Eng net iwwerwaacht Léiermethod gëtt proposéiert fir global marine ökologesch Provënzen (Öko-Provënzen) ze bestëmmen baséiert op Plankton Gemeinschaftsstruktur an Nährstofffluxdaten.Déi systematesch integréiert ökologesch Provënz (SAGE) Method kann ekologesch Provënzen an héich net-linearen Ökosystemmodeller identifizéieren.Fir sech un déi net-Gaussesch Kovarianz vun den Donnéeën unzepassen, benotzt SAGE t zoufälleg Noper Embedding (t-SNE) fir d'Dimensionalitéit ze reduzéieren.Mat der Hëllef vun der Kaméidiapplikatioun baséiert op der Dicht-baséiert Spatial Clustering (DBSCAN) Algorithmus, kënne méi wéi honnert ökologesch Provënzen identifizéiert ginn.Mat der Konnektivitéitskaart mat ökologeschen Differenzen als Distanzmoossnam gëtt eng robust aggregéiert ökologesch Provënz (AEP) objektiv definéiert duerch nestéiert ökologesch Provënzen.Mat AEPs gouf d'Kontroll vun der Nährstoffversuergungsrate op der Gemeinschaftsstruktur exploréiert.Eco-Provënz an AEP sinn eenzegaarteg a kënne Modellinterpretatioun hëllefen.Si kënne Vergläicher tëscht Modeller erliichteren a kënnen d'Versteesdemech an d'Iwwerwaachung vu Marine Ökosystemer verbesseren.
Provënzen si Regiounen wou komplex Biogeographie um Mier oder Land a kohärent a sënnvoll Beräicher organiséiert ass (1).Dës Provënze si ganz wichteg fir Plazen ze vergläichen an ze kontrastéieren, Observatioune, Iwwerwaachung a Schutz ze charakteriséieren.Déi komplex an net-linear Interaktiounen, déi dës Provënzen produzéieren, maachen onkontrolléiert Maschinn Léieren (ML) Methoden ganz gëeegent fir d'Provënzen objektiv ze bestëmmen, well d'Kovarianz an den Daten komplex an net-Gaussian ass.Hei gëtt eng ML-Method proposéiert, déi systematesch eenzegaarteg marine ökologesch Provënzen (Öko-Provënzen) aus dem Darwin globalen dreidimensionalen (3D) kierperlechen/Ökosystemmodell (2) identifizéiert.De Begrëff "eenzegaarteg" gëtt benotzt fir unzeginn datt dat identifizéiert Gebitt net genuch mat anere Beräicher iwwerlappt.Dës Method gëtt d'System Integrated Ecological Province (SAGE) Method genannt.Fir nëtzlech Klassifikatioun auszeféieren, muss eng Algorithmusmethod erlaben (i) global Klassifikatioun an (ii) Multi-Skala Analyse déi am Raum an Zäit nestéiert / aggregéiert ka ginn (3).An dëser Fuerschung gouf d'SAGE Method fir d'éischt proposéiert an déi identifizéiert ökologesch Provënzen goufen diskutéiert.Öko-Provënzen kënne Verständnis vun de Faktoren förderen, déi d'Gemeinschaftsstruktur kontrolléieren, nëtzlech Abléck fir Iwwerwaachungsstrategien ubidden an hëllefen d'Verännerungen am Ökosystem ze verfolgen.
Terrestresch Provënzen ginn normalerweis no Ähnlechkeeten am Klima (Nidderschlag an Temperatur), Buedem, Vegetatioun a Fauna klasséiert, a gi fir Hëllefsmanagement, Biodiversitéitsfuerschung a Krankheetskontrolle benotzt (1, 4).Marine Provënzen si méi schwéier ze definéieren.Déi meescht Organismen si mikroskopesch, mat flëssege Grenzen.Longhurst et al.(5) Gitt eng vun den éischte globale Klassifikatiounen vum Ministère fir Ozeanographie baséiert op Ëmweltbedéngungen.D'Definitioun vun dësen "Longhurst" Provënzen enthält Variabelen wéi Vermëschungsrate, Stratifikatioun an Bestralung, souwéi dem Longhurst seng extensiv Erfahrung als Marine Ozeanograf, deen aner wichteg Konditioune fir Marine Ökosystemer huet.Longhurst gouf extensiv benotzt, zum Beispill, fir Primärproduktioun a Kuelestofffluxen ze bewäerten, Fëschereien ze hëllefen an in situ Observatiounsaktivitéiten ze plangen (5-9).Fir d'Provënzen méi objektiv ze definéieren, goufen Methode wéi fuzzy Logik a regional onkontrolléiert Clustering / Statistike benotzt (9-14).Den Zweck vun esou Methoden ass sënnvoll Strukturen ze identifizéieren déi Provënzen an de verfügbaren Observatiounsdaten identifizéieren kënnen.Zum Beispill benotzen dynamesch Marine Provënzen (12) selbstorganiséierend Kaarten fir Kaméidi ze reduzéieren, a benotzen hierarchesch (Bambaséiert) Clustering fir Marine Faarfprodukter ze bestëmmen, déi aus regionalen Satellitten ofgeleet ginn [Chlorophyll a (Chl-a), normaliséierter Fluoreszenzlinn Héicht an faarweg opgeléist organesch Matière] a kierperlecht Feld (Mier Uewerfläch Temperatur a Salinitéit, absolut dynamesch Topographie a Mier Äis).
D'Gemeinschaftsstruktur vum Plankton ass besuergt well seng Ökologie e groussen Afloss op méi héich Nährstoffniveauen, Kuelestoffabsorptioun a Klima huet.Trotzdem ass et nach ëmmer en usprochsvollen an elusivt Zil eng global ökologesch Provënz ze bestëmmen baséiert op der Plankton Gemeinschaftsstruktur.Marine Faarfsatellitten kënnen potenziell Abléck an d'grof-grained Klassifikatioun vu Phytoplankton ubidden oder d'Virdeeler vu funktionnelle Gruppen proposéieren (15), awer si sinn am Moment net fäeg detailléiert Informatiounen iwwer Gemeinschaftsstruktur ze bidden.Rezent Ëmfroen [zB Tara Ocean (16)] sinn déi eemoleg Miessunge vun Communautéit Struktur;Moment, ginn et nëmmen spatzen in-situ Observatioune op enger globaler Skala (17).Virdrun Studien hunn haaptsächlech d'"Biogeochemical Province" (12, 14, 18) bestëmmt op Basis vun der Bestëmmung vu biochemesche Ähnlechkeeten (wéi Primärproduktioun, Chl a verfügbar Liicht).Hei gëtt den numeresche Modell benotzt fir erauszekréien [Darwin(2)], an d'ökologesch Provënz gëtt no der Gemeinschaftsstruktur an der Nährstoffflux bestëmmt.Den numeresche Modell, deen an dëser Etude benotzt gëtt, huet global Ofdeckung a ka mat existéierende Felddaten (17) a Fernsensorfelder (Notiz S1) verglach ginn.Déi numeresch Modelldaten, déi an dëser Etude benotzt ginn, hunn de Virdeel vun der globaler Ofdeckung.De Modellökosystem besteet aus 35 Arten vu Phytoplankton a 16 Arten Zooplankton (kuckt w.e.g. op Materialien a Methoden).Modellplanktontypen interagéieren net-linear mat net-Gaussian Kovarianzstrukturen, sou datt einfach diagnostesch Methoden net gëeegent sinn fir eenzegaarteg a konsequent Musteren an opkomende Gemeinschaftsstrukturen z'identifizéieren.D'SAGE Method, déi hei agefouert gëtt, bitt en neie Wee fir d'Ausgab vu komplexe Darwin Modeller ze kontrolléieren.
Déi mächteg transformativ Fäegkeeten vun der Datewëssenschaft / ML Technologie kënnen iwwerwältegend komplex Modellléisungen erlaben komplex awer robust Strukturen an der Datekovarianz z'entdecken.Eng robust Method ass definéiert als Method déi d'Resultater trei an engem bestëmmte Feelerberäich reproduzéieren kann.Och an einfache Systemer kann d'Bestëmmung vu robuste Musteren a Signaler eng Erausfuerderung sinn.Bis d'Begrënnung, déi zum observéierte Muster féiert, bestëmmt ass, kann déi entstanen Komplexitéit komplizéiert / schwéier schéngen ze léisen.De Schlësselprozess fir d'Zesummesetzung vum Ökosystem ze setzen ass net-linear an der Natur.D'Existenz vun net-linear Interaktiounen kann eng robust Klassifikatioun duercherneen bréngen, sou datt et néideg ass Methoden ze vermeiden déi staark Viraussetzungen iwwer d'Basis statistesch Verdeelung vun Datenkovarianz maachen.Héichdimensional an net-linear Daten sinn heefeg an der Ozeanographie a kënnen eng Kovarianzstruktur mat komplexer, net-Gaussescher Topologie hunn.Och wann Daten mat enger net-Gaussescher Kovarianzstruktur eng robust Klassifikatioun behënnere kënnen, ass d'SAGE Method nei well se entwéckelt ass fir Cluster mat arbiträren Topologien z'identifizéieren.
D'Zil vun der SAGE Method ass objektiv opkomende Mustere z'identifizéieren déi hëllefe fir weider ekologescht Verständnis.No engem Cluster-baséiert Workflow ähnlech wéi (19), ginn d'ökologesch an Nährstofffluxvariablen benotzt fir deen eenzege Cluster an den Daten ze bestëmmen, déi ökologesch Provënz genannt gëtt.D'SAGE Method an dëser Etude proposéiert (Dorënner 1) reduzéiert éischt d'Dimensioun vun 55 bis 11 Dimensiounen vun der Plankton funktionell Gruppen a priori definéiert zesummefaassen (kuckt Material a Methoden).Mat t-zoufälleg Noper Embedding (t-SNE) Method gëtt d'Gréisst weider reduzéiert andeems d'Wahrscheinlechkeet an den 3D Raum projizéiert gëtt.Net iwwerwaacht Clustering kann ökologesch enk Beräicher identifizéieren [Dicht-baséiert raimlech Clustering (DBSCAN) fir Kaméidi-baséiert Uwendungen].Béid t-SNE an DBSCAN sinn applicabel fir déi inherent net-linear Ökosystem numeresch Modelldaten.Dann reprojetéieren déi resultéierend ökologesch Provënz op d'Äerd.Méi wéi honnert eenzegaarteg ökologesch Provënzen goufen identifizéiert, gëeegent fir regional Fuerschung.Fir de global konsequenten Ökosystemmodell ze berücksichtegen, gëtt d'SAGE-Methode benotzt fir d'ökologesch Provënzen an aggregéiert ökologesch Provënzen (AEP) ze aggregéieren fir d'Effizienz vun den ökologesche Provënzen ze verbesseren.Den Niveau vun der Aggregatioun (genannt "Komplexitéit") kann op den néidege Detail ugepasst ginn.Bestëmmt d'Mindestkomplexitéit vun engem robusten AEP.De Fokus vun der Auswiel ass d'SAGE-Methode an d'Explikatioun vun de klengste Komplexitéit AEP Fäll fir d'Kontroll vun der Noutgemeinschaftsstruktur ze bestëmmen.D'Muster kënnen dann analyséiert ginn fir ekologesch Abléck ze ginn.D'Method, déi hei agefouert gëtt, kann och fir Modellvergläicher méi extensiv benotzt ginn, zum Beispill andeems Dir d'Plaze vun ähnlechen ökologesche Provënzen evaluéiert, déi a verschiddene Modeller fonnt goufen, fir Differenzen an Ähnlechkeeten ze markéieren, fir Modeller ze vergläichen.
(A) Schematesch Diagramm vum Workflow fir d'ökologesch Provënz ze bestëmmen;benotzt d'Zomm an der funktionell Grupp fir d'originell 55-zweedimensional Donnéeën op eng 11-zweedimensional Modellausgang ze reduzéieren, dorënner d'Biomass vu siwen funktionnellen / Nährstoffplankton a véier Nährstoffversuergungsraten.Negligible Wäert an haltbar Äisdeckfläch.D'Donnéeën goufen standardiséiert a standardiséiert.Gitt 11-zweedimensional Daten un den t-SNE Algorithmus fir statistesch ähnlech Featurekombinatiounen ze markéieren.DBSCAN wäert de Cluster virsiichteg auswielen fir de Parameterwäert ze setzen.Endlech projizéieren d'Donnéeën zréck op d'Breet-/Längegradprojektioun.Notéiert w.e.g. datt dëse Prozess 10 Mol widderholl gëtt well e liicht Zoufall ka generéiert ginn andeems Dir t-SNE applizéiert.(B) erkläert wéi Dir den AEP kritt andeems Dir de Workflow an (A) 10 Mol widderhëlt.Fir all eenzel vun dësen 10 Implementatioune gouf d'inter-provincial Bray-Curtis (BC) Ongläichheetsmatrix bestëmmt baséiert op der Biomass vun 51 Phytoplanktontypen.Bestëmmt de BC Ënnerscheed tëscht Provënzen, vu Komplexitéit 1 AEP bis voll Komplexitéit 115. De BC Benchmark gëtt vun der Longhurst Province festgeluecht.
D'SAGE Method benotzt d'Ausgab vum globalen 3D physikaleschen / Ökosystem numeresche Modell fir d'ökologesch Provënz ze definéieren [Darwin (2);gesinn Material a Methoden an Note S1].D'Komponente vum Ökosystem besteet aus 35 Arten vu Phytoplankton a 16 Arten vun Zooplankton, mat siwe virdefinéierte funktionnelle Gruppen: Prokaryoten an Eukaryoten ugepasst un niddereg-nährstoffaarme Ëmfeld, Koccidien mat enger Kalziumkarbonatbeschichtung, a schwéier Stickstofffixatioun Nitrogen Nährstoffer fehlen (normalerweis fehlt) wichteg Nährstoffer), mat kierzlechen Ofdeckung, kënnen aner Plankton-Fotosynthese maachen a gräifen gemëschte Nährstoffflagellaten an Zooplankton-Herder.D'Gréisstspan ass 0,6 bis 2500μm gläichwäerteg Kugelduerchmiesser.D'Modellverdeelung vun der Phytoplanktongréisst an der funktioneller Gruppéierung erfaasst d'Gesamtkarakteristiken, déi an de Satelliten an in-situ Observatioune gesi ginn (kuckt Figuren S1 bis S3).D'Ähnlechkeet tëscht dem numeresche Modell an dem observéierten Ozean weist datt d'Provënzen, déi vum Modell definéiert sinn, op den in-situ Ozean applicabel kënne sinn.Notéiert w.e.g. datt dëse Modell nëmmen eng gewësse Diversitéit vu Phytoplankton erfaasst, an nëmme bestëmmte kierperlech a chemesch Zwangsberäicher vum in situ Ozean.D'SAGE Method kann d'Leit erlaben den héich regionalen Kontrollmechanismus vun der Modellgemeinschaftsstruktur besser ze verstoen.
Duerch nëmmen d'Zomm vun der Uewerflächebiomass (mat enger Duerchschnëttszäit vun 20 Joer) an all Plankton funktionell Grupp abegraff, kann d'Dimensionalitéit vun den Daten reduzéiert ginn.Nodeem fréier Studien hir Schlësselroll bei der Opstellung vun der Gemeinschaftsstruktur gewisen hunn, huet et och Uewerflächquellebegrëffer fir Nährstofffluxen (Versuergung vu Stickstoff, Eisen, Phosphat a Kiselsäure) abegraff [zB (20, 21)].D'Summatioun vu funktionnelle Gruppen reduzéiert de Problem vu 55 (51 Plankton a 4 Nährstofffluxen) op 11 Dimensiounen.An dëser initialer Studie, wéinst de computationalen Aschränkungen, déi vum Algorithmus opgestallt goufen, goufen d'Tiefe an d'Zäitverännerlechkeet net berücksichtegt.
D'SAGE Method ass fäeg wichteg Relatiounen tëscht net-lineare Prozesser a Schlësselmerkmale vun Interaktiounen tëscht funktioneller Grupp Biomass an Nährstoffflux z'identifizéieren.Mat 11-zweedimensional Daten baséiert op euklideschen Distanzléiermethoden (wéi K-Mëttel) kënnen net zouverlässeg a reproduzéierbar Provënzen kréien (19, 22).Dëst ass well keng Gaussesch Form an der Basisverdeelung vun der Kovarianz vun de Schlësselelementer fonnt gëtt, déi d'ökologesch Provënz definéieren.D'K-Moyene vun Voronoi Zellen (riicht Linnen) kënnen d'net-Gaussian Basisverdeelung net behalen.
D'Biomass vu siwe Planktonfunktionelle Gruppen a véier Nährstoffflux bilden en 11-zweedimensionalen Vektor x.Dofir ass x e Vektorfeld am Modellraster, wou all Element xi en 11-zweedimensionalen Vektor duerstellt, deen am horizontale Modellraster definéiert ass.All Index i identifizéiert eenzegaarteg e Gitterpunkt op der Kugel, wou (lon, lat) = (ϕi, θi).Wann d'Biomass vun der Modellgitter Eenheet manner wéi 1,2 × 10-3mg Chl / m3 ass oder d'Äisdeckungsquote méi wéi 70% ass, gëtt de Logbicher vu Biomassdaten benotzt a verworf.D'Daten sinn normaliséiert a standardiséiert, sou datt all Daten am Beräich vun [0 bis 1 sinn], gëtt d'Moyenne geläscht a skaléiert op Eenheet Varianz.Dëst gëtt gemaach fir datt d'Features (Biomass an Nährstoffflux) net vum Kontrast am Beräich vu méigleche Wäerter limitéiert sinn.Clustering soll d'Ännerungsbezéiung vun der Schlësselwahrscheinlechkeetsdistanz tëscht de Fonctiounen erfaassen anstatt der geographescher Distanz.Andeems Dir dës Distanzen quantifizéiert, entstinn wichteg Features, während onnéideg Detailer verworf ginn.Aus ökologescher Siicht ass dat néideg, well verschidden Aarte vu Phytoplankton mat wéineg Biomass méi grouss biogeochemesch Effekter hunn, wéi zum Beispill Stickstofffixatioun duerch diazotrophesch Bakterien.Wann d'Daten standardiséieren an normaliséieren, ginn dës Aarte vu Kovariate beliicht.
Andeems Dir d'Proximitéit vu Featuren am héichdimensionalen Raum an der niddereger Dimensiounsvertriedung ënnersträicht, gëtt den t-SNE Algorithmus benotzt fir existent ähnlech Regiounen méi kloer ze maachen.Virdrun Aarbecht zielt fir déif neural Netzwierker fir Remote Sensing Uwendungen ze bauen benotzt t-SNE, wat seng Fäegkeet bewisen huet fir Schlësselfeatures ze trennen (23).Dëst ass en noutwendege Schrëtt fir robust Clustering an de Featuredaten z'identifizéieren, wärend net-konvergente Léisunge vermeit (Notiz S2).Mat der Hëllef vun Gaussian Kären, bewahrt t-SNE déi statistesch Eegeschafte vun den Donnéeën andeems all héichdimensionalen Objet op e Punkt am 3D Phaseraum kartéiert gëtt, doduerch datt d'Wahrscheinlechkeet vun ähnlechen Objeten an den héijen an niddregen Richtungen héich ass Dimensiounsraum (24).Gitt eng Rei vun N héichdimensionalen Objekter x1, ..., xN, reduzéiert den t-SNE Algorithmus andeems d'Kullback-Leibler (KL) Divergenz miniméiert (25).KL Divergenz ass e Mooss fir wéi ënnerschiddlech eng Wahrscheinlechkeet Verdeelung vun enger zweeter Referenz Wahrscheinlechkeet Verdeelung ass, a kann effektiv d'Méiglechkeet vun Korrelatioun tëscht niddereg-zweedimensional Representatioune vun héich-zweedimensional Fonctiounen evaluéieren.Wann xi den i-ten Objet am N-dimensionalen Raum ass, ass xj den j-ten Objet am N-dimensionalen Raum, yi ass den i-ten Objet am N-dimensionalen Raum, an yj ass den j-ten Objet am nidderegen Raum. -dimensional Space, dann definéiert t -SNE d'Ähnlechkeet Wahrscheinlechkeet ppj∣i = exp(-∥xi-xj∥2/2σi2)∑k≠iexp(-∥xi-xk∥2/2σi2), a fir d'Dimensiounsreduktiounsset q∣j = (1+ ∥ yi-yj∥2)-1∑k≠i(1 +∥yj-yk∥2)-1
Figur 2A illustréiert den Effekt vun der Reduktioun vun der Biomass an der Nährstofffluxvektor vun der 11-zweedimensionaler Kombinatioun op 3D.D'Motivatioun fir t-SNE z'applizéieren kann mat der Motivatioun vun der Haaptkomponentanalyse (PCA) vergläicht ginn, déi d'Varianz Attribut benotzt fir d'Gebitt / Attribut vun den Donnéeën ze ënnersträichen, an doduerch d'Dimensionalitéit ze reduzéieren.D't-SNE-Methode gouf als PCA superior fonnt fir zouverlässeg a reproduzéierbar Resultater fir den Eco-Ministère ze liwweren (kuckt Note S2).Dëst kann sinn well d'Orthogonalitéit Viraussetzung vu PCA net gëeegent ass fir kritesch Interaktiounen tëscht héich net-linear interaktiven Features z'identifizéieren, well PCA sech op linear Kovarianzstrukturen konzentréiert (26).Mat Hëllef vu Fernsensordaten, Lunga et al.(27) illustréiert wéi d'SNE Method benotzt fir komplex an net-linear Spektralmerkmale ze markéieren, déi vun der Gaussescher Verdeelung ofwäichen.
(A) E modelléiert Nährstoffversuergungsquote, Phytoplankton an Zooplankton funktionell Grupp Biomass gezeechent vum t-SNE Algorithmus a faarweg vun der Provënz mat DBSCAN.All Punkt duerstellt e Punkt am héich-zweedimensional Raum, wéi an der Figur 6B gewisen, sinn déi meescht Punkten ageholl.Shafts bezéie sech op "t-SNE" Gréissten 1, 2 an 3. (B) D'geographesch Projektioun vun der Provënz fonnt vun DBSCAN op der Breet-Längt-Gitter vun der Hierkonft.D'Faarf soll als all Faarf ugesi ginn, awer soll dem (A) entspriechen.
D'Punkten am t-SNE-Streuungsplot an der Figur 2A si respektiv mat Breedegraden a Längt verbonnen.Wann déi zwee Punkten an der Figur 2A no beienee sinn, ass et well hir Biomass an Nährstoffflux ähnlech sinn, net wéinst der geographescher Proximitéit.D'Faarwen an der Figur 2A sinn Cluster entdeckt mat der DBSCAN Method (28).Wann Dir no dichte Beobachtungen sicht, benotzt den DBSCAN Algorithmus d'Distanz an der 3D Representatioun tëscht de Punkten (ϵ = 0,39; fir Informatiounen iwwer dës Wiel, kuckt Material a Methoden), an d'Zuel vun ähnlechen Punkten ass erfuerderlech fir de Stärekoup ze definéieren (hei 100 Punkten, kuckt w.e.g. uewen).D'DBSCAN Method mécht keng Viraussetzungen iwwer d'Form oder d'Zuel vu Stärekéip an den Donnéeën, wéi hei ënnendrënner:
3) Fir all Punkten identifizéiert als bannent der Distanz bannent, widderhuelen Schrëtt 2 iteratively der Cluster Grenz ze bestëmmen.Wann d'Zuel vun de Punkte méi grouss ass wéi de festgeluegte Minimumwäert, gëtt et als Cluster bezeechent.
Donnéeën déi net dem Minimum Cluster Member an Distanz ϵ metresch entspriechen, ginn als "Kaméidi" ugesinn a gëtt keng Faarf zougewisen.DBSCAN ass e séieren a skalierbare Algorithmus mat O(n2) Leeschtung am schlëmmste Fall.Fir déi aktuell Analyse ass et net tatsächlech zoufälleg.D'Mindestzuel vu Punkte gëtt duerch Expertevaluatioun festgeluegt.Nodeems d'Distanz ugepasst ass, ass d'Resultat net stabil genuch am Beräich vun ≈±10.Dës Distanz gëtt mat Konnektivitéit (Dorënner 6A) an Ozean Ofdeckung Prozentsaz (Dorënner 6B) gesat.D'Konnektivitéit ass definéiert als d'komposit Zuel vu Stärekéip an ass sensibel fir den ϵ Parameter.Ënneschten Konnektivitéit weist net genuch Upassung un, kënschtlech gruppéiere Regiounen zesummen.Héich Konnektivitéit beweist Overfitting.Et ass denkbar e méi héije Minimum ze benotzen, awer wann de Minimum méi wéi ca ass, ass et onméiglech eng zouverlässeg Léisung z'erreechen.135 (Fir méi Detailer, kuckt Material a Methoden).
Déi 115 Stärekéip, déi an der Figur 2A identifizéiert ginn, ginn an der Figur 2B op d'Äerd zréck projizéiert.All Faarf entsprécht enger kohärent Kombinatioun vu biogeochemeschen an ökologesche Faktoren, identifizéiert vun DBSCAN.Wann d'Cluster bestëmmt sinn, gëtt d'Associatioun vun all Punkt an der Figur 2A mat enger spezifescher Breet a Längt benotzt fir d'Cluster zréck an dat geographescht Gebitt ze projizéieren.Figur 2B illustréiert dëst mat der selwechter Stärekoup Faarwen wéi Figur 2A.Ähnlech Faarwen sollen net als ökologesch Ähnlechkeet interpretéiert ginn, well se vun der Uerdnung zougewisen ginn, an där Cluster vum Algorithmus entdeckt ginn.
D'Gebitt an der Figur 2B kann qualitativ ähnlech sinn wéi en etabléiert Gebitt an der kierperlecher an / oder Biogeochemie vum Ozean.Zum Beispill sinn d'Cluster am südlechen Ozean zone-symmetresch, mat oligotrophesche Wirbelen erschéngen, an de schaarfen Iwwergang weist den Afloss vum Handelswind un.Zum Beispill, am equatorial Pazifik, verschidde Regiounen am Zesummenhang mat der Opstig gesi ginn.
Fir d'ökologesch Ëmfeld vun der Eco-Provënz ze verstoen, gouf eng Variatioun vum Bray-Curtis (BC) Differenzindex (29) benotzt fir d'Ökologie am Stärekoup ze evaluéieren.De BC Indikator ass eng statistesch Donnéeën déi benotzt gi fir den Ënnerscheed an der Gemeinschaftsstruktur tëscht zwee verschiddene Site ze quantifizéieren.D'BC Miessung ass applicabel fir d'Biomass vu 51 Arten vu Phytoplankton an Zooplankton BCninj = 1-2CninjSni + Snj
BCninj bezitt sech op d'Ähnlechkeet tëscht Kombinatioun ni a Kombinatioun nj, wou Cninj de Minimumwäert vun enger eenzeger Aart vu Biomass ass, déi a béide Kombinatioune ni an nj existéiert, an Sni representéiert d'Zomm vun all Biomassen, déi a béid Kombinatioune ni an Snj existéieren.De BC Ënnerscheed ass ähnlech wéi d'Distanzmoossnam, awer funktionnéiert am net-euklidesche Raum, wat méiglecherweis méi gëeegent ass fir ekologesch Donnéeën an hir Interpretatioun.
Fir all Stärekoup an Dorënner 2B identifizéiert, kann d'Ähnlechkeet vun intra-provinciales an inter-provinciales BC bewäert ginn.De BC Ënnerscheed bannent enger Provënz bezitt sech op den Ënnerscheed tëscht dem Duerchschnëttswäert vun der Provënz an all Punkt an der Provënz.Den Ënnerscheed tëscht BC Provënzen bezitt sech op d'Ähnlechkeet tëscht enger Provënz an aner Provënzen.Figur 3A weist eng symmetresch BC Matrixentgasung (0, schwaarz: komplett entspriechend; 1, wäiss: komplett anescht).All Zeil an der Grafik weist e Muster an den Daten.Figur 3B weist d'geographesch Bedeitung vun de Resultater vun BC an Dorënner 3A fir all Provënz.Fir eng Provënz an engem niddereg-Ernährung an niddereg-nährstoffaarme Beräich, Figur 3B weist, datt d'Symmetrie vun grouss Beräicher ronderëm den Equator an den Indeschen Ozean ass am Fong ähnlech, mä déi méi héich Breedegraden an upwelling Beräicher sinn wesentlech anescht.
(A) De Grad vun BC Ënnerscheed évaluéiert fir all Provënz baséiert op der globaler 20-Joer Moyenne global Uewerfläch Moyenne vun 51 Plankton.Notéiert d'erwaart Symmetrie vun de Wäerter.(B) Déi raimlech Projektioun vun enger Kolonn (oder Zeil).Fir eng Provënz an engem dystrophesche Krees gouf d'global Verdeelung vun der BC Ähnlechkeetsmoossnam evaluéiert, an de globale 20-Joer Duerchschnëtt evaluéiert.Schwaarz (BC = 0) heescht datselwecht Gebitt, a wäiss (BC = 1) heescht keng Ähnlechkeet.
Figur 4A illustréiert den Ënnerscheed zu BC bannent all Provënz an Figur 2B.Bestëmmt duerch d'Benotzung vun der Moyenne Kombinatioun vun der Moyenne Fläch an engem Stärekoup, an Bestëmmung vun der Ënnerscheed tëscht dem BC an der Moyenne vun all Raster Punkt an der Provënz, et weist, datt d'SAGE Method gutt trennen kann 51 Arten baséiert op der ökologescher Ähnlechkeet Typ vun Modell Daten.Déi allgemeng duerchschnëttlech Cluster BC Ënnerscheed vun allen 51 Typen ass 0,102±0,0049.
(A, B, an D) De BC Ënnerscheed an der Provënz gëtt als den Duerchschnëtt BC Ënnerscheed tëscht all Gitterpunktgemeinschaft an der Moyenne Provënz bewäert, an d'Komplexitéit gëtt net reduzéiert.(2) De globale Duerchschnëtt intra-provincial BC Ënnerscheed ass 0.227±0.117.Dëst ass de Benchmark vun der ökologescher Motivatioun-baséiert Klassifikatioun proposéiert vun dësem Wierk [gréng Linn an (C)].(C) Duerchschnëtt intra-provincial BC Ënnerscheed: Déi schwaarz Linn duerstellt der intra-provinciale BC Ënnerscheed mat ëmmer méi Komplexitéit.2σ kënnt aus 10 Wiederholungen vum Öko-Provënz Identifikatiounsprozess.Fir d'total Komplexitéit vun de Provënzen entdeckt vum DBSCAN, weist (A) datt d'BC Dissimilaritéit an der Provënz 0.099 ass, an d'Komplexitéitsklassifikatioun proposéiert vun (C) ass 12, wat zu enger BC Dissimilaritéit vun 0.200 an der Provënz resultéiert.wéi d'Bild weist.(D).
An der Figur 4B gëtt d'Biomass vun 51 Planktontypen benotzt fir den gläichwäertege BC Ënnerscheed an der Longhurst Provënz ze representéieren.De Gesamtduerchschnëtt vun all Provënz ass 0,227, an d'Standardabweichung vun de Gitterpunkte mat Bezuch op den Ënnerscheed an der BC Provënz ass 0,046.Dëst ass méi grouss wéi de Stärekoup an der Figur 1B identifizéiert.Amplaz, mat der Zomm vun de siwe funktionnelle Gruppen, ass déi duerchschnëttlech Intra-Saison BC Ënnerscheed zu Longhurst op 0,232 eropgaang.
Déi global Öko-Provënz Kaart liwwert komplizéiert Detailer vun eenzegaartegen ökologeschen Interaktiounen a Verbesserunge goufen am Gebrauch vun der ganzer Ökosystemstruktur vun der Longhurst Provënz gemaach.Den Ökologieministère gëtt erwaart Abléck an de Prozess vun der Kontroll vum numeresche Modell Ökosystem ze ginn, an dësen Abléck hëlleft der Exploratioun vun der Feldaarbecht.Fir den Zweck vun dëser Fuerschung ass et net méiglech méi wéi honnert Provënzen voll ze weisen.Déi nächst Sektioun stellt d'SAGE Method vir, déi d'Provënzen resüméiert.
Ee vun den Zwecker vun der Provënz ass d'Verständnis vun der Lag an der Gestioun vun der Provënz ze förderen.Fir Noutsituatiounen ze bestëmmen, illustréiert d'Method an der Figur 1B d'Nisting vun ökologesch ähnlechen Provënzen.Öko-Provënze ginn zesumme gruppéiert op Basis vun ekologescher Ähnlechkeet, an esou Gruppéierunge vu Provënzen gëtt AEP genannt.Setzt eng justierbar "Komplexitéit" op Basis vun der Gesamtzuel vun de Provënzen déi berücksichtegt ginn.De Begrëff "Komplexitéit" gëtt benotzt well et erlaabt datt den Niveau vun den Noutattributer ugepasst gëtt.Fir sënnvoll Aggregatiounen ze definéieren, gëtt den duerchschnëttleche intra-provinciale BC Ënnerscheed vun 0.227 vu Longhurst als Benchmark benotzt.Ënnert dësem Benchmark ginn déi kombinéiert Provënzen net méi als nëtzlech ugesinn.
Wéi an der Figur 3B gewisen, sinn déi global ökologesch Provënzen kohärent.Mat interprovinciale BC Differenzen kann et gesi ginn datt e puer Konfiguratiounen ganz "gemeinsam" sinn.Inspiréiert vu Genetik a Grafiktheoriemethoden, ginn "verbonne Grafike" benotzt fir > 100 Provënzen ze sortéieren op Basis vun de Provënzen déi am meeschte ähnlech sinn.D'"Konnektivitéit" Metrik hei gëtt mat der inter-provinzieller BC-Dissimilaritéit bestëmmt (30).D'Zuel vun de Provënzen mat enger méi grousser Plaz fir Klassifikatioun vun> 100 Provënzen kann hei als Komplexitéit bezeechent ginn.AEP ass e Produkt dat méi wéi 100 Provënzen kategoriséiert als déi dominantst / noosten ekologesch Provënzen.All ökologesch Provënz gëtt un déi dominant / héich verbonne ökologesch Provënz zougewisen, déi am meeschten ähnlech ass.Dës Aggregatioun, déi vum BC-Differenz bestëmmt gëtt, erlaabt eng nestéiert Approche zu der globaler Ökologie.
Déi gewielte Komplexitéit kann all Wäert vun 1 bis zur kompletter Komplexitéit vun Fig.2A.Bei méi niddereger Komplexitéit kann AEP degeneréieren wéinst der probabilistescher Dimensiounsreduktiounsschrëtt (t-SNE).Degeneratioun bedeit datt ökologesch Provënzen zu verschiddenen AEPs tëscht Iteratiounen zougewisen kënne ginn, an domat d'geographesch Regioun ofgedeckt änneren.Figur 4C illustréiert d'Verbreedung vu BC Differenzen bannent Provënzen an AEPs vun ëmmer méi Komplexitéit iwwer 10 Implementatiounen (Illustratioun an der Figur 1B).An der Figur 4C ass 2σ (bloe Beräich) eng Moossnam vun der Degradatioun an 10 Implementatiounen, an déi gréng Linn representéiert de Longhurst Benchmark.Fakten hunn bewisen datt d'Komplexitéit vun 12 de BC Ënnerscheed an der Provënz ënner dem Longhurst Benchmark an all Implementatioune behalen kann an eng relativ kleng 2σ Degradatioun behalen.Zesummegefaasst ass déi minimal recommandéiert Komplexitéit 12 AEPs, an den duerchschnëttleche intra-Provënz BC Ënnerscheed evaluéiert mat 51 Planktontypen ass 0.198 ± 0.013, wéi an der Figur 4D gewisen.Mat der Zomm vu siwe Planktonfunktiounsgruppen ass den duerchschnëttleche BC Ënnerscheed bannent der Provënz 2σ amplaz 0,198±0,004.De Verglach tëscht de BC Differenzen berechent mat der Gesamtbiomass vun de siwen funktionnelle Gruppen oder der Biomass vun allen 51 Planktontypen weist datt obwuel d'SAGE Method fir déi 51-dimensional Situatioun applicabel ass, ass et fir d'total Biomass vun de siwen funktionnelle Gruppen. Fir Training.
Ofhängeg vum Zweck vun all Fuerschung, kënne verschidde Komplexitéitsniveaue berücksichtegt ginn.Regional Studien kënne voll Komplexitéit erfuerderen (dh all 115 Provënzen).Als Beispill a fir Kloerheet, betruecht déi minimal recommandéiert Komplexitéit vun 12.
Als Beispill vun der Utility vun der SAGE Method, 12 AEPs mat enger Minimum Komplexitéit vun 12 sinn hei benotzt fir d'Kontroll vun der Noutfall Communautéit Struktur ze entdecken.Figur 5 illustréiert d'ökologesch Abléck gruppéiere vun AEP (vun A bis L): An Redfield stoichiometrie, geographesch Ausmooss (Dorënner 5C), funktionell Grupp Biomass Zesummesetzung (Dorënner 5A) an Nährwert Fourniture (Dorënner 5B) duerch N Zoomed gesuergt.D'Verhältnis (N:Si:P:Fe, 1:1:16:16 × 103) gëtt gewisen.Fir déi lescht Panel, P multiplizéiert mat 16 a Fe multiplizéiert mat 16 × 103, sou datt d'Bargrafik gläichwäerteg ass mat den Ernärungsfuerderunge vum Phytoplankton.
D'Provënze ginn an 12 AEPs A bis L klasséiert. (A) Biomass (mgC/m3) vun Ökosystemer an 12 Provënzen.(B) D'Nährstoffflussquote vum opgeléisten anorganesche Stickstoff (N), Eisen (Fe), Phosphat (P) a Kiselsäure (Si) (mmol/m3 pro Joer).Fe a P gi multiplizéiert mat 16 respektiv 16 × 103, sou datt d'Streifen standardiséiert ginn op Phytoplankton Stoichiometrie Ufuerderunge.(C) Notéiert den Ënnerscheed tëscht polare Regiounen, subtropeschen Zyklonen a grousse saisonal / steigend Regiounen.D'Iwwerwaachungsstatiounen sinn wéi follegt markéiert: 1, SEATS;2, ALOHA;3, Gare P;an 4, BATS.
Déi identifizéiert AEP ass eenzegaarteg.Et gëtt e puer Symmetrie ronderëm den Equator am Atlanteschen a Pazifik Ozean, an en ähnlecht awer erweidert Gebitt existéiert am Indeschen Ozean.E puer AEPs ëmfaassen déi westlech Säit vum Kontinent, déi mam Opstieg ass.De Südpol Circumpolar Stroum gëtt als eng grouss zonal Feature ugesinn.Subtropical Cyclone ass eng komplex Serie vun oligotrophic AEP.An dëse Provënzen ass dat vertraute Muster vu Biomass Differenzen tëscht plankton-dominéierten oligotrophesche Wirbelen an diatomesche Polarregiounen offensichtlech.
AEPs mat ganz ähnlechen Gesamt Phytoplankton Biomass kënne ganz verschidde Gemeinschaftsstrukturen hunn a verschidde geographesch Gebidder ofdecken, wéi D, H, a K, déi ähnlech Gesamt Phytoplankton Biomass hunn.AEP H existéiert haaptsächlech am equatorial Indeschen Ozean, an et gi méi diazotrophic Bakterien.AEP D gëtt a verschiddene Basengen fonnt, awer et ass besonnesch prominent am Pazifik ronderëm Héichausbezuelungsgebidder ronderëm den equatorialen Upwelling.D'Form vun dëser Pazifik Provënz erënnert un e planetaresche Wellenzuch.Et gi wéineg Diazobakterien an AEP D, a méi Kegel.Am Verglach mat den aneren zwou Provënzen gëtt AEP K nëmmen an den Héichlanden vum Arktesche Ozean fonnt, an et gi méi Diatome a manner Planktonen.Et ass derwäert ze bemierken datt d'Quantitéit u Plankton an dësen dräi Regiounen och ganz anescht ass.Ënnert hinnen ass de Plankton Heefegkeet vun AEP K relativ niddereg, während déi vun AEP D an H relativ héich ass.Dofir, trotz hirer Biomass (an dofir ähnlech wéi Chl-a), sinn dës Provënzen ganz anescht: Chl-baséiert Provënz Tester kënnen dës Differenzen net erfaassen.
Et ass och offensichtlech datt e puer AEPs mat ganz ënnerschiddlecher Biomass ähnlech kënne sinn a punkto Phytoplankton Gemeinschaftsstruktur.Zum Beispill ass dat sichtbar an AEP D an E. Si sinn no beieneen, an am Pazifeschen Ozean ass AEP E no bei der héichproduktiver AEPJ.Ähnlech gëtt et keng kloer Verbindung tëscht Phytoplankton Biomass an Zooplankton Heefegkeet.
AEP kann am Sënn vun den Nährstoffer verstane ginn (Figure 5B).Diatome existéieren nëmme wou et genuch Versuergung vu Kiselsäure ass.Allgemeng, wat méi héich d'Versuergung vu Kiselsäure ass, dest méi héich ass d'Biomass vun Diatomeë.Diatome kënnen an AEP A, J, K a L gesi ginn. D'Verhältnis vun der Diatomebiomass par rapport zu anere Phytoplankton gëtt festgeluecht vum N, P a Fe geliwwert par rapport zu der Diatomefuerderung.Zum Beispill gëtt AEP L vu Diatome dominéiert.Am Verglach mat aner Nährstoffer huet Si déi héchst Versuergung.Am Géigesaz, trotz méi héijer Produktivitéit, huet AEP J manner Diatome a manner Siliziumversuergung (all a relativ zu anere Nährstoffer).
Diazonium Bakterien hunn d'Fäegkeet fir Stickstoff ze fixéieren, awer wuessen lues (31).Si existéieren zesumme mat anere Phytoplankton, wou Eisen a Phosphor exzessiv sinn par rapport zu der Nofro fir net-diazonium Nährstoffer (20, 21).Et ass derwäert ze bemierken datt d'diazotrophesch Biomass relativ héich ass, an d'Versuergung vu Fe a P ass relativ grouss par rapport zu der Versuergung vun N. Op dës Manéier, obwuel d'total Biomass an AEP J méi héich ass, ass d'Diazonium Biomass an AEP H méi grouss wéi déi am J. Notéiert weg datt AEP J an H geographesch ganz ënnerschiddlech sinn, an H läit am equatorialen Indeschen Ozean.
Wann déi eenzegaarteg Ökosystemstruktur net a Provënzen opgedeelt ass, wäerten d'Abléck, déi aus den 12 AEP's nidderegste Komplexitéitsmodeller gewonnen goufen, net sou kloer sinn.D'AEP generéiert vu SAGE erliichtert de kohärent a simultane Verglach vu komplexen an héichdimensionalen Informatioun aus Ökosystemmodeller.AEP betount effektiv firwat Chl net eng gutt an alternativ Method ass fir Gemeinschaftsstruktur oder Zooplankton Heefegkeet bei méi héije Nährstoffniveauen ze bestëmmen.Eng detailléiert Analyse vun lafende Fuerschungsthemen ass iwwer den Ëmfang vun dësem Artikel.D'SAGE Method bitt e Wee fir aner Mechanismen am Modell ze entdecken déi méi einfach ze handhaben ass wéi Punkt-zu-Punkt Vue.
D'SAGE Method gëtt proposéiert fir extrem komplex ökologesch Donnéeën aus globalen physikaleschen / biogeochemeschen / ökologesche numeresche Modeller ze klären.D'ökologesch Provënz gëtt duerch d'total Biomass vu Cross-Plankton funktionnelle Gruppen, d'Applikatioun vum t-SNE Wahrscheinlechkeet Dimensionalitéit Reduktioun Algorithmus an de Clustering mat der onkontrolléierter ML Method DBSCAN bestëmmt.D'inter-provincial BC Differenz / Graf Theorie fir Nesting Method gëtt applizéiert fir e robusten AEP ofzeleeën, dee fir global Interpretatioun benotzt ka ginn.Wat de Bau ugeet, sinn d'Öko-Provënz an AEP eenzegaarteg.Den AEP Nesting kann ugepasst ginn tëscht der voller Komplexitéit vun der ursprénglecher ökologescher Provënz an dem empfohlene Minimum Schwell vun 12 AEPs.Nesting a Bestëmmung vun der Minimum Komplexitéit vun AEP ginn als Schlëssel Schrëtt ugesinn, well d'Wahrscheinlechkeet t-SNE degeneréiert AEPs vun <12 Komplexitéit.D'SAGE Method ass global, a seng Komplexitéit rangéiert vun> 100 AEPs bis 12. Fir Simplicitéit ass den aktuellen Fokus op d'Komplexitéit vun 12 globalen AEPs.Zukünfteg Fuerschung, besonnesch regional Studien, kënnen e méi klengen raimlechen Ënnerdeel vun de globalen Öko-Provënzen nëtzlech fannen, a kënnen an e méi klengt Gebitt aggregéiert ginn fir vun de selwechten ökologeschen Abléck ze profitéieren, déi hei diskutéiert ginn.Et bitt Suggestioune wéi dës ökologesch Provënzen an d'Abléck, déi vun hinnen gewonnen goufen, kënne benotzt ginn fir weider ökologescht Verständnis, de Modellverglach erliichtert, a potenziell d'Iwwerwaachung vu Marine Ökosystemer verbesseren.
D'ökologesch Provënz an d'AEP identifizéiert vun der SAGE Method baséieren op d'Donnéeën am numeresche Modell.Per Definitioun ass den numeresche Modell eng vereinfacht Struktur, probéiert d'Essenz vum Zilsystem z'erfaassen, a verschidde Modeller hunn eng aner Verdeelung vu Plankton.Den numeresche Modell, deen an dëser Etude benotzt gëtt, kann e puer vun den observéierte Mustere net voll erfaassen (zum Beispill an de Chl Schätzungen fir d'equatorial Regioun an de Südozean).Nëmmen e klengen Deel vun der Diversitéit am realen Ozean gëtt erfaasst, an d'Meso an d'Sub-Mesoskalen kënnen net geléist ginn, wat d'Nährstoffflux a méi klenger Gemeinschaftsstruktur beaflosse kann.Trotz dëse Mängel, stellt sech eraus datt AEP ganz nëtzlech ass fir komplex Modeller ze verstoen.Andeems Dir evaluéiert wou ähnlech ökologesch Provënzen fonnt ginn, bitt AEP e potenziell numerescht Modellvergleichsinstrument.Den aktuellen numeresche Modell erfaasst d'Gesamtmuster vum Fernsensoren Phytoplankton Chl-a Konzentratioun an d'Verdeelung vun der Planktongréisst a funktionneller Grupp (Note S1 a Figur S1) (2, 32).
Wéi vun der 0,1 mgChl-a/m-3 Konturlinn gewisen, ass AEP an oligotrophesch Regioun a mesotrophesch Regioun opgedeelt (Figure S1B): AEP B, C, D, E, F a G sinn oligotrophesch Beräicher, an déi verbleiwen Gebidder sinn läit Héich Chl-a.AEP weist e puer Korrespondenz mat Longhurst Provënz (Figur S3A), Zum Beispill, de Süden Ozean an equatorial Pazifik.A verschiddene Regiounen deckt AEP verschidde Longhurst Regiounen, a vice versa.Zënter datt d'Absicht d'Provënzen an dësem Beräich a Longhurst ze delimitéieren anescht ass, gëtt erwaart datt et Differenzen gëtt.Multiple AEPs an enger Longhurst Provënz weisen datt verschidde Gebidder mat ähnlechen Biogeochemie ganz verschidden Ökosystemstrukture kënne hunn.AEP weist eng gewësse Korrespondenz mat kierperleche Staaten aus, wéi opgedeckt mat oniwwerwaachter Léieren (19), sou wéi an héijen Upwelling-Staaten (zum Beispill, de Süden Ozean an den equatorial Pazifik; Figur S3, C an D).Dës Korrespondenz weist datt d'Gemeinschaftsstruktur vum Plankton staark vun der Ozeandynamik beaflosst ass.A Beräicher wéi den Nordatlantik duerchkreest AEP kierperlech Provënzen.De Mechanismus, deen dës Differenzen verursaacht, kann Prozesser enthalen wéi Stëbstransport, wat zu komplett verschiddenen Ernärungsprogrammer och ënner ähnleche kierperleche Bedéngungen féieren kann.
Den Ökologieministère an d'AEP hunn drop higewisen datt d'Benotzung vu Chl eleng net ökologesch Komponenten z'identifizéieren, wéi d'Marineekologiegemeinschaft scho realiséiert huet.Dëst gëtt an AEPs mat ähnlecher Biomass gesinn, awer wesentlech ënnerschiddlech ökologesch Zesummesetzung (wéi D an E).Am Géigesaz hunn AEPs wéi D a K ganz aner Biomass awer ähnlech ökologesch Zesummesetzung.AEP betount datt d'Relatioun tëscht Biomass, ökologescher Zesummesetzung an Zooplankton Heefegkeet komplex ass.Zum Beispill, obwuel AEP J sech a punkto Phytoplankton a Plankton Biomass erausstécht, hunn AEP's A a L ähnlech Plankton Biomass, awer A huet e méi héije Plankton Heefegkeet.AEP betount datt d'Phytoplankton Biomass (oder Chl) net benotzt ka ginn fir Zooplankton Biomass virauszesoen.Zooplankton ass d'Fundament vun der Fëscher Nahrungskette, a méi genee Schätzunge kënnen zu enger besserer Ressourcemanagement féieren.Zukünfteg Marine Faarfsatellitten [zum Beispill PACE (Plankton, Aerosol, Wollek a Marine Ökosystem)] kënne besser positionéiert sinn fir d'Gemeinschaftsstruktur vum Phytoplankton ze schätzen.D'Benotzung vun AEP-Prognose kann potenziell d'Schätzung vum Zooplankton aus dem Weltraum erliichteren.Methode wéi SAGE, gekoppelt mat neien Technologien, a méi a méi Felddaten verfügbar fir Grondwahrheets-Ëmfroen (wéi Tara a Suivifuerschung), kënne gemeinsam e Schrëtt a Richtung Satellit-baséiert Ökosystem Gesondheetsmonitoréierung huelen.
D'SAGE Method bitt e praktesche Wee fir e puer Mechanismen ze evaluéieren déi d'Provënz Charakteristiken kontrolléieren, wéi Biomass / Chl, Netto Primärproduktioun a Gemeinschaftsstruktur.Zum Beispill gëtt de relativen Betrag vun Diatomeë festgeluecht duerch en Ungleichgewicht an der Versuergung vu Si, N, P, a Fe par rapport zu de Phytoplankton stoichiometreschen Ufuerderungen.Bei engem equilibréierte Versuergungsquote gëtt d'Gemeinschaft vu Diatome dominéiert (L).Wann d'Versuergungsquote onbalancéiert ass (dat ass, d'Versuergung vu Silizium ass manner wéi d'Nährstofffuerderung vun Diatome), diatome stellen nëmmen e klengen Deel Share (K).Wann d'Versuergung vu Fe a P d'Versuergung vun N iwwerschreift (zum Beispill E an H), wäerten d'diazotrophesch Bakterien kräfteg wuessen.Duerch de Kontext vun AEP gëtt d'Exploratioun vu Kontrollmechanismen méi nëtzlech ginn.
D'Eco-Provënz an AEP si Beräicher mat ähnlechen Gemeinschaftsstrukturen.D'Zäitreihe vun enger bestëmmter Plaz an enger ökologescher Provënz oder AEP kënnen als Referenzpunkt ugesi ginn a kënnen d'Gebitt duerstellen, déi vun der ökologescher Provënz oder AEP bedeckt ass.Laangfristeg Iwwerwachungsstatiounen op der Plaz bidden esou Zäitreihe.Laangfristeg in-situ Datesets wäerte weiderhin eng onberechenbar Roll spillen.Aus der Perspektiv vun der Iwwerwaachung vun der Gemeinschaftsstruktur kann d'SAGE Method als e Wee gesi ginn fir ze hëllefen déi nëtzlechst Plaz vun neie Site ze bestëmmen.Zum Beispill ass d'Zäitreihe vun der laangfristeg oligotrophescher Liewensraumbewäertung (ALOHA) an der AEP B vum oligotrophesche Beräich (Dorënner 5C, Label 2).Well ALOHA no bei der Grenz vun enger anerer AEP ass, ass d'Zäitserie vläicht net representativ fir dat ganzt Gebitt, wéi virdru proposéiert (33).Am selwechte AEP B ass d'Zäitserie SEATS (Südostasien Time Series) am südwestleche Taiwan (34), méi wäit vun de Grenze vun aneren AEPs (Figure 5C, Label 1), a kann als bessere Standort benotzt ginn fir ze iwwerwaachen AEPB.D'BATS (Bermuda Atlantic Time Series Study) Zäitserie (Figure 5C, Label 4) an AEPC ass ganz no un der Grenz tëscht AEP C an F, wat beweist datt d'Iwwerwaachung vun AEP C mat der BATS Zäitserie direkt problematesch ka sinn.Station P an AEP J (Figur 5C, Label 3) ass wäit vun der AEP Grenz, sou ass et méi representativ.D'Eco-Provënz an d'AEP kënnen hëllefe fir e Iwwerwaachungskader opzebauen, dee gëeegent ass fir global Ännerungen ze bewäerten, well d'Erlaabnes vun de Provënzen ze bewäerten, wou d'Sampling op der Plaz Schlëssel Abléck liwwere kann.D'SAGE Method ka weider entwéckelt ginn fir op Klimadaten applizéiert ze ginn fir Zäitspuerend Variabilitéit ze bewäerten.
Den Erfolleg vun der SAGE Method gëtt erreecht duerch virsiichteg Uwendung vun Datenwëssenschaft / ML Methoden an Domain-spezifesch Wëssen.Speziell gëtt t-SNE benotzt fir Dimensiounsreduktioun auszeféieren, wat d'Kovarianzstruktur vun héichdimensionalen Donnéeën erhaalt an d'Visualiséierung vun der Kovarianztopologie erliichtert.D'Donnéeë sinn a Form vu Sträifen a Kovarianzen arrangéiert (Figure 2A), wat beweist datt reng Distanzbaséiert Moossnamen (wéi K-Mëttel) net passend sinn, well se normalerweis eng Gaussesch (kreesfërmeg) Basisverdeelung benotzen (diskutéiert an der Note S2) .D'DBSCAN Method ass gëeegent fir all Kovarianztopologie.Soulaang wéi Dir op d'Astellungsparameter oppasst, kann zuverlässeg Identifikatioun zur Verfügung gestallt ginn.D'Berechnungskäschte vum t-SNE Algorithmus sinn héich, wat seng aktuell Uwendung op eng méi grouss Quantitéit un Daten limitéiert, wat heescht datt et schwéier ass fir déif oder variéierend Felder ze gëllen.D'Aarbecht un der Skalierbarkeet vum t-SNE ass amgaang.Zanter KL Distanz ass einfach ze parallelize, huet den t-SNE Algorithmus e gutt Potential fir Expansioun an Zukunft (35).Bis elo, aner verspriechend Dimensiounsreduktiounsmethoden, déi d'Gréisst besser kënne reduzéieren, enthalen vereenegt manifold Approximatioun a Projektioun (UMAP) Techniken, awer Evaluatioun am Kontext vun Ozeandaten ass néideg.D'Bedeitung vu besserer Skalierbarkeet ass zum Beispill d'Klassifikatioun vun globalen Klima oder Modeller mat enger anerer Komplexitéit op enger gemëschter Schicht.Gebidder, déi net vun SAGE an all Provënz klasséiert ginn, kënnen als déi verbleiwen schwaarz Punkten an der Figur 2A ugesi ginn.Geographesch sinn dës Gebidder haaptsächlech an héich saisonal Beräicher, wat suggeréiert datt d'Erfaassung vun ekologesche Provënzen, déi sech mat der Zäit änneren, besser Ofdeckung gëtt.
Fir d'SAGE-Methode ze konstruéieren, goufen Iddien aus komplexe Systemer/Datenwëssenschafte benotzt, déi d'Fäegkeet benotzt fir Cluster vu funktionnelle Gruppen ze bestëmmen (d'Méiglechkeet ganz no an engem 11-dimensionalen Raum ze sinn) a Provënzen ze bestëmmen.Dës Provënzen beschreiwen spezifesch Bänn an eisem 3D t-SNE Phase Raum.Ähnlech kann de Poincaré-Deel benotzt ginn fir de "Volumen" vum Staatsraum, deen vun der Trajectoire besat ass, ze evaluéieren fir "normal" oder "chaotescht" Verhalen ze bestëmmen (36).Fir de statesche 11-zweedimensionalen Modellausgang kann de Volume besat nodeems d'Donnéeën an en 3D Phaseraum ëmgewandelt ginn ähnlech erkläert ginn.D'Relatioun tëscht geographesche Gebitt a Gebitt am 3D Phaseraum ass net einfach, awer et kann an der ökologescher Ähnlechkeet erkläert ginn.Aus dësem Grond ass déi méi konventionell BC Differenzenmoossnam bevorzugt.
Zukünfteg Aarbecht wäert d'SAGE Method weiderbenotzen fir saisonal verännert Daten fir d'raimlech Variabilitéit vun den identifizéierten Provënzen an AEP ze bewäerten.Dat zukünfteg Zil ass dës Method ze benotzen fir ze hëllefen ze bestëmmen wéi eng Provënzen duerch Satellitemiessunge bestëmmt kënne ginn (wéi Chl-a, Fernsenséierreflektivitéit a Mieroberflächetemperatur).Dëst erlaabt d'Remote Sensing Bewäertung vun ökologesche Komponenten an héich flexibel Iwwerwaachung vun ökologesche Provënzen an hir Variabilitéit.
Den Zweck vun dëser Fuerschung ass d'SAGE Method aféieren, déi eng ökologesch Provënz duerch seng eenzegaarteg Plankton Gemeinschaftsstruktur definéiert.Hei gëtt méi detailléiert Informatiounen iwwer de physikaleschen / biogeochemeschen / Ökosystemmodell an d'Parameterauswiel vun den t-SNE an DBSCAN Algorithmen geliwwert.
Déi kierperlech Komponente vum Modell kommen aus der Schätzung vun der Ozeanzirkulatioun a Klima [ECCOv4;(37) de globale Staat Schätzung vun (38) beschriwwen.D'nominal Resolutioun vun der Staatsschätzung ass 1/5.Déi mannst Quadratmethod mat Lagrangian Multiplikatormethod gëtt benotzt fir d'initial- a Grenzbedéngungen an intern Modellparameter ze kréien, déi duerch Observatioun ugepasst sinn, an doduerch e fräi lafenden MIT allgemeng Zyklusmodell (MITgcm) (39) generéiert, de Modell No Optimiséierung kënnen d'Resultater verfollegt an observéiert ginn.
D'Biogeochemie/Ökosystem huet eng méi komplett Beschreiwung (dh Equatiounen a Parameterwäerter) am (2).De Modell erfaasst d'Zirkulatioun vu C, N, P, Si a Fe duerch anorganesch an organesch Weiere.D'Versioun déi hei benotzt gëtt enthält 35 Arten vu Phytoplankton: 2 Aarte vu Mikroprokaryoten an 2 Aarte vu Mikroeukaryoten (gëeegent fir niddereg-nährstoffaarme Ëmfeld), 5 Aarte vu Cryptomonas sphaeroides (mat Kalziumkarbonatbeschichtung), 5 Arten vun Diazonium (Kann Stickstoff fixéieren, also et ass net limitéiert) d'Disponibilitéit vun opgeléist anorganesche Stickstoff), 11 Diatome (bilden e siliceous Cover), 10 gemëscht-vegetativ Flagellate (kann Fotosynthetiséieren an aner Plankton iessen) an 16 Zooplankton (weiden op anere Plankton).Dës ginn "biogeochemesch funktionell Gruppen" genannt well se verschidden Effekter op d'Marinebiogeochemie hunn (40, 41) a ginn dacks an Observatiouns- a Modellstudien benotzt.An dësem Modell besteet all funktionell Grupp aus verschiddene Planktonen vu verschiddene Gréissten, mat enger Spann vun 0,6 bis 2500 μm gläichwäerteg Kugelduerchmiesser.
D'Parameteren, déi de Phytoplankton Wuesstum, d'Weiden an d'Senkung beaflossen, si mat der Gréisst verbonnen, an et gi spezifesch Differenzen tëscht de sechs Phytoplankton funktionelle Gruppen (32).Trotz de verschiddene kierperleche Kaderen sinn d'Resultater vun den 51 Planktonkomponente vum Modell an enger Rei vun rezenten Studien (42-44) benotzt ginn.
Vun 1992 bis 2011 huet de physikaleschen/biogeochemeschen/Ökosystem-Kopplingsmodell 20 Joer laang gelaf.D'Ausgab vum Modell enthält Plankton Biomass, Nährstoffkonzentratioun an Nährstoffversuergungsrate (DIN, PO4, Si a Fe).An dëser Etude gouf den 20-Joer Duerchschnëtt vun dësen Outputen als Input vun der ekologescher Provënz benotzt.Chl, d'Verdeelung vun der Plankton Biomass an d'Nährstoffkonzentratioun an d'Verdeelung vu funktionnelle Gruppe gi mat Satelliten- an In-situ Observatioune verglach [kuckt (2, 44), Note S1 a Figur.S1 bis S3].
Fir d'SAGE Method kënnt d'Haaptquell vun Zoufall aus dem t-SNE Schrëtt.Zoufällegkeet behënnert Widderhuelbarkeet, dat heescht datt d'Resultater net zouverlässeg sinn.D'SAGE Method testt rigoréis d'Robustheet andeems se eng Rei vu Parameteren vun t-SNE an DBSCAN bestëmmen, déi konsequent Cluster identifizéieren wann se widderholl ginn.D'Bestëmmung vun der "Perplexitéit" vum t-SNE-Parameter kann als Bestëmmung vum Grad verstane ginn, wéi d'Mapping vun héich bis niddereg Dimensiounen déi lokal oder global Charakteristike vun den Daten respektéieren.Erreecht d'Verwirrung vu 400 an 300 Iteratiounen.
Fir de Clustering Algorithmus DBSCAN muss d'Mindestgréisst an d'Distanzmetrik vun den Datepunkten am Cluster bestëmmt ginn.D'Mindestzuel gëtt ënner der Leedung vun Experten festgeluegt.Dëst Wësse weess wat den aktuellen numeresche Modellerkader a Resolutioun passt.D'Mindestzuel ass 100. E méi héije Mindestwäert (manner wéi <135 ier déi iewescht Grenz vu gréng méi breet gëtt) kann berücksichtegt ginn, awer et kann d'Aggregatiounsmethod net ersetzen op Basis vun der BC-Dissimilaritéit.De Grad vun der Verbindung (Figure 6A) gëtt benotzt fir den ϵ-Parameter ze setzen, wat fir méi héich Ofdeckung bäidréit (Figur 6B).D'Konnektivitéit ass definéiert als d'komposit Zuel vu Stärekéip an ass sensibel fir den ϵ Parameter.Ënneschten Konnektivitéit weist net genuch Upassung un, kënschtlech gruppéiere Regiounen zesummen.Héich Konnektivitéit beweist Overfitting.Overfitting ass och problematesch, well et weist datt initial zoufälleg Guesses zu onreproduzéierende Resultater féieren.Tëscht dësen zwee Extremer weist eng schaarf Erhéijung (normalerweis "Ellbog" genannt) déi bescht ϵ un.An der Figur 6A gesitt Dir eng schaarf Erhéijung vum Plateauberäich (giel,> 200 Stärekéip), gefollegt vun enger schaarfer Ofsenkung (gréng, 100 Stärekéip), bis zu ongeféier 130, ëmgi vu ganz wéinege Stärekéip (blo, <60 Stärekéip) ).A mindestens 100 bloe Gebidder dominéiert entweder ee Stärekoup de ganzen Ozean (ϵ <0,42), oder de gréissten Deel vum Ozean ass net klasséiert a gëtt als Kaméidi ugesinn (ϵ> 0,99).De giele Beräich huet eng héich variabel, onreproduzéierend Clusterverdeelung.Wéi ϵ erofgeet, erhéicht de Kaméidi.Déi staark wuessend gréng Fläche gëtt en Ielebou genannt.Dëst ass eng optimal Regioun.Och wann d'Wahrscheinlechkeet t-SNE benotzt gëtt, kann d'BC-Ongläichheet bannent der Provënz nach ëmmer benotzt ginn fir zouverlässeg Clustering ze bestëmmen.Mat der Figur 6 (A a B), setzt ϵ op 0,39.Wat méi grouss d'Mindestzuel ass, wat d'Wahrscheinlechkeet méi kleng ass fir de ϵ z'erreechen, deen eng zouverlässeg Klassifikatioun erlaabt, a wat méi grouss ass d'Gréngfläch mat engem Wäert méi wéi 135. D'Erweiderung vun dësem Gebitt weist datt den Ielebou méi schwéier ze fannen oder net- existéieren.
Nodeems d'Parameteren vum t-SNE festgeluecht goufen, gëtt d'total Zuel vu Cluster fonnt als Mooss fir d'Konnektivitéit (A) an de Prozentsaz vun den Daten, déi dem Cluster (B) zougewisen sinn.De roude Punkt weist déi bescht Kombinatioun vun Ofdeckung a Konnektivitéit un.D'Mindestzuel gëtt no der Mindestzuel am Zesummenhang mat der Ökologie festgeluecht.
Fir Ergänzungsmaterial fir dësen Artikel, kuckt w.e.g. http://advances.sciencemag.org/cgi/content/full/6/22/eaay4740/DC1
Dëst ass en Open Access Artikel verdeelt ënner de Bedéngungen vun der Creative Commons Attribution License.Den Artikel erlaabt onbeschränkt Notzung, Verdeelung a Reproduktioun an all Medium ënner der Bedingung datt d'Original Wierk richteg zitéiert ass.
Bemierkung: Mir froen Iech nëmmen Är E-Mailadress unzeginn, sou datt déi Persoun déi Dir op d'Säit recommandéiert weess datt Dir wëllt datt se d'E-Mail gesinn an datt et kee Spam ass.Mir wäerten keng E-Mail Adressen erfaassen.
Dës Fro gëtt benotzt fir ze testen ob Dir e Besucher sidd an automatesch Spam Soumissioun ze verhënneren.
De Globale Ministère fir Marine Ökologie ass décidéiert fir komplex Probleemer ze léisen a benotzt onkontrolléiert ML fir Gemeinschaftsstrukturen ze entdecken.
De Globale Ministère fir Marine Ökologie ass décidéiert fir komplex Probleemer ze léisen a benotzt onkontrolléiert ML fir Gemeinschaftsstrukturen ze entdecken.
Post Zäit: Jan-12-2021