এর জটিলতা > 100 AEPs থেকে 12 পর্যন্ত। সরলতার জন্য, বর্তমান ফোকাস 12টি বিশ্বব্যাপী AEP-এর জটিলতার উপর।ভবিষ্যত গবেষণা, বিশেষ করে আঞ্চলিক অধ্যয়ন, বৈশ্বিক ইকো-প্রদেশগুলির একটি ছোট স্থানিক উপসেটকে উপযোগী খুঁজে পেতে পারে এবং এখানে আলোচনা করা একই পরিবেশগত অন্তর্দৃষ্টিগুলির সুবিধা নিতে একটি ছোট এলাকায় একত্রিত হতে পারে।এটি কীভাবে এই পরিবেশগত প্রদেশগুলি এবং তাদের থেকে অর্জিত অন্তর্দৃষ্টিগুলিকে আরও পরিবেশগত বোঝার জন্য ব্যবহার করা যেতে পারে, মডেল তুলনা সহজতর করতে এবং সামুদ্রিক বাস্তুতন্ত্রের পর্যবেক্ষণকে সম্ভাব্যভাবে উন্নত করতে পরামর্শ প্রদান করে।
SAGE পদ্ধতি দ্বারা চিহ্নিত পরিবেশগত প্রদেশ এবং AEP সংখ্যাসূচক মডেলের ডেটার উপর ভিত্তি করে।সংজ্ঞা অনুসারে, সংখ্যাসূচক মডেলটি একটি সরলীকৃত কাঠামো, যা লক্ষ্য ব্যবস্থার সারাংশ ধরার চেষ্টা করে এবং বিভিন্ন মডেলে প্লাঙ্কটনের বিভিন্ন বন্টন থাকবে।এই গবেষণায় ব্যবহৃত সংখ্যাসূচক মডেল কিছু পর্যবেক্ষণ করা নিদর্শন সম্পূর্ণরূপে ক্যাপচার করতে পারে না (উদাহরণস্বরূপ, নিরক্ষীয় অঞ্চল এবং দক্ষিণ মহাসাগরের জন্য Chl অনুমানে)।বাস্তব মহাসাগরের বৈচিত্র্যের শুধুমাত্র একটি ছোট অংশই ধরা পড়ে, এবং মেসো এবং সাব-মেসোস্কেলগুলি সমাধান করা যায় না, যা পুষ্টির প্রবাহ এবং ছোট আকারের সম্প্রদায়ের কাঠামোকে প্রভাবিত করতে পারে।এই ত্রুটিগুলি সত্ত্বেও, এটি দেখা যাচ্ছে যে জটিল মডেলগুলি বুঝতে সাহায্য করার জন্য AEP খুব দরকারী।অনুরূপ পরিবেশগত প্রদেশগুলি কোথায় পাওয়া যায় তা মূল্যায়ন করে, AEP একটি সম্ভাব্য সংখ্যাসূচক মডেল তুলনা সরঞ্জাম সরবরাহ করে।বর্তমান সংখ্যাসূচক মডেল রিমোট সেন্সিং ফাইটোপ্ল্যাঙ্কটন Chl-এ ঘনত্ব এবং প্ল্যাঙ্কটন আকার এবং কার্যকরী গোষ্ঠীর বিতরণের সামগ্রিক প্যাটার্ন (নোট S1 এবং চিত্র S1) (2, 32) ক্যাপচার করে।
0.1 mgChl-a/m-3 কনট্যুর লাইন দ্বারা দেখানো হয়েছে, AEP অলিগোট্রফিক এলাকা এবং মেসোট্রফিক এলাকায় (চিত্র S1B): AEP B, C, D, E, F এবং G হল অলিগোট্রফিক এলাকা, এবং অবশিষ্ট অঞ্চলগুলি অবস্থিত উচ্চ Chl-a.AEP লংহার্স্ট প্রদেশের সাথে কিছু চিঠিপত্র দেখায় (চিত্র S3A), উদাহরণস্বরূপ, দক্ষিণ মহাসাগর এবং নিরক্ষীয় প্রশান্ত মহাসাগর।কিছু অঞ্চলে, AEP একাধিক লংহার্স্ট অঞ্চলকে কভার করে এবং এর বিপরীতে।যেহেতু এই এলাকায় এবং লংহার্স্টের প্রদেশগুলিকে সীমাবদ্ধ করার অভিপ্রায় ভিন্ন, তাই প্রত্যাশিত যে পার্থক্য থাকবে৷একটি লংহার্স্ট প্রদেশে একাধিক AEP ইঙ্গিত দেয় যে অনুরূপ জৈব-রসায়ন সহ নির্দিষ্ট এলাকায় খুব ভিন্ন ইকোসিস্টেম কাঠামো থাকতে পারে।AEP ভৌত অবস্থার সাথে একটি নির্দিষ্ট চিঠিপত্র প্রদর্শন করে, যেমনটি তত্ত্বাবধানহীন শিক্ষা (19) ব্যবহার করে প্রকাশ করা হয়েছে, যেমন উচ্চ উত্তেজনাপূর্ণ রাজ্যে (উদাহরণস্বরূপ, দক্ষিণ মহাসাগর এবং নিরক্ষীয় প্রশান্ত মহাসাগর; চিত্র S3, C এবং D)।এই চিঠিপত্রগুলি ইঙ্গিত করে যে প্ল্যাঙ্কটনের সম্প্রদায়ের কাঠামো সমুদ্রের গতিবিদ্যা দ্বারা দৃঢ়ভাবে প্রভাবিত।উত্তর আটলান্টিকের মতো এলাকায়, AEP ভৌত প্রদেশ অতিক্রম করে।এই পার্থক্যগুলি ঘটায় এমন প্রক্রিয়ার মধ্যে ধুলো পরিবহনের মতো প্রক্রিয়াগুলি অন্তর্ভুক্ত থাকতে পারে, যা অনুরূপ শারীরিক অবস্থার মধ্যেও সম্পূর্ণ ভিন্ন পুষ্টি প্রোগ্রামের দিকে পরিচালিত করতে পারে।
বাস্তুবিদ্যা মন্ত্রনালয় এবং AEP নির্দেশ করেছে যে একা Chl ব্যবহার করে বাস্তুসংস্থানীয় উপাদানগুলি সনাক্ত করা যায় না, যেমন সামুদ্রিক বাস্তুসংস্থান সম্প্রদায় ইতিমধ্যে উপলব্ধি করেছে।এটি একই রকম জৈব পদার্থের সাথে AEP-তে দেখা যায় কিন্তু উল্লেখযোগ্যভাবে ভিন্ন পরিবেশগত গঠন (যেমন D এবং E)।বিপরীতে, D এবং K-এর মতো AEP-তে খুব আলাদা জৈববস্তু রয়েছে কিন্তু একই রকম পরিবেশগত গঠন রয়েছে।AEP জোর দেয় যে বায়োমাস, ইকোলজিক্যাল কম্পোজিশন এবং জুপ্ল্যাঙ্কটন প্রাচুর্যের মধ্যে সম্পর্ক জটিল।উদাহরণস্বরূপ, যদিও AEP J ফাইটোপ্ল্যাঙ্কটন এবং প্ল্যাঙ্কটন বায়োমাসের পরিপ্রেক্ষিতে আলাদা, AEP-এর A এবং L একই রকম প্ল্যাঙ্কটন বায়োমাস আছে, কিন্তু A-তে প্ল্যাঙ্কটনের প্রাচুর্য বেশি।AEP জোর দেয় যে ফাইটোপ্ল্যাঙ্কটন বায়োমাস (বা Chl) জুপ্ল্যাঙ্কটন বায়োমাসের পূর্বাভাস দিতে ব্যবহার করা যাবে না।জুপ্ল্যাঙ্কটন হল মৎস্য খাদ্য শৃঙ্খলের ভিত্তি, এবং আরও সঠিক অনুমান উন্নত সম্পদ ব্যবস্থাপনার দিকে নিয়ে যেতে পারে।ভবিষ্যতের সামুদ্রিক রঙের উপগ্রহ [উদাহরণস্বরূপ, PACE (প্ল্যাঙ্কটন, অ্যারোসল, ক্লাউড, এবং সামুদ্রিক বাস্তুতন্ত্র)] ফাইটোপ্ল্যাঙ্কটনের সম্প্রদায়ের কাঠামো অনুমান করতে সাহায্য করার জন্য আরও ভাল অবস্থানে থাকতে পারে।AEP ভবিষ্যদ্বাণী ব্যবহার করে মহাকাশ থেকে জুপ্ল্যাঙ্কটনের অনুমান সম্ভাব্যভাবে সহজতর করতে পারে।SAGE-এর মতো পদ্ধতি, নতুন প্রযুক্তির সাথে মিলিত, এবং গ্রাউন্ড ট্রুথ সার্ভে (যেমন তারা এবং ফলো-আপ গবেষণার মতো) জন্য উপলব্ধ আরও বেশি ফিল্ড ডেটা, যৌথভাবে স্যাটেলাইট-ভিত্তিক ইকোসিস্টেম স্বাস্থ্য পর্যবেক্ষণের দিকে একটি পদক্ষেপ নিতে পারে।
SAGE পদ্ধতিটি কিছু পদ্ধতির মূল্যায়ন করার একটি সুবিধাজনক উপায় প্রদান করে যা প্রদেশের বৈশিষ্ট্যগুলিকে নিয়ন্ত্রণ করে, যেমন বায়োমাস/Chl, নেট প্রাথমিক উৎপাদন এবং সম্প্রদায়ের কাঠামো।উদাহরণস্বরূপ, ডায়াটমের আপেক্ষিক পরিমাণ ফাইটোপ্ল্যাঙ্কটন স্টোইচিওমেট্রিক প্রয়োজনীয়তার সাপেক্ষে Si, N, P এবং Fe সরবরাহে ভারসাম্যহীনতার দ্বারা সেট করা হয়।একটি সুষম সরবরাহের হারে, সম্প্রদায়টি ডায়াটম (এল) দ্বারা আধিপত্যশীল।যখন সরবরাহের হার ভারসাম্যহীন হয় (অর্থাৎ, ডায়াটমের পুষ্টির চাহিদার তুলনায় সিলিকনের সরবরাহ কম), তখন ডায়াটমগুলি শুধুমাত্র একটি ছোট অংশ শেয়ার (কে) এর জন্য দায়ী।যখন Fe এবং P এর সরবরাহ N এর সরবরাহকে ছাড়িয়ে যায় (উদাহরণস্বরূপ, E এবং H), ডায়াজোট্রফিক ব্যাকটেরিয়াগুলি জোরালোভাবে বৃদ্ধি পাবে।AEP দ্বারা প্রদত্ত প্রেক্ষাপটের মাধ্যমে, নিয়ন্ত্রণ প্রক্রিয়ার অনুসন্ধান আরও কার্যকর হবে।
ইকো-প্রদেশ এবং AEP একই ধরনের সম্প্রদায় কাঠামো সহ এলাকা।একটি পরিবেশগত প্রদেশ বা AEP এর মধ্যে একটি নির্দিষ্ট অবস্থান থেকে সময় সিরিজ একটি রেফারেন্স পয়েন্ট হিসাবে গণ্য করা যেতে পারে এবং পরিবেশগত প্রদেশ বা AEP দ্বারা আচ্ছাদিত এলাকা প্রতিনিধিত্ব করতে পারে।দীর্ঘমেয়াদী অন-সাইট মনিটরিং স্টেশন যেমন সময় সিরিজ প্রদান.দীর্ঘমেয়াদী ইন-সিটু ডেটা সেটগুলি একটি অগণনীয় ভূমিকা পালন করতে থাকবে।সম্প্রদায় কাঠামো পর্যবেক্ষণের দৃষ্টিকোণ থেকে, SAGE পদ্ধতিটিকে নতুন সাইটের সবচেয়ে দরকারী অবস্থান নির্ধারণে সহায়তা করার একটি উপায় হিসাবে দেখা যেতে পারে।উদাহরণস্বরূপ, দীর্ঘমেয়াদী অলিগোট্রফিক বাসস্থান মূল্যায়ন (ALOHA) থেকে টাইম সিরিজ অলিগোট্রফিক এলাকার AEP B-তে রয়েছে (চিত্র 5C, লেবেল 2)।যেহেতু ALOHA অন্য AEP এর সীমানার কাছাকাছি, সময় সিরিজটি পুরো এলাকার প্রতিনিধি নাও হতে পারে, যেমনটি পূর্বে প্রস্তাবিত (33)৷একই AEP B-তে, টাইম সিরিজ SEATS (দক্ষিণ-পূর্ব এশিয়ান টাইম সিরিজ) দক্ষিণ-পশ্চিম তাইওয়ানে অবস্থিত (34), অন্যান্য AEPs (চিত্র 5C, লেবেল 1) এর সীমানা থেকে অনেক দূরে, এবং এটি নিরীক্ষণের জন্য একটি ভাল অবস্থান হিসাবে ব্যবহার করা যেতে পারে। AEPB.AEPC-তে BATS (বারমুডা আটলান্টিক টাইম সিরিজ স্টাডি) টাইম সিরিজ (চিত্র 5C, লেবেল 4) AEP C এবং F-এর মধ্যে সীমানার খুব কাছাকাছি, যা নির্দেশ করে যে BATS টাইম সিরিজ ব্যবহার করে AEP C পর্যবেক্ষণ করা সরাসরি সমস্যাযুক্ত হতে পারে।AEP J (চিত্র 5C, লেবেল 3) এ স্টেশন P AEP সীমানা থেকে অনেক দূরে, তাই এটি আরও প্রতিনিধি।ইকো-প্রদেশ এবং AEP বৈশ্বিক পরিবর্তনগুলি মূল্যায়নের জন্য উপযুক্ত একটি পর্যবেক্ষণ কাঠামো প্রতিষ্ঠা করতে সাহায্য করতে পারে, কারণ প্রদেশের অনুমতি মূল্যায়ন করার জন্য যেখানে সাইটে নমুনা মূল অন্তর্দৃষ্টি প্রদান করতে পারে।সময়-সঞ্চয় পরিবর্তনশীলতা মূল্যায়ন করার জন্য জলবায়ু ডেটাতে প্রয়োগ করার জন্য SAGE পদ্ধতিটি আরও উন্নত করা যেতে পারে।
ডেটা সায়েন্স/এমএল পদ্ধতি এবং ডোমেন-নির্দিষ্ট জ্ঞানের সতর্ক প্রয়োগের মাধ্যমে SAGE পদ্ধতির সাফল্য অর্জিত হয়।বিশেষত, t-SNE ব্যবহার করা হয় মাত্রিকতা হ্রাস করার জন্য, যা উচ্চ-মাত্রিক ডেটার কোভেরিয়েন্স কাঠামো সংরক্ষণ করে এবং কোভেরিয়েন্স টপোলজির ভিজ্যুয়ালাইজেশনকে সহজতর করে।ডেটা স্ট্রাইপ এবং কোভেরিয়েন্স (চিত্র 2A) আকারে সাজানো হয়েছে, যা নির্দেশ করে যে বিশুদ্ধভাবে দূরত্ব-ভিত্তিক পরিমাপ (যেমন কে-মান) উপযুক্ত নয় কারণ তারা সাধারণত একটি গাউসিয়ান (বৃত্তাকার) ভিত্তিতে বিতরণ ব্যবহার করে (নোট S2 এ আলোচনা করা হয়েছে) .DBSCAN পদ্ধতি যেকোনো কোভেরিয়েন্স টপোলজির জন্য উপযুক্ত।যতক্ষণ আপনি পরামিতি সেট করার দিকে মনোযোগ দেন, ততক্ষণ নির্ভরযোগ্য সনাক্তকরণ প্রদান করা যেতে পারে।টি-এসএনই অ্যালগরিদমের কম্পিউটেশনাল খরচ বেশি, যা এটির বর্তমান অ্যাপ্লিকেশনটিকে বৃহত্তর পরিমাণে ডেটাতে সীমাবদ্ধ করে, যার অর্থ গভীর বা সময়-পরিবর্তন ক্ষেত্রে প্রয়োগ করা কঠিন।T-SNE এর মাপযোগ্যতার কাজ চলছে।যেহেতু KL দূরত্ব সমান্তরাল করা সহজ, t-SNE অ্যালগরিদম ভবিষ্যতে সম্প্রসারণের জন্য একটি ভাল সম্ভাবনা রয়েছে (35)।এখনও অবধি, অন্যান্য প্রতিশ্রুতিশীল মাত্রা হ্রাস পদ্ধতি যা আকারকে আরও ভালভাবে হ্রাস করতে পারে তার মধ্যে রয়েছে ইউনিফাইড ম্যানিফোল্ড অ্যাপ্রোক্সিমেশন এবং প্রজেকশন (UMAP) কৌশল, তবে সমুদ্রের ডেটার প্রসঙ্গে মূল্যায়ন প্রয়োজন।উন্নত মাপযোগ্যতার অর্থ হল, উদাহরণস্বরূপ, একটি মিশ্র স্তরে বিভিন্ন জটিলতা সহ বিশ্বব্যাপী জলবায়ু বা মডেলগুলিকে শ্রেণীবদ্ধ করা।যে অঞ্চলগুলি SAGE দ্বারা কোনও প্রদেশে শ্রেণীবদ্ধ করতে ব্যর্থ হয় সেগুলিকে চিত্র 2A-এ অবশিষ্ট কালো বিন্দু হিসাবে বিবেচনা করা যেতে পারে।ভৌগোলিকভাবে, এই অঞ্চলগুলি প্রধানত উচ্চ মৌসুমী এলাকায়, যা পরামর্শ দেয় যে সময়ের সাথে পরিবর্তিত পরিবেশগত প্রদেশগুলিকে ক্যাপচার করা আরও ভাল কভারেজ প্রদান করবে।
SAGE পদ্ধতিটি নির্মাণের জন্য, জটিল সিস্টেম/ডেটা সায়েন্সের ধারণাগুলি ব্যবহার করা হয়েছে, কার্যকরী গোষ্ঠীগুলির ক্লাস্টারগুলি নির্ধারণ করার ক্ষমতা ব্যবহার করে (একটি 11-মাত্রিক স্থানের খুব কাছাকাছি হওয়ার সম্ভাবনা) এবং প্রদেশগুলি নির্ধারণ করে।এই প্রদেশগুলি আমাদের 3D টি-SNE ফেজ স্পেসে নির্দিষ্ট ভলিউম চিত্রিত করে।একইভাবে, "স্বাভাবিক" বা "বিশৃঙ্খল" আচরণ (36) নির্ধারণ করতে ট্র্যাজেক্টোরি দ্বারা দখলকৃত রাষ্ট্রীয় স্থানের "ভলিউম" মূল্যায়ন করতে Poincare অংশটি ব্যবহার করা যেতে পারে।স্ট্যাটিক 11-ডাইমেনশনাল মডেল আউটপুটের জন্য, ডেটা 3D ফেজ স্পেসে রূপান্তরিত হওয়ার পরে দখলকৃত ভলিউম একইভাবে ব্যাখ্যা করা যেতে পারে।3D ফেজ স্পেসে ভৌগলিক এলাকা এবং এলাকার মধ্যে সম্পর্ক সহজ নয়, তবে এটি পরিবেশগত সাদৃশ্যের পরিপ্রেক্ষিতে ব্যাখ্যা করা যেতে পারে।এই কারণে, আরও প্রচলিত BC বৈষম্য পরিমাপ পছন্দ করা হয়।
ভবিষ্যতের কাজ চিহ্নিত প্রদেশ এবং AEP এর স্থানিক পরিবর্তনশীলতা মূল্যায়নের জন্য ঋতু পরিবর্তনের ডেটার জন্য SAGE পদ্ধতিটি পুনরায় ব্যবহার করবে।ভবিষ্যত লক্ষ্য হল উপগ্রহ পরিমাপের (যেমন Chl-a, রিমোট সেন্সিং রিফ্লেক্টিভিটি এবং সমুদ্র পৃষ্ঠের তাপমাত্রা) এর মাধ্যমে কোন প্রদেশগুলি নির্ধারণ করা যেতে পারে তা নির্ধারণ করতে এই পদ্ধতিটি ব্যবহার করা।এটি পরিবেশগত উপাদানগুলির দূরবর্তী সংবেদনশীল মূল্যায়ন এবং পরিবেশগত প্রদেশগুলির এবং তাদের পরিবর্তনশীলতার অত্যন্ত নমনীয় পর্যবেক্ষণের অনুমতি দেবে।
এই গবেষণার উদ্দেশ্য হল SAGE পদ্ধতি চালু করা, যা একটি পরিবেশগত প্রদেশকে তার অনন্য প্ল্যাঙ্কটন সম্প্রদায় কাঠামোর মাধ্যমে সংজ্ঞায়িত করে।এখানে, ভৌত/জৈব-রাসায়নিক/ইকোসিস্টেম মডেল এবং t-SNE এবং DBSCAN অ্যালগরিদমের প্যারামিটার নির্বাচন সম্পর্কে আরও বিস্তারিত তথ্য প্রদান করা হবে।
মডেলের ভৌত উপাদানগুলি সমুদ্র সঞ্চালন এবং জলবায়ুর অনুমান থেকে আসে [ECCOv4;(37) দ্বারা বর্ণিত বৈশ্বিক রাষ্ট্র অনুমান (38)।রাষ্ট্রীয় অনুমানের নামমাত্র রেজোলিউশন হল 1/5।Lagrangian গুণক পদ্ধতি সহ সর্বনিম্ন বর্গক্ষেত্র পদ্ধতিটি প্রাথমিক এবং সীমানা শর্তাবলী এবং অভ্যন্তরীণ মডেল পরামিতিগুলি পর্যবেক্ষণের দ্বারা সামঞ্জস্য করতে ব্যবহার করা হয়, যার ফলে একটি মুক্ত-চলমান MIT সাধারণ চক্র মডেল (MITgcm) (39) তৈরি হয়, মডেলটি অপ্টিমাইজেশনের পরে, ফলাফলগুলি পেতে পারে ট্র্যাক করা এবং পর্যবেক্ষণ করা।
বায়োজিওকেমিস্ট্রি/ইকোসিস্টেমের আরও সম্পূর্ণ বিবরণ (যেমন সমীকরণ এবং প্যারামিটারের মান) (2) আছে।মডেলটি অজৈব এবং জৈব পুকুরের মাধ্যমে সি, এন, পি, সি এবং ফে এর সঞ্চালন ক্যাপচার করে।এখানে ব্যবহৃত সংস্করণে ফাইটোপ্ল্যাঙ্কটনের 35টি প্রজাতি রয়েছে: 2 প্রজাতির মাইক্রোপ্রোক্যারিওটস এবং 2 প্রজাতির মাইক্রোইউক্যারিওটস (নিম্ন-পুষ্টি পরিবেশের জন্য উপযুক্ত), 5 প্রজাতির ক্রিপ্টোমোনাস স্প্যারয়েডস (ক্যালসিয়াম কার্বনেট আবরণ সহ), 5 প্রজাতির ডায়াজোনিয়াম, ক্যানট্রোজেনিয়াম। এটি সীমিত নয়) দ্রবীভূত অজৈব নাইট্রোজেনের প্রাপ্যতা), 11টি ডায়াটম (একটি সিলিসিয়াস আবরণ তৈরি করে), 10টি মিশ্র-উদ্ভিদীয় ফ্ল্যাজেলেট (সালোকসংশ্লেষণ করতে পারে এবং অন্যান্য প্লাঙ্কটন খেতে পারে) এবং 16টি জুপ্ল্যাঙ্কটন (অন্যান্য প্লাঙ্কটনে চরে)।এগুলিকে "বায়োজিওকেমিক্যাল কার্যকরী গোষ্ঠী" বলা হয় কারণ তাদের সামুদ্রিক জৈব-রাসায়নিক (40, 41) উপর বিভিন্ন প্রভাব রয়েছে এবং এটি প্রায়শই পর্যবেক্ষণ এবং মডেল স্টাডিতে ব্যবহৃত হয়।এই মডেলে, প্রতিটি কার্যকরী গোষ্ঠী 0.6 থেকে 2500 μm সমতুল্য গোলাকার ব্যাসের স্প্যান সহ বিভিন্ন আকারের বেশ কয়েকটি প্ল্যাঙ্কটনের সমন্বয়ে গঠিত।
ফাইটোপ্ল্যাঙ্কটনের বৃদ্ধি, চারণ এবং ডুবে যাওয়ার পরামিতিগুলি আকারের সাথে সম্পর্কিত এবং ছয়টি ফাইটোপ্ল্যাঙ্কটন কার্যকরী গ্রুপের মধ্যে নির্দিষ্ট পার্থক্য রয়েছে (32)।বিভিন্ন শারীরিক কাঠামো থাকা সত্ত্বেও, মডেলের 51টি প্ল্যাঙ্কটন উপাদানের ফলাফল সাম্প্রতিক গবেষণায় (42-44) ব্যবহার করা হয়েছে।
1992 থেকে 2011 পর্যন্ত, ভৌত/জৈব-রাসায়নিক/ইকোসিস্টেম কাপলিং মডেল 20 বছর ধরে চলেছিল।মডেলের আউটপুটে প্লাঙ্কটন বায়োমাস, পুষ্টির ঘনত্ব এবং পুষ্টি সরবরাহের হার (DIN, PO4, Si এবং Fe) অন্তর্ভুক্ত রয়েছে।এই গবেষণায়, এই আউটপুটগুলির 20-বছরের গড় পরিবেশগত প্রদেশের ইনপুট হিসাবে ব্যবহৃত হয়েছিল।Chl, প্ল্যাঙ্কটন জৈববস্তু এবং পুষ্টির ঘনত্ব এবং কার্যকরী গোষ্ঠীর বন্টন উপগ্রহ এবং ইন-সিটু পর্যবেক্ষণের সাথে তুলনা করা হয় [দেখুন (2, 44), নোট S1 এবং চিত্র।S1 থেকে S3]।
SAGE পদ্ধতির জন্য, এলোমেলোতার প্রধান উৎস টি-SNE ধাপ থেকে আসে।এলোমেলোতা পুনরাবৃত্তিযোগ্যতাকে বাধা দেয়, যার মানে ফলাফলগুলি অবিশ্বস্ত।SAGE পদ্ধতি কঠোরভাবে t-SNE এবং DBSCAN এর পরামিতিগুলির একটি সেট নির্ধারণ করে দৃঢ়তা পরীক্ষা করে, যা পুনরাবৃত্তি করার সময় ধারাবাহিকভাবে ক্লাস্টার সনাক্ত করতে পারে।টি-এসএনই প্যারামিটারের "বিভ্রান্তি" নির্ধারণ করাকে বোঝা যেতে পারে যে ডিগ্রী নির্ধারণ করে যেখানে উচ্চ থেকে নিম্ন মাত্রা পর্যন্ত ম্যাপিং ডেটার স্থানীয় বা বৈশ্বিক বৈশিষ্ট্যকে সম্মান করবে।400 এবং 300 পুনরাবৃত্তির বিভ্রান্তিতে পৌঁছেছে।
ক্লাস্টারিং অ্যালগরিদম DBSCAN-এর জন্য, ক্লাস্টারের ডেটা পয়েন্টগুলির ন্যূনতম আকার এবং দূরত্ব মেট্রিক নির্ধারণ করতে হবে।ন্যূনতম সংখ্যা বিশেষজ্ঞদের নির্দেশনায় নির্ধারিত হয়।এই জ্ঞানটি বর্তমান সংখ্যাসূচক মডেলিং কাঠামো এবং রেজোলিউশনের সাথে কী খাপ খায় তা জানে।ন্যূনতম সংখ্যা হল 100৷ একটি উচ্চতর সর্বনিম্ন মান (সবুজের উপরের সীমাটি প্রশস্ত হওয়ার আগে <135 এর কম) বিবেচনা করা যেতে পারে, তবে এটি বিসি বৈষম্যের উপর ভিত্তি করে একত্রীকরণ পদ্ধতিকে প্রতিস্থাপন করতে পারে না।সংযোগের ডিগ্রি (চিত্র 6A) ϵ প্যারামিটার সেট করতে ব্যবহৃত হয়, যা উচ্চ কভারেজের জন্য সহায়ক (চিত্র 6B)।কানেক্টিভিটি ক্লাস্টারের যৌগিক সংখ্যা হিসাবে সংজ্ঞায়িত করা হয় এবং ϵ প্যারামিটারের প্রতি সংবেদনশীল।নিম্ন সংযোগ নির্দেশ করে অপর্যাপ্ত ফিটিং, কৃত্রিমভাবে অঞ্চলগুলিকে একত্রিত করা।উচ্চ সংযোগ ওভারফিটিং নির্দেশ করে।ওভারফিটিংও সমস্যাযুক্ত, কারণ এটি দেখায় যে প্রাথমিক এলোমেলো অনুমানগুলি অপ্রজননযোগ্য ফলাফলের দিকে নিয়ে যেতে পারে।এই দুটি চরমের মধ্যে, একটি তীক্ষ্ণ বৃদ্ধি (সাধারণত "কনুই" বলা হয়) সর্বোত্তম ϵ নির্দেশ করে।চিত্র 6A-এ, আপনি মালভূমি এলাকায় একটি তীক্ষ্ণ বৃদ্ধি দেখতে পাচ্ছেন (হলুদ,> 200 ক্লাস্টার), তারপরে একটি তীক্ষ্ণ হ্রাস (সবুজ, 100টি ক্লাস্টার), প্রায় 130 পর্যন্ত, খুব কম ক্লাস্টার দ্বারা বেষ্টিত (নীল, <60 ক্লাস্টার) )অন্তত 100টি নীল এলাকায়, হয় একটি ক্লাস্টার সমগ্র মহাসাগরের উপর আধিপত্য করে (ϵ <0.42), অথবা বেশিরভাগ মহাসাগরকে শ্রেণীবদ্ধ করা হয় না এবং এটি শব্দ (ϵ> 0.99) হিসাবে বিবেচিত হয়।হলুদ এলাকায় একটি অত্যন্ত পরিবর্তনশীল, অপ্রজননযোগ্য ক্লাস্টার বিতরণ রয়েছে।ϵ কমে গেলে আওয়াজ বাড়ে।তীব্রভাবে ক্রমবর্ধমান সবুজ এলাকাকে কনুই বলা হয়।এটি একটি সর্বোত্তম অঞ্চল।যদিও সম্ভাব্যতা t-SNE ব্যবহার করা হয়, তবুও প্রদেশের মধ্যে BC অসমতা নির্ভরযোগ্য ক্লাস্টারিং নির্ধারণ করতে ব্যবহার করা যেতে পারে।চিত্র 6 (A এবং B) ব্যবহার করে, ϵ 0.39 এ সেট করুন।ন্যূনতম সংখ্যা যত বড় হবে, ϵ-এ পৌঁছানোর সম্ভাবনা তত কম হবে যা নির্ভরযোগ্য শ্রেণীবিভাগের অনুমতি দেয়, এবং 135-এর চেয়ে বেশি মান সহ সবুজ এলাকা তত বেশি। এই এলাকার বৃদ্ধি নির্দেশ করে যে কনুই খুঁজে পাওয়া আরও কঠিন হবে বা অ- বিদ্যমান
t-SNE-এর পরামিতি সেট করার পরে, পাওয়া ক্লাস্টারের মোট সংখ্যা সংযোগের পরিমাপ (A) এবং ক্লাস্টারে (B) বরাদ্দকৃত ডেটার শতাংশ হিসাবে ব্যবহার করা হবে।লাল বিন্দু কভারেজ এবং সংযোগের সর্বোত্তম সমন্বয় নির্দেশ করে।বাস্তুশাস্ত্র সম্পর্কিত ন্যূনতম সংখ্যা অনুসারে ন্যূনতম সংখ্যা নির্ধারণ করা হয়।
এই নিবন্ধের সম্পূরক উপকরণের জন্য, অনুগ্রহ করে দেখুন http://advances.sciencemag.org/cgi/content/full/6/22/eaay4740/DC1
এটি ক্রিয়েটিভ কমন্স অ্যাট্রিবিউশন লাইসেন্সের শর্তাবলীর অধীনে বিতরণ করা একটি ওপেন অ্যাক্সেস নিবন্ধ।মূল কাজটি যথাযথভাবে উদ্ধৃত করার শর্তে নিবন্ধটি যেকোনো মাধ্যমের অবাধ ব্যবহার, বিতরণ এবং পুনরুত্পাদনের অনুমতি দেয়।
দ্রষ্টব্য: আমরা আপনাকে শুধুমাত্র আপনার ইমেল ঠিকানা প্রদান করতে বলি যাতে আপনি যে ব্যক্তিকে পৃষ্ঠায় সুপারিশ করেন তা জানতে পারে যে আপনি চান যে তারা ইমেলটি দেখুক এবং এটি স্প্যাম নয়।আমরা কোনো ইমেল ঠিকানা ক্যাপচার করব না.
আপনি একজন ভিজিটর কিনা এবং স্বয়ংক্রিয় স্প্যাম জমা প্রতিরোধ করতে এই প্রশ্নটি ব্যবহার করা হয়।
মেরিন ইকোলজির গ্লোবাল মিনিস্ট্রি জটিল সমস্যা সমাধানের জন্য দৃঢ়প্রতিজ্ঞ এবং কমিউনিটি স্ট্রাকচার অন্বেষণ করার জন্য তত্ত্বাবধানহীন ML ব্যবহার করে।
মেরিন ইকোলজির গ্লোবাল মিনিস্ট্রি জটিল সমস্যা সমাধানের জন্য দৃঢ়প্রতিজ্ঞ এবং কমিউনিটি স্ট্রাকচার অন্বেষণ করার জন্য তত্ত্বাবধানহীন ML ব্যবহার করে।