ຊີ້ແຈງຄວາມຊັບຊ້ອນດ້ານນິເວດວິທະຍາ: ການຮຽນຮູ້ແບບບໍ່ມີການຄວບຄຸມກຳນົດເຂດນິເວດທະເລທົ່ວໂລກ

ວິທີການຮຽນຮູ້ທີ່ບໍ່ມີການເບິ່ງແຍງແມ່ນໄດ້ຖືກສະເຫນີເພື່ອກໍານົດບັນດາແຂວງລະບົບນິເວດທະເລທົ່ວໂລກ (ແຂວງນິເວດ) ໂດຍອີງໃສ່ໂຄງສ້າງຊຸມຊົນ Plankton ແລະຂໍ້ມູນການໄຫຼຂອງທາດອາຫານ.ວິທີການປະສົມປະສານລະບົບນິເວດຂອງແຂວງ (SAGE) ສາມາດກໍານົດແຂວງທາງນິເວດໃນຮູບແບບລະບົບນິເວດທີ່ບໍ່ມີເສັ້ນຊື່ສູງ.ເພື່ອປັບຕົວເຂົ້າກັບຄວາມຜັນຜວນທີ່ບໍ່ແມ່ນ Gaussian ຂອງຂໍ້ມູນ, SAGE ໃຊ້ t ການຝັງເພື່ອນບ້ານແບບສຸ່ມ (t-SNE) ເພື່ອຫຼຸດຜ່ອນຂະຫນາດ.ດ້ວຍຄວາມຊ່ອຍເຫລືອຂອງຄໍາຮ້ອງສະຫມັກສິ່ງລົບກວນໂດຍອີງໃສ່ algorithm spatial clustering (DBSCAN) ຄວາມຫນາແຫນ້ນຂອງລະບົບນິເວດຫຼາຍກ່ວາຫນຶ່ງຮ້ອຍແຂວງສາມາດຖືກກໍານົດ.ການນໍາໃຊ້ແຜນທີ່ການເຊື່ອມຕໍ່ກັບຄວາມແຕກຕ່າງຂອງລະບົບນິເວດເປັນຕົວວັດແທກໄລຍະຫ່າງ, ແຂວງທາງນິເວດທີ່ລວບລວມທີ່ເຂັ້ມແຂງ (AEP) ຖືກກໍານົດຢ່າງເປັນຈຸດປະສົງໂດຍຜ່ານບັນດາແຂວງທີ່ມີລະບົບນິເວດທີ່ຕິດກັນ.ການນໍາໃຊ້ AEPs, ການຄວບຄຸມອັດຕາການສະຫນອງທາດອາຫານໃນໂຄງສ້າງຊຸມຊົນໄດ້ຖືກຄົ້ນຫາ.ແຂວງ​ນິ​ເວດ ແລະ AEP ແມ່ນ​ເປັນ​ເອ​ກະ​ລັກ​ສະ​ເພາະ​ແລະ​ສາ​ມາດ​ຊ່ວຍ​ໃຫ້​ການ​ຕີ​ລາ​ຄາ​ຕົວ​ແບບ.ພວກເຂົາສາມາດສ້າງຄວາມສະດວກໃນການປຽບທຽບລະຫວ່າງຕົວແບບແລະອາດຈະເພີ່ມຄວາມເຂົ້າໃຈແລະການຕິດຕາມລະບົບນິເວດທະເລ.
ບັນດາແຂວງແມ່ນເຂດທີ່ມີພູມສາດທີ່ຊັບຊ້ອນຢູ່ທະເລ ຫຼື ຜືນແຜ່ນດິນຖືກຈັດຕັ້ງເປັນເຂດທີ່ສອດຄ່ອງ ແລະ ມີຄວາມໝາຍ (1).ບັນດາ​ແຂວງ​ເຫຼົ່າ​ນີ້​ມີ​ຄວາມ​ສຳຄັນ​ຫຼາຍ​ໃນ​ການ​ສົມ​ທຽບ ​ແລະ ກົງ​ກັນ​ຂ້າມ​ທີ່​ຕັ້ງ, ລັກສະນະ​ສັງ​ເກດ, ຕິດຕາມ​ກວດກາ ​ແລະ ປົກ​ປັກ​ຮັກສາ.ປະຕິສໍາພັນທີ່ຊັບຊ້ອນແລະບໍ່ເປັນເສັ້ນທີ່ຜະລິດບັນດາແຂວງເຫຼົ່ານີ້ເຮັດໃຫ້ວິທີການ unsupervised machine learning (ML) ເຫມາະສົມຫຼາຍສໍາລັບການກໍານົດແຂວງຕາມຈຸດປະສົງ, ເນື່ອງຈາກວ່າຄວາມແຕກຕ່າງກັນໃນຂໍ້ມູນແມ່ນສະລັບສັບຊ້ອນແລະບໍ່ແມ່ນ Gaussian.ຢູ່ທີ່ນີ້, ວິທີການ ML ໄດ້ຖືກສະເໜີ, ເຊິ່ງກໍານົດຢ່າງເປັນລະບົບບັນດາແຂວງທາງລະບົບນິເວດທາງທະເລ (ແຂວງນິເວດ) ຈາກຮູບແບບທາງກາຍະພາບ/ລະບົບນິເວດສາມມິຕິ (3D) ຂອງໂລກຂອງ Darwin (2).ຄຳວ່າ "ເອກະລັກ" ແມ່ນໃຊ້ເພື່ອຊີ້ບອກວ່າພື້ນທີ່ທີ່ລະບຸນັ້ນບໍ່ທັບຊ້ອນກັບພື້ນທີ່ອື່ນໆຢ່າງພຽງພໍ.ວິທີນີ້ເອີ້ນວ່າ System Integrated Ecological Province (SAGE).ເພື່ອປະຕິບັດການຈັດປະເພດທີ່ເປັນປະໂຫຍດ, ວິທີການສູດການຄິດໄລ່ຕ້ອງການອະນຸຍາດໃຫ້ (i) ການຈັດປະເພດທົ່ວໂລກແລະ (ii) ການວິເຄາະຫຼາຍຂະຫນາດທີ່ສາມາດຖືກ nested / ລວບລວມໃນຊ່ອງແລະເວລາ (3).ໃນການຄົ້ນຄວ້ານີ້, ວິທີການ SAGE ໄດ້ຖືກສະເຫນີຄັ້ງທໍາອິດແລະບັນດາແຂວງທີ່ມີລະບົບນິເວດໄດ້ຖືກປຶກສາຫາລື.ແຂວງນິເວດສາມາດສົ່ງເສີມຄວາມເຂົ້າໃຈກ່ຽວກັບປັດໃຈທີ່ຄວບຄຸມໂຄງສ້າງຊຸມຊົນ, ສະຫນອງຄວາມເຂົ້າໃຈທີ່ເປັນປະໂຫຍດສໍາລັບຍຸດທະສາດການຕິດຕາມ, ແລະຊ່ວຍຕິດຕາມການປ່ຽນແປງຂອງລະບົບນິເວດ.
ໂດຍທົ່ວໄປແລ້ວບັນດາແຂວງເທິງບົກຖືກຈັດປະເພດຕາມຄວາມຄ້າຍຄືກັນຂອງດິນຟ້າອາກາດ (ຝົນ ແລະ ອຸນຫະພູມ), ດິນ, ພືດພັນ, ແລະ ສັດ, ແລະ ຖືກນໍາໃຊ້ເພື່ອການຄຸ້ມຄອງຊ່ວຍ, ການຄົ້ນຄວ້າຊີວະນາໆພັນ ແລະ ການຄວບຄຸມພະຍາດ (1, 4).ບັນດາ​ແຂວງ​ທາງ​ທະ​ເລ​ແມ່ນ​ຍາກ​ກວ່າ​ທີ່​ຈະ​ກຳນົດ.ສິ່ງມີຊີວິດສ່ວນຫຼາຍແມ່ນກ້ອງຈຸລະທັດ, ມີຂອບເຂດຂອງນ້ໍາ.Longhurst et al.(5) ສະຫນອງຫນຶ່ງໃນການຈັດປະເພດທົ່ວໂລກຄັ້ງທໍາອິດຂອງກະຊວງມະຫາສະຫມຸດໂດຍອີງໃສ່ເງື່ອນໄຂສິ່ງແວດລ້ອມ.ຄໍານິຍາມຂອງບັນດາແຂວງ "Longhurst" ເຫຼົ່ານີ້ລວມມີຕົວແປເຊັ່ນ: ອັດຕາການປະສົມ, ການແບ່ງຊັ້ນ, ແລະ irradiance, ເຊັ່ນດຽວກັນກັບປະສົບການອັນກວ້າງຂວາງຂອງ Longhurst ໃນຖານະນັກວິທະຍາສາດທາງທະເລ, ຜູ້ທີ່ມີເງື່ອນໄຂທີ່ສໍາຄັນອື່ນໆສໍາລັບລະບົບນິເວດທະເລ.Longhurst ໄດ້ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງ, ສໍາລັບການຍົກຕົວຢ່າງ, ເພື່ອປະເມີນການຜະລິດຕົ້ນຕໍແລະການປ່ອຍອາຍພິດກາກບອນ, ການປະມົງຊ່ວຍເຫຼືອ, ແລະແຜນການໃນກິດຈະກໍາການສັງເກດການສະຖານທີ່ (5-9).ເພື່ອກຳນົດບັນດາແຂວງຢ່າງເປັນເປົ້າໝາຍຫຼາຍຂຶ້ນ, ວິທີການຕ່າງໆ ເຊັ່ນ: ເຫດຜົນທີ່ສັບສົນ ແລະ ການຈັດກຸ່ມ/ສະຖິຕິທີ່ບໍ່ມີການກວດກາໃນພາກພື້ນໄດ້ຖືກນໍາໃຊ້ (9-14).ຈຸດປະສົງຂອງວິທີການດັ່ງກ່າວແມ່ນເພື່ອກໍານົດໂຄງສ້າງທີ່ມີຄວາມຫມາຍທີ່ສາມາດກໍານົດແຂວງໃນຂໍ້ມູນການສັງເກດການທີ່ມີຢູ່.ຕົວຢ່າງເຊັ່ນ, ແຂວງທາງທະເລແບບເຄື່ອນໄຫວ (12) ໃຊ້ແຜນທີ່ຈັດລະບຽບຕົນເອງເພື່ອຫຼຸດຜ່ອນສຽງ, ແລະນໍາໃຊ້ການຈັດກຸ່ມຕາມລໍາດັບຊັ້ນ (ຕາມຕົ້ນໄມ້) ເພື່ອກໍານົດຜະລິດຕະພັນສີນ້ໍາທະເລທີ່ມາຈາກດາວທຽມພາກພື້ນ [chlorophyll a (Chl-a), ຄວາມສູງຂອງເສັ້ນ Fluorescence ປົກກະຕິແລະ. ສານອິນຊີທີ່ລະລາຍສີ] ແລະພາກສະຫນາມທາງດ້ານຮ່າງກາຍ (ອຸນຫະພູມຫນ້າດິນທະເລແລະຄວາມເຄັມ, ພູມສັນຖານແບບເຄື່ອນໄຫວຢ່າງແທ້ຈິງແລະກ້ອນທະເລ).
ໂຄງສ້າງຊຸມຊົນຂອງ plankton ແມ່ນມີຄວາມເປັນຫ່ວງເພາະວ່າລະບົບນິເວດຂອງມັນມີອິດທິພົນຢ່າງຫຼວງຫຼາຍຕໍ່ລະດັບທາດອາຫານທີ່ສູງຂຶ້ນ, ການດູດຊຶມກາກບອນແລະສະພາບອາກາດ.ຢ່າງໃດກໍຕາມ, ມັນຍັງເປັນເປົ້າຫມາຍທີ່ທ້າທາຍແລະຫຍຸ້ງຍາກໃນການກໍານົດແຂວງລະບົບນິເວດທົ່ວໂລກໂດຍອີງໃສ່ໂຄງສ້າງຊຸມຊົນ plankton.ດາວທຽມສີທະເລມີທ່າແຮງສາມາດສະຫນອງຄວາມເຂົ້າໃຈໃນການຈັດປະເພດຫຍາບຂອງ phytoplankton ຫຼືແນະນໍາຂໍ້ໄດ້ປຽບຂອງກຸ່ມທີ່ມີປະໂຫຍດ (15), ແຕ່ປະຈຸບັນພວກເຂົາບໍ່ສາມາດໃຫ້ຂໍ້ມູນລະອຽດກ່ຽວກັບໂຄງສ້າງຊຸມຊົນ.ການສໍາຫຼວດທີ່ຜ່ານມາ [ເຊັ່ນ: Tara Ocean (16)] ແມ່ນການສະຫນອງການວັດແທກທີ່ບໍ່ເຄີຍມີມາກ່ອນຂອງໂຄງສ້າງຊຸມຊົນ;ປະຈຸບັນ, ມີພຽງແຕ່ການສັງເກດການຢູ່ໃນພື້ນທີ່ທີ່ກວ້າງຂວາງໃນຂອບເຂດທົ່ວໂລກ (17).ການສຶກສາທີ່ຜ່ານມາສ່ວນໃຫຍ່ໄດ້ກໍານົດ "ແຂວງ Biogeochemical" (12, 14, 18) ໂດຍອີງໃສ່ການກໍານົດຄວາມຄ້າຍຄືກັນທາງຊີວະເຄມີ (ເຊັ່ນ: ການຜະລິດຕົ້ນຕໍ, Chl ແລະແສງສະຫວ່າງທີ່ມີຢູ່).ໃນທີ່ນີ້, ຕົວແບບຕົວເລກແມ່ນໃຊ້ເພື່ອຜົນຜະລິດ [Darwin(2)], ແລະແຂວງນິເວດວິທະຍາແມ່ນຖືກກໍານົດຕາມໂຄງສ້າງຊຸມຊົນແລະການໄຫຼວຽນຂອງທາດອາຫານ.ຮູບແບບຕົວເລກທີ່ໃຊ້ໃນການສຶກສານີ້ມີການຄຸ້ມຄອງທົ່ວໂລກແລະສາມາດປຽບທຽບກັບຂໍ້ມູນພາກສະຫນາມທີ່ມີຢູ່ (17) ແລະພາກສະຫນາມການຮັບຮູ້ທາງໄກ (ຫມາຍເຫດ S1).ຂໍ້ມູນຕົວແບບຕົວເລກທີ່ໃຊ້ໃນການສຶກສານີ້ມີປະໂຫຍດຕໍ່ການຄຸ້ມຄອງທົ່ວໂລກ.ລະບົບນິເວດແບບຈໍາລອງປະກອບດ້ວຍ 35 ຊະນິດຂອງ phytoplankton ແລະ 16 ຊະນິດຂອງ zooplankton (ກະລຸນາອ້າງອີງເຖິງວັດສະດຸແລະວິທີການ).ປະເພດຂອງ Plankton ແບບຈໍາລອງມີປະຕິສໍາພັນກັບໂຄງສ້າງທີ່ບໍ່ສອດຄ່ອງຂອງ Gaussian, ດັ່ງນັ້ນວິທີການວິນິດໄສງ່າຍໆແມ່ນບໍ່ເຫມາະສົມສໍາລັບການກໍານົດຮູບແບບທີ່ເປັນເອກະລັກແລະສອດຄ່ອງໃນໂຄງສ້າງຊຸມຊົນທີ່ເກີດຂື້ນ.ວິທີການ SAGE ທີ່ນໍາສະເຫນີໃນທີ່ນີ້ໃຫ້ວິທີການໃຫມ່ເພື່ອກວດກາເບິ່ງຜົນຜະລິດຂອງຕົວແບບ Darwin ທີ່ສັບສົນ.
ຄວາມສາມາດໃນການຫັນປ່ຽນທີ່ມີປະສິດທິພາບຂອງວິທະຍາສາດຂໍ້ມູນ / ເຕັກໂນໂລຊີ ML ສາມາດເຮັດໃຫ້ການແກ້ໄຂແບບຈໍາລອງທີ່ສັບສົນຫຼາຍທີ່ຈະເປີດເຜີຍໂຄງສ້າງທີ່ສັບສົນແຕ່ແຂງແຮງໃນຄວາມແຕກຕ່າງກັນຂອງຂໍ້ມູນ.ວິທີການທີ່ເຂັ້ມແຂງແມ່ນຖືກກໍານົດເປັນວິທີການທີ່ສາມາດຜະລິດຄືນຜົນໄດ້ຮັບຢ່າງຊື່ສັດພາຍໃນຂອບເຂດຄວາມຜິດພາດທີ່ກໍານົດ.ເຖິງແມ່ນວ່າຢູ່ໃນລະບົບທີ່ງ່າຍດາຍ, ການກໍານົດຮູບແບບທີ່ເຂັ້ມແຂງແລະສັນຍານສາມາດເປັນສິ່ງທ້າທາຍ.ຈົນກ່ວາເຫດຜົນທີ່ນໍາໄປສູ່ຮູບແບບທີ່ສັງເກດເຫັນໄດ້ຖືກກໍານົດ, ຄວາມສັບສົນທີ່ເກີດຂື້ນອາດຈະເບິ່ງຄືວ່າສັບສົນ / ຍາກທີ່ຈະແກ້ໄຂ.ຂະບວນການສໍາຄັນຂອງການກໍານົດອົງປະກອບຂອງລະບົບນິເວດແມ່ນບໍ່ມີເສັ້ນໃນທໍາມະຊາດ.ທີ່ມີຢູ່ແລ້ວຂອງປະຕິສໍາພັນທີ່ບໍ່ແມ່ນເສັ້ນສາມາດສັບສົນການຈັດປະເພດທີ່ເຂັ້ມແຂງ, ສະນັ້ນມັນເປັນສິ່ງຈໍາເປັນເພື່ອຫຼີກເວັ້ນການວິທີການທີ່ເຮັດໃຫ້ສົມມຸດຕິຖານທີ່ເຂັ້ມແຂງກ່ຽວກັບການແຈກຢາຍສະຖິຕິພື້ນຖານຂອງຄວາມແຕກຕ່າງກັນຂໍ້ມູນ.ຂໍ້ມູນມິຕິລະດັບສູງ ແລະບໍ່ເປັນເສັ້ນແມ່ນພົບເລື້ອຍໃນມະຫາສະໝຸດພາບ ແລະອາດມີໂຄງສ້າງທີ່ປ່ຽນແປງໄດ້ກັບສະລັບຊັບຊ້ອນ, ບໍ່ແມ່ນ Gaussian topology.ເຖິງແມ່ນວ່າຂໍ້ມູນທີ່ມີໂຄງສ້າງຄວາມແຕກຕ່າງກັນທີ່ບໍ່ແມ່ນ Gaussian ອາດຈະຂັດຂວາງການຈັດປະເພດທີ່ເຂັ້ມແຂງ, ວິທີການ SAGE ແມ່ນນະວະນິຍາຍເພາະວ່າມັນຖືກອອກແບບມາເພື່ອກໍານົດກຸ່ມທີ່ມີ topologies arbitrary.
ເປົ້າຫມາຍຂອງວິທີການ SAGE ແມ່ນເພື່ອກໍານົດຈຸດປະສົງທີ່ພົ້ນເດັ່ນຂື້ນທີ່ອາດຈະຊ່ວຍໃຫ້ຄວາມເຂົ້າໃຈທາງດ້ານນິເວດວິທະຍາຕື່ມອີກ.ປະຕິບັດຕາມຂັ້ນຕອນການເຮັດວຽກຂອງກຸ່ມທີ່ຄ້າຍຄືກັບ (19), ຕົວແປຂອງລະບົບນິເວດ ແລະທາດອາຫານຖືກໃຊ້ເພື່ອກໍານົດກຸ່ມດຽວໃນຂໍ້ມູນ, ເອີ້ນວ່າແຂວງທາງນິເວດ.ວິທີການ SAGE ທີ່ສະເຫນີໃນການສຶກສານີ້ (ຮູບ 1) ທໍາອິດຫຼຸດຜ່ອນຂະຫນາດຈາກ 55 ເປັນ 11 ມິຕິໂດຍການສະຫຼຸບກຸ່ມປະຕິບັດຫນ້າທີ່ຂອງ plankton ກໍານົດ priori (ເບິ່ງວັດສະດຸແລະວິທີການ).ການນໍາໃຊ້ວິທີການຝັງເພື່ອນບ້ານແບບສຸ່ມ t-random (t-SNE), ຂະຫນາດໄດ້ຖືກຫຼຸດລົງຕື່ມອີກໂດຍການຄາດຄະເນຄວາມເປັນໄປໄດ້ເຂົ້າໄປໃນພື້ນທີ່ 3D.ການຈັດກຸ່ມທີ່ບໍ່ມີການເບິ່ງແຍງສາມາດລະບຸພື້ນທີ່ທີ່ໃກ້ຊິດກັບລະບົບນິເວດ [Density-based spatial clustering (DBSCAN) for noise-based applications].ທັງ t-SNE ແລະ DBSCAN ແມ່ນໃຊ້ໄດ້ກັບຂໍ້ມູນຕົວແບບຕົວເລກຂອງລະບົບນິເວດທີ່ບໍ່ແມ່ນເສັ້ນຊື່.ຫຼັງ​ຈາກ​ນັ້ນ​, reproject ແຂວງ​ນິ​ເວດ​ຜົນ​ໄດ້​ຮັບ​ລົງ​ເທິງ​ແຜ່ນ​ດິນ​ໂລກ​.ມີ​ຫຼາຍ​ກວ່າ 100 ​ແຂວງ​ນິ​ເວດ​ທີ່​ເປັນ​ເອກະລັກ​ສະ​ເພາະ​ໄດ້​ຮັບ​ການ​ກຳນົດ, ເໝາະ​ສົມ​ກັບ​ການ​ຄົ້ນ​ຄ້ວາ​ພາກ​ພື້ນ.ເພື່ອພິຈາລະນາຮູບແບບລະບົບນິເວດທີ່ສອດຄ່ອງທົ່ວໂລກ, ວິທີການ SAGE ໄດ້ຖືກນໍາໃຊ້ເພື່ອລວບລວມບັນດາແຂວງທາງນິເວດເຂົ້າໄປໃນບັນດາແຂວງນິເວດລວມ (AEP) ເພື່ອປັບປຸງປະສິດທິຜົນຂອງບັນດາແຂວງທາງນິເວດ.ລະດັບການລວບລວມ (ເອີ້ນວ່າ "ຄວາມສັບສົນ") ສາມາດປັບໄດ້ໃນລະດັບຂອງລາຍລະອຽດທີ່ຕ້ອງການ.ກໍານົດຄວາມສັບສົນຂັ້ນຕ່ໍາຂອງ AEP ທີ່ເຂັ້ມແຂງ.ຈຸດສຸມຂອງການຄັດເລືອກແມ່ນວິທີການ SAGE ແລະຂຸດຄົ້ນກໍລະນີ AEP ທີ່ມີຄວາມຊັບຊ້ອນຂະຫນາດນ້ອຍທີ່ສຸດເພື່ອກໍານົດການຄວບຄຸມໂຄງສ້າງຊຸມຊົນສຸກເສີນ.ຫຼັງຈາກນັ້ນ, ຮູບແບບດັ່ງກ່າວສາມາດໄດ້ຮັບການວິເຄາະເພື່ອໃຫ້ຄວາມເຂົ້າໃຈທາງດ້ານນິເວດວິທະຍາ.ວິທີການທີ່ນໍາສະເຫນີຢູ່ທີ່ນີ້ຍັງສາມາດຖືກນໍາໃຊ້ສໍາລັບການປຽບທຽບແບບຈໍາລອງຢ່າງກວ້າງຂວາງ, ຕົວຢ່າງ, ໂດຍການປະເມີນສະຖານທີ່ຂອງແຂວງທີ່ມີລະບົບນິເວດທີ່ຄ້າຍຄືກັນທີ່ພົບເຫັນຢູ່ໃນຕົວແບບຕ່າງໆເພື່ອຊີ້ໃຫ້ເຫັນຄວາມແຕກຕ່າງແລະຄວາມຄ້າຍຄືກັນ, ເພື່ອປຽບທຽບຕົວແບບ.
(ກ) ແຜນວາດແຜນຜັງວຽກງານການກຳນົດເຂດນິເວດວິທະຍາ;ການນໍາໃຊ້ຜົນລວມໃນກຸ່ມທີ່ເປັນປະໂຫຍດເພື່ອຫຼຸດຜ່ອນຂໍ້ມູນຕົ້ນສະບັບ 55 ມິຕິລະດັບໄປສູ່ຜົນຜະລິດແບບຈໍາລອງ 11 ມິຕິ, ລວມທັງຊີວະມວນຂອງ plankton ທີ່ມີປະໂຫຍດ 7 ຊະນິດແລະອັດຕາການສະຫນອງທາດອາຫານສີ່.ມູນຄ່າຫນ້ອຍແລະພື້ນທີ່ປົກຫຸ້ມຂອງກ້ອນທົນທານ.ຂໍ້ມູນໄດ້ຖືກມາດຕະຖານແລະມາດຕະຖານ.ສະໜອງຂໍ້ມູນ 11 ມິຕິລະດັບໃຫ້ກັບ t-SNE algorithm ເພື່ອເນັ້ນໃຫ້ເຫັນການລວມລັກສະນະທີ່ຄ້າຍຄືກັນທາງສະຖິຕິ.DBSCAN ຈະເລືອກກຸ່ມຢ່າງລະມັດລະວັງເພື່ອກໍານົດຄ່າພາລາມິເຕີ.ສຸດທ້າຍໄດ້ສະແດງຂໍ້ມູນກັບຄືນສູ່ການຄາດຄະເນເສັ້ນແວງ/ເສັ້ນແວງ.ກະລຸນາສັງເກດວ່າຂະບວນການນີ້ຖືກຊ້ໍາອີກ 10 ເທື່ອເພາະວ່າຄວາມສຸ່ມເລັກນ້ອຍອາດຈະຖືກສ້າງຂື້ນໂດຍການໃຊ້ t-SNE.(B) ອະທິບາຍວິທີການໄດ້ຮັບ AEP ໂດຍການເຮັດຊ້ໍາຂັ້ນຕອນການເຮັດວຽກໃນ (A) 10 ເທື່ອ.ສໍາລັບແຕ່ລະການປະຕິບັດ 10 ເຫຼົ່ານີ້, ຕາຕະລາງຄວາມແຕກຕ່າງລະຫວ່າງແຂວງ Bray-Curtis (BC) ໄດ້ຖືກກໍານົດໂດຍອີງໃສ່ຊີວະມວນຂອງ 51 ປະເພດ phytoplankton.ກໍານົດຄວາມແຕກຕ່າງ BC ລະຫວ່າງບັນດາແຂວງ, ຈາກຄວາມຊັບຊ້ອນ 1 AEP ຈົນເຖິງຄວາມຊັບຊ້ອນເຕັມທີ່ 115. ດັດຊະນີ BC ຖືກກໍານົດໂດຍແຂວງ Longhurst.
ວິທີການ SAGE ໃຊ້ຜົນຜະລິດຂອງຕົວແບບຕົວເລກທາງກາຍຍະພາບ 3 ມິຕິຂອງໂລກ/ລະບົບນິເວດ ເພື່ອກໍານົດແຂວງນິເວດ [Darwin (2);ເບິ່ງວັດສະດຸ ແລະວິທີການ ແລະໝາຍເຫດ S1].ອົງປະກອບຂອງລະບົບນິເວດແມ່ນປະກອບດ້ວຍ 35 ຊະນິດຂອງ phytoplankton ແລະ 16 ຊະນິດຂອງ zooplankton, ມີເຈັດກຸ່ມຫນ້າທີ່ກໍານົດໄວ້ກ່ອນ: prokaryotes ແລະ eukaryotes ປັບຕົວເຂົ້າກັບສະພາບແວດລ້ອມທີ່ມີທາດອາຫານຕ່ໍາ, coccidia ທີ່ມີການເຄືອບດ້ວຍທາດການຊຽມຄາບອນ, ແລະການສ້ອມແຊມໄນໂຕຣເຈນຢ່າງຫນັກ ທາດອາຫານໄນໂຕຣເຈນ (ປົກກະຕິແລ້ວຂາດ. ສານອາຫານທີ່ສໍາຄັນ), ມີການປົກຫຸ້ມຂອງ siliceous, ສາມາດເຮັດໃຫ້ການສັງເຄາະແສງຂອງ plankton ອື່ນໆແລະທົ່ງຫຍ້າປະສົມ flagellates ທາດອາຫານແລະຝູງຝູງ zooplankton.ຂະ​ຫນາດ​ຂະ​ຫນາດ​ແມ່ນ 0.6 ກັບ 2500μm​ເສັ້ນ​ຜ່າ​ກາງ spherical ທຽບ​ເທົ່າ​.ການແຈກຢາຍແບບຈໍາລອງຂອງຂະຫນາດຂອງ phytoplankton ແລະການຈັດກຸ່ມທີ່ເປັນປະໂຫຍດຈະຈັບລັກສະນະລວມທີ່ເຫັນຢູ່ໃນດາວທຽມແລະການສັງເກດການຢູ່ໃນສະຖານທີ່ (ເບິ່ງຮູບ S1 ຫາ S3).ຄວາມຄ້າຍຄືກັນລະຫວ່າງຕົວແບບຕົວເລກ ແລະ ມະຫາສະໝຸດທີ່ສັງເກດໄດ້ຊີ້ໃຫ້ເຫັນວ່າບັນດາແຂວງທີ່ກຳນົດໄວ້ໂດຍຕົວແບບອາດຈະນຳໃຊ້ໄດ້ກັບມະຫາສະໝຸດພາຍໃນ.ກະລຸນາຮັບຊາບວ່າຮູບແບບນີ້ພຽງແຕ່ຈັບຄວາມຫຼາກຫຼາຍຂອງ phytoplankton ສະເພາະ, ແລະພຽງແຕ່ບາງຂອບເຂດບັງຄັບທາງກາຍະພາບ ແລະທາງເຄມີຂອງມະຫາສະໝຸດໃນບ່ອນ.ວິທີການ SAGE ສາມາດເຮັດໃຫ້ປະຊາຊົນເຂົ້າໃຈໄດ້ດີຂຶ້ນກ່ຽວກັບກົນໄກການຄວບຄຸມລະດັບພາກພື້ນສູງຂອງໂຄງສ້າງຊຸມຊົນຕົວແບບ.
ໂດຍການລວມເອົາພຽງແຕ່ຜົນລວມຂອງຊີວະມວນພື້ນຜິວ (ໂດຍໃຊ້ເວລາສະເລ່ຍ 20 ປີ) ໃນແຕ່ລະກຸ່ມທີ່ເຮັດວຽກຂອງ plankton, ຂະຫນາດຂອງຂໍ້ມູນສາມາດຫຼຸດລົງ.ຫຼັງຈາກການສຶກສາກ່ອນຫນ້າໄດ້ສະແດງໃຫ້ເຫັນບົດບາດສໍາຄັນຂອງພວກເຂົາໃນການສ້າງຕັ້ງໂຄງສ້າງຊຸມຊົນ, ມັນຍັງລວມເອົາຂໍ້ກໍານົດຂອງແຫຼ່ງຫນ້າດິນສໍາລັບການໄຫຼຂອງທາດອາຫານ (ການສະຫນອງໄນໂຕຣເຈນ, ທາດເຫຼັກ, ຟອສເຟດແລະອາຊິດຊິລິຊິກ) [ເຊັ່ນ: (20, 21)] .ການ​ສັງ​ລວມ​ຂອງ​ກຸ່ມ​ທີ່​ເຮັດ​ວຽກ​ໄດ້​ຫຼຸດ​ຜ່ອນ​ບັນ​ຫາ​ຈາກ 55 (51 plankton ແລະ 4 fluxes ທາດ​ອາ​ຫານ​) ເປັນ 11 ຂະ​ຫນາດ​.ໃນການສຶກສາເບື້ອງຕົ້ນນີ້, ເນື່ອງຈາກຂໍ້ຈໍາກັດຂອງຄອມພິວເຕີ້ທີ່ຖືກບັງຄັບໂດຍສູດການຄິດໄລ່, ຄວາມເລິກແລະຄວາມແຕກຕ່າງກັນຂອງເວລາບໍ່ໄດ້ຖືກພິຈາລະນາ.
ວິທີການ SAGE ສາມາດກໍານົດຄວາມສໍາພັນທີ່ສໍາຄັນລະຫວ່າງຂະບວນການທີ່ບໍ່ແມ່ນເສັ້ນແລະລັກສະນະທີ່ສໍາຄັນຂອງປະຕິສໍາພັນລະຫວ່າງຊີວະມວນຂອງກຸ່ມທີ່ເປັນປະໂຫຍດແລະ flux ຂອງທາດອາຫານ.ການນໍາໃຊ້ຂໍ້ມູນ 11 ມິຕິລະດັບໂດຍອີງໃສ່ວິທີການຮຽນທາງໄກ Euclidean (ເຊັ່ນ: K-means) ບໍ່ສາມາດໄດ້ຮັບບັນດາແຂວງທີ່ເຊື່ອຖືໄດ້ແລະສາມາດແຜ່ພັນໄດ້ (19, 22).ນີ້ແມ່ນຍ້ອນວ່າບໍ່ມີຮູບຮ່າງຂອງ Gaussian ໄດ້ຖືກພົບເຫັນຢູ່ໃນການແຜ່ກະຈາຍພື້ນຖານຂອງຄວາມແຕກຕ່າງກັນຂອງອົງປະກອບທີ່ສໍາຄັນທີ່ກໍານົດແຂວງນິເວດວິທະຍາ.K-means ຂອງຈຸລັງ Voronoi (ເສັ້ນຊື່) ບໍ່ສາມາດຮັກສາການແຈກຢາຍພື້ນຖານທີ່ບໍ່ແມ່ນ Gaussian.
ຊີວະມວນຂອງ 7 ກຸ່ມທີ່ມີປະໂຫຍດຂອງ plankton ແລະ ທາດອາຫານ 4 ຊະນິດປະກອບເປັນ vector x 11 ມິຕິ.ດັ່ງນັ້ນ, x ແມ່ນພາກສະຫນາມ vector ໃນຕາຂ່າຍໄຟຟ້າຂອງຕົວແບບ, ເຊິ່ງແຕ່ລະອົງປະກອບ xi ເປັນຕົວແທນຂອງ vector 11-dimensional ກໍານົດຢູ່ໃນຕາຂ່າຍໄຟຟ້າແນວນອນຂອງ model.ແຕ່ລະດັດຊະນີຂ້າພະເຈົ້າກໍານົດຈຸດຕາຂ່າຍໄຟຟ້າຢ່າງເປັນເອກະລັກ, ບ່ອນທີ່ (lon, lat) = (ϕi, θi).ຖ້າຊີວະມວນຂອງໜ່ວຍຕາໜ່າງຕົວແບບມີໜ້ອຍກວ່າ 1.2×10-3mg Chl/m3 ຫຼືອັດຕາການປົກຫຸ້ມຂອງນ້ຳກ້ອນເກີນ 70%, ບັນທຶກຂໍ້ມູນຊີວະມວນຈະຖືກນຳໃຊ້ ແລະ ຍົກເລີກ.ຂໍ້ມູນຖືກປັບປຸງເປັນປົກກະຕິແລະມາດຕະຖານ, ດັ່ງນັ້ນຂໍ້ມູນທັງຫມົດແມ່ນຢູ່ໃນຂອບເຂດຂອງ [0 ຫາ 1], ສະເລ່ຍໄດ້ຖືກໂຍກຍ້າຍອອກແລະຂະຫນາດເປັນຄວາມແຕກຕ່າງກັນຂອງຫນ່ວຍ.ນີ້ແມ່ນເຮັດເພື່ອໃຫ້ລັກສະນະ (ຊີວະມວນແລະທາດອາຫານ flux) ບໍ່ໄດ້ຖືກຈໍາກັດໂດຍຄວາມຄົມຊັດໃນຂອບເຂດຂອງຄ່າທີ່ເປັນໄປໄດ້.ການຈັດກຸ່ມຄວນບັນທຶກການພົວພັນການປ່ຽນແປງຈາກໄລຍະຄວາມເປັນໄປໄດ້ທີ່ສໍາຄັນລະຫວ່າງລັກສະນະຕ່າງໆແທນທີ່ຈະເປັນໄລຍະທາງພູມສາດ.ໂດຍການຄິດໄລ່ໄລຍະຫ່າງເຫຼົ່ານີ້, ລັກສະນະທີ່ສໍາຄັນເກີດຂື້ນ, ໃນຂະນະທີ່ລາຍລະອຽດທີ່ບໍ່ຈໍາເປັນຈະຖືກຍົກເລີກ.ຈາກທັດສະນະທາງດ້ານນິເວດວິທະຍາ, ນີ້ແມ່ນມີຄວາມຈໍາເປັນເພາະວ່າບາງຊະນິດຂອງ phytoplankton ທີ່ມີຊີວະມວນເລັກນ້ອຍອາດຈະມີຜົນກະທົບທາງຊີວະເຄມີຫຼາຍກວ່າເກົ່າ, ເຊັ່ນ: ການສ້ອມແຊມໄນໂຕຣເຈນໂດຍເຊື້ອແບັກທີເຣັຍ diazotrophic.ໃນເວລາທີ່ມາດຕະຖານແລະການເຮັດໃຫ້ຂໍ້ມູນປົກກະຕິ, ປະເພດຂອງ covariates ເຫຼົ່ານີ້ຈະຖືກເນັ້ນໃສ່.
ໂດຍການເນັ້ນຫນັກໃສ່ຄວາມໃກ້ຊິດຂອງລັກສະນະຕ່າງໆໃນພື້ນທີ່ມິຕິລະດັບສູງໃນການເປັນຕົວແທນຂອງມິຕິລະດັບຕ່ໍາ, t-SNE algorithm ຖືກນໍາໃຊ້ເພື່ອເຮັດໃຫ້ພາກພື້ນທີ່ຄ້າຍຄືກັນທີ່ມີຢູ່ແລ້ວຈະແຈ້ງຂຶ້ນ.ວຽກງານທີ່ຜ່ານມາເພື່ອແນໃສ່ສ້າງເຄືອຂ່າຍ neural ເລິກສໍາລັບຄໍາຮ້ອງສະຫມັກການຮັບຮູ້ຫ່າງໄກສອກຫຼີກໄດ້ນໍາໃຊ້ t-SNE, ເຊິ່ງໄດ້ພິສູດຄວາມສາມາດຂອງຕົນໃນການແຍກລັກສະນະທີ່ສໍາຄັນ (23).ນີ້ແມ່ນຂັ້ນຕອນທີ່ຈໍາເປັນເພື່ອກໍານົດກຸ່ມທີ່ເຂັ້ມແຂງໃນຂໍ້ມູນຄຸນນະສົມບັດໃນຂະນະທີ່ຫຼີກເວັ້ນການແກ້ໄຂທີ່ບໍ່ແມ່ນ convergent (ຫມາຍເຫດ S2).ການນໍາໃຊ້ແກ່ນ Gaussian, t-SNE ຮັກສາຄຸນສົມບັດທາງສະຖິຕິຂອງຂໍ້ມູນໂດຍການເຮັດແຜນທີ່ແຕ່ລະວັດຖຸທີ່ມີມິຕິລະດັບສູງໄປຫາຈຸດໃດຫນຶ່ງໃນຊ່ອງໄລຍະ 3D, ດັ່ງນັ້ນການຮັບປະກັນວ່າຄວາມເປັນໄປໄດ້ຂອງວັດຖຸທີ່ຄ້າຍຄືກັນໃນທິດທາງສູງແລະຕ່ໍາແມ່ນຢູ່ໃນລະດັບສູງ. ຊ່ອງມິຕິ (24).ເນື່ອງຈາກຊຸດຂອງວັດຖຸມິຕິລະດັບສູງ N x1,…,xN, t-SNE algorithm ຫຼຸດລົງໂດຍການຫຼຸດຜ່ອນຄວາມແຕກຕ່າງຂອງ Kullback-Leibler (KL) (25).KL divergence ແມ່ນການວັດແທກຄວາມແຕກຕ່າງຂອງການແຈກຢາຍຄວາມເປັນໄປໄດ້ຈາກການແຈກຢາຍຄວາມເປັນໄປໄດ້ຂອງອ້າງອີງທີສອງ, ແລະສາມາດປະເມີນຄວາມເປັນໄປໄດ້ຂອງຄວາມກ່ຽວຂ້ອງກັນລະຫວ່າງການສະແດງມິຕິລະດັບຕ່ໍາຂອງລັກສະນະທີ່ມີມິຕິລະດັບສູງ.ຖ້າ xi ແມ່ນວັດຖຸ i-th ໃນ N-dimensional space, xj ແມ່ນວັດຖຸ j-th ໃນ N-dimensional space, yi ແມ່ນວັດຖຸ i-th ໃນພື້ນທີ່ຕ່ໍາ, ແລະ yj ແມ່ນວັດຖຸ j-th ໃນຕ່ໍາ. -dimensional space, ຫຼັງຈາກນັ້ນ t -SNE ກໍານົດຄວາມເປັນໄປໄດ້ທີ່ຄ້າຍຄືກັນ ppj∣i = exp(-∥xi-xj∥2/2σi2)∑k≠iexp(-∥xi-xk∥2/2σi2), ແລະສໍາລັບຊຸດການຫຼຸດຜ່ອນມິຕິພາບ. q∣j = (1+ ∥ yi-yj∥2)-1∑k≠i(1 +∥yj-yk∥2)-1
ຮູບທີ 2A ສະແດງໃຫ້ເຫັນເຖິງຜົນກະທົບຂອງການຫຼຸດຜ່ອນ biomass ແລະ vector flux ທາດອາຫານຂອງການປະສົມປະສານ 11 ມິຕິເປັນ 3D.ແຮງຈູງໃຈຂອງການໃຊ້ t-SNE ສາມາດປຽບທຽບໄດ້ກັບແຮງຈູງໃຈຂອງການວິເຄາະອົງປະກອບຫຼັກ (PCA), ເຊິ່ງໃຊ້ຄຸນລັກສະນະການປ່ຽນແປງເພື່ອເນັ້ນຫນັກໃສ່ພື້ນທີ່ / ຄຸນລັກສະນະຂອງຂໍ້ມູນ, ດັ່ງນັ້ນການຫຼຸດຜ່ອນຂະຫນາດ.ວິທີການ t-SNE ໄດ້ຖືກພົບເຫັນວ່າດີກວ່າ PCA ໃນການສະຫນອງຜົນໄດ້ຮັບທີ່ເຊື່ອຖືໄດ້ແລະສາມາດແຜ່ພັນໄດ້ສໍາລັບ Eco-Ministry (ເບິ່ງ Note S2).ນີ້ອາດຈະເປັນຍ້ອນວ່າສົມມຸດຕິຖານ orthogonality ຂອງ PCA ບໍ່ເຫມາະສົມສໍາລັບການກໍານົດການໂຕ້ຕອບທີ່ສໍາຄັນລະຫວ່າງລັກສະນະການໂຕ້ຕອບທີ່ບໍ່ມີເສັ້ນຊື່ສູງ, ເພາະວ່າ PCA ສຸມໃສ່ໂຄງສ້າງຄວາມແຕກຕ່າງກັນເສັ້ນ (26).ການນໍາໃຊ້ຂໍ້ມູນການຮັບຮູ້ທາງໄກ, Lunga et al.(27) ສະແດງໃຫ້ເຫັນວິທີການນໍາໃຊ້ວິທີການ SNE ເພື່ອເນັ້ນຫນັກໃສ່ລັກສະນະທີ່ຊັບຊ້ອນແລະ nonlinear spectral ທີ່ deviate ຈາກການແຈກຢາຍ Gaussian.
(A) ອັດ​ຕາ​ການ​ສະ​ຫນອງ​ທາດ​ອາ​ຫານ​ທີ່​ເປັນ​ແບບ​ຈໍາ​ລອງ​, phytoplankton ແລະ​ສັດ​ຂອງ​ກຸ່ມ​ທີ່​ທໍາ​ງານ​ຂອງ​ຊີ​ວະ​ພາບ​ທີ່​ດຶງ​ດູດ​ໂດຍ​ວິ​ທີ​ການ t-SNE ແລະ​ສີ​ຕາມ​ແຂວງ​ໂດຍ​ການ​ນໍາ​ໃຊ້ DBSCAN​.ແຕ່ລະຈຸດສະແດງເຖິງຈຸດຢູ່ໃນພື້ນທີ່ມິຕິລະດັບສູງ, ດັ່ງທີ່ສະແດງຢູ່ໃນຮູບ 6B, ຈຸດສ່ວນໃຫຍ່ຈະຖືກຈັບ.Shafts ຫມາຍເຖິງ "t-SNE" ຂະຫນາດ 1, 2 ແລະ 3. (B) ການຄາດຄະເນພູມສັນຖານຂອງແຂວງທີ່ພົບເຫັນໂດຍ DBSCAN ໃນຕາຂ່າຍໄຟຟ້າເສັ້ນຂະຫນານ-ເສັ້ນແວງຂອງຕົ້ນກໍາເນີດ.ສີຄວນຈະຖືກຖືວ່າເປັນສີໃດກໍ່ຕາມ, ແຕ່ຄວນສອດຄ່ອງກັບ (A).
ຈຸດທີ່ຢູ່ໃນແຜນຜັງກະແຈກກະຈາຍ t-SNE ໃນຮູບ 2A ແມ່ນຕິດພັນກັບເສັ້ນຂະໜານ ແລະເສັ້ນແວງຕາມລໍາດັບ.ຖ້າສອງຈຸດໃນຮູບ 2A ຢູ່ໃກ້ກັນ, ມັນແມ່ນຍ້ອນວ່າຊີວະມວນແລະທາດອາຫານຂອງພວກມັນມີຄວາມຄ້າຍຄືກັນ, ບໍ່ແມ່ນຍ້ອນພູມສັນຖານໃກ້ຄຽງ.ສີໃນຮູບ 2A ແມ່ນກຸ່ມທີ່ຄົ້ນພົບໂດຍໃຊ້ວິທີການ DBSCAN (28).ໃນເວລາທີ່ຊອກຫາການສັງເກດການທີ່ຫນາແຫນ້ນ, ເຄື່ອງມື DBSCAN ໃຊ້ໄລຍະຫ່າງໃນການເປັນຕົວແທນ 3D ລະຫວ່າງຈຸດ (ϵ = 0.39; ສໍາລັບຂໍ້ມູນກ່ຽວກັບທາງເລືອກນີ້, ເບິ່ງວັດສະດຸແລະວິທີການ), ແລະຈໍານວນຈຸດທີ່ຄ້າຍຄືກັນແມ່ນຕ້ອງການເພື່ອກໍານົດກຸ່ມ (ທີ່ນີ້. 100 ຈຸດ, ກະລຸນາເບິ່ງຂ້າງເທິງ).ວິທີການ DBSCAN ບໍ່ໄດ້ສົມມຸດຕິຖານໃດໆກ່ຽວກັບຮູບຮ່າງຫຼືຈໍານວນກຸ່ມໃນຂໍ້ມູນ, ດັ່ງທີ່ສະແດງຂ້າງລຸ່ມນີ້:
3) ສຳລັບຈຸດທັງໝົດທີ່ລະບຸວ່າຢູ່ພາຍໃນໄລຍະຫ່າງ, ໃຫ້ເຮັດຂັ້ນຕອນທີ 2 ຊ້ຳໆເພື່ອກຳນົດຂອບເຂດຂອງກຸ່ມ.ຖ້າຈໍານວນຈຸດໃຫຍ່ກວ່າຄ່າຕໍາ່ສຸດທີ່ກໍານົດ, ມັນຖືກກໍານົດເປັນກຸ່ມ.
ຂໍ້​ມູນ​ທີ່​ບໍ່​ໄດ້​ຕາມ​ສະ​ມາ​ຊິກ​ຂອງ​ກຸ່ມ​ຕໍາ​່​ສຸດ​ທີ່​ແລະ​ໄລ​ຍະ​ຫ່າງ ϵ metric ແມ່ນ​ພິ​ຈາ​ລະ​ນາ "ສິ່ງ​ລົບ​ກວນ​" ແລະ​ບໍ່​ໄດ້​ກໍາ​ນົດ​ສີ​.DBSCAN ເປັນສູດການຄິດໄລ່ໄວ ແລະສາມາດຂະຫຍາຍໄດ້ດ້ວຍປະສິດທິພາບ O(n2) ໃນກໍລະນີຮ້າຍແຮງທີ່ສຸດ.ສໍາລັບການວິເຄາະໃນປະຈຸບັນ, ມັນບໍ່ແມ່ນແບບສຸ່ມ.ຈໍານວນຈຸດຕໍາ່ສຸດທີ່ຖືກກໍານົດໂດຍການປະເມີນຜູ້ຊ່ຽວຊານ.ຫຼັງ​ຈາກ​ການ​ປັບ​ໄລ​ຍະ​ຫ່າງ​ຫຼັງ​ຈາກ​ນັ້ນ​, ຜົນ​ໄດ້​ຮັບ​ແມ່ນ​ບໍ່​ຄົງ​ທີ່​ພຽງ​ພໍ​ໃນ​ລະ​ດັບ​ຂອງ ≈±10​.ໄລຍະຫ່າງນີ້ຖືກກໍານົດໂດຍໃຊ້ການເຊື່ອມຕໍ່ (ຮູບ 6A) ແລະອັດຕາສ່ວນການຄຸ້ມຄອງມະຫາສະຫມຸດ (ຮູບ 6B).ການເຊື່ອມຕໍ່ແມ່ນຖືກກໍານົດເປັນຈໍານວນອົງປະກອບຂອງກຸ່ມແລະມີຄວາມອ່ອນໄຫວຕໍ່ກັບຕົວກໍານົດການ ϵ.ການເຊື່ອມຕໍ່ທີ່ຕໍ່າກວ່າສະແດງເຖິງຄວາມສອດຄ່ອງທີ່ບໍ່ພຽງພໍ, ການຈັດກຸ່ມພາກພື້ນຮ່ວມກັນ.ການເຊື່ອມຕໍ່ສູງຊີ້ໃຫ້ເຫັນເຖິງການ overfitting.ມັນຄິດວ່າຈະໃຊ້ຕໍາ່ສຸດທີ່ສູງກວ່າ, ແຕ່ຖ້າຕໍາ່ສຸດທີ່ເກີນ ca, ມັນເປັນໄປບໍ່ໄດ້ທີ່ຈະບັນລຸການແກ້ໄຂທີ່ເຊື່ອຖືໄດ້.135 (ສໍາລັບລາຍລະອຽດເພີ່ມເຕີມ, ເບິ່ງວັດສະດຸແລະວິທີການ).
ກຸ່ມ 115 ທີ່ໄດ້ລະບຸໄວ້ໃນຮູບທີ 2A ແມ່ນໄດ້ຖືກຄາດຄະເນກັບຄືນສູ່ໂລກໃນຮູບ 2B.ແຕ່​ລະ​ສີ​ສອດ​ຄ່ອງ​ກັບ​ການ​ປະ​ສົມ​ປະ​ສານ​ທີ່​ສອດ​ຄ້ອງ​ກັນ​ຂອງ​ປັດ​ໄຈ biogeochemical ແລະ​ນິ​ເວດ​ລະ​ບຸ​ໄວ້​ໂດຍ DBSCAN​.ເມື່ອບັນດາກຸ່ມຖືກກຳນົດແລ້ວ, ການເຊື່ອມໂຍງຂອງແຕ່ລະຈຸດໃນຮູບ 2A ທີ່ມີເສັ້ນຂະໜານ ແລະເສັ້ນແວງສະເພາະແມ່ນໃຊ້ເພື່ອວາງແຜນກຸ່ມກັບຄືນສູ່ພື້ນທີ່ທາງພູມສາດ.ຮູບທີ 2B ສະແດງນີ້ດ້ວຍສີກຸ່ມດຽວກັນກັບຮູບ 2A.ສີທີ່ຄ້າຍຄືກັນບໍ່ຄວນຖືກຕີຄວາມຄ້າຍຄືກັນທາງດ້ານນິເວດວິທະຍາ, ເພາະວ່າພວກມັນຖືກມອບຫມາຍໂດຍຄໍາສັ່ງທີ່ກຸ່ມຖືກຄົ້ນພົບໂດຍສູດການຄິດໄລ່.
ພື້ນທີ່ໃນຮູບທີ 2B ສາມາດມີຄຸນນະພາບຄ້າຍຄືກັນກັບພື້ນທີ່ທີ່ຕັ້ງຢູ່ໃນທາງກາຍຍະພາບ ແລະ/ຫຼື ຊີວະເຄມີຂອງມະຫາສະໝຸດ.ສໍາລັບຕົວຢ່າງ, ກຸ່ມຢູ່ໃນມະຫາສະຫມຸດພາກໃຕ້ແມ່ນເຂດ-symmetrical, ມີ vortices oligotrophic ປະກົດ, ແລະການຫັນປ່ຽນແຫຼມຊີ້ໃຫ້ເຫັນອິດທິພົນຂອງລົມການຄ້າ.ຕົວຢ່າງ, ໃນເຂດມະຫາສະມຸດປາຊີຟິກ, ເຂດທີ່ແຕກຕ່າງກັນທີ່ກ່ຽວຂ້ອງກັບການເພີ່ມຂຶ້ນແມ່ນເຫັນໄດ້.
ເພື່ອເຂົ້າໃຈສະພາບແວດລ້ອມທາງນິເວດຂອງແຂວງນິເວດ, ການປ່ຽນແປງຂອງດັດຊະນີຄວາມແຕກຕ່າງຂອງ Bray-Curtis (BC) (29) ໄດ້ຖືກນໍາໃຊ້ເພື່ອປະເມີນລະບົບນິເວດໃນກຸ່ມ.ຕົວຊີ້ວັດ BC ແມ່ນຂໍ້ມູນສະຖິຕິທີ່ໃຊ້ໃນການປະເມີນຄວາມແຕກຕ່າງຂອງໂຄງສ້າງຊຸມຊົນລະຫວ່າງສອງສະຖານທີ່ທີ່ແຕກຕ່າງກັນ.ການວັດແທກ BC ແມ່ນໃຊ້ໄດ້ກັບຊີວະມວນຂອງ 51 ຊະນິດຂອງ phytoplankton ແລະ zooplankton BCninj = 1-2CninjSni + Snj
BCninj ຫມາຍເຖິງຄວາມຄ້າຍຄືກັນລະຫວ່າງການປະສົມປະສານ ni ແລະ nj ປະສົມປະສານ, ບ່ອນທີ່ Cninj ແມ່ນຄ່າຕໍາ່ສຸດຂອງຊີວະມວນປະເພດດຽວທີ່ມີຢູ່ໃນທັງສອງປະສົມປະສານ ni ແລະ nj, ແລະ Sni ເປັນຕົວແທນຂອງຜົນລວມຂອງຊີວະມວນທັງຫມົດທີ່ມີຢູ່ໃນທັງສອງປະສົມປະສານ ni ແລະ Snj.ຄວາມແຕກຕ່າງຂອງ BC ແມ່ນຄ້າຍຄືກັນກັບການວັດແທກໄລຍະຫ່າງ, ແຕ່ດໍາເນີນການຢູ່ໃນພື້ນທີ່ທີ່ບໍ່ແມ່ນ Euclidean, ເຊິ່ງມີແນວໂນ້ມທີ່ຈະເຫມາະສົມກັບຂໍ້ມູນລະບົບນິເວດແລະການຕີຄວາມຫມາຍຂອງມັນ.
ສໍາລັບແຕ່ລະກຸ່ມທີ່ລະບຸໄວ້ໃນຮູບ 2B, ຄວາມຄ້າຍຄືກັນຂອງ BC ພາຍໃນແຂວງແລະລະຫວ່າງແຂວງສາມາດຖືກປະເມີນໄດ້.ຄວາມແຕກຕ່າງ BC ພາຍໃນແຂວງໃດໜຶ່ງໝາຍເຖິງຄວາມແຕກຕ່າງລະຫວ່າງຄ່າສະເລ່ຍຂອງແຂວງ ແລະ ແຕ່ລະຈຸດໃນແຂວງ.ຄວາມແຕກຕ່າງລະຫວ່າງແຂວງ BC ຫມາຍເຖິງຄວາມຄ້າຍຄືກັນລະຫວ່າງແຂວງຫນຶ່ງແລະແຂວງອື່ນໆ.ຮູບທີ 3A ສະແດງໃຫ້ເຫັນຕາຕະລາງ BC symmetric (0, ສີດໍາ: ທີ່ສອດຄ້ອງກັນຢ່າງສົມບູນ; 1, ສີຂາວ: ມີຄວາມແຕກຕ່າງກັນຫມົດ).ແຕ່ລະເສັ້ນໃນກາຟສະແດງໃຫ້ເຫັນຮູບແບບໃນຂໍ້ມູນ.ຮູບ 3B ສະແດງໃຫ້ເຫັນຄວາມສໍາຄັນທາງພູມສາດຂອງຜົນໄດ້ຮັບຂອງ BC ໃນຮູບ 3A ສໍາລັບແຕ່ລະແຂວງ.ສໍາລັບແຂວງໃນເຂດທີ່ມີໂພຊະນາການຕໍ່າ ແລະຂາດສານອາຫານ, ຮູບທີ 3B ສະແດງໃຫ້ເຫັນວ່າຄວາມສົມມາຂອງພື້ນທີ່ກວ້າງໆອ້ອມເສັ້ນສູນສູດ ແລະມະຫາສະໝຸດອິນເດຍ ໂດຍພື້ນຖານແລ້ວແມ່ນຄ້າຍຄືກັນ, ແຕ່ເສັ້ນຂະໜານທີ່ສູງກວ່າ ແລະເຂດພື້ນທີ່ສູງແມ່ນແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ.
(A) ລະດັບຄວາມແຕກຕ່າງກັນຂອງ BC ປະເມີນສໍາລັບແຕ່ລະແຂວງໂດຍອີງຕາມລະດັບສະເລ່ຍຂອງພື້ນຜິວໂລກ 20 ປີຂອງ 51 Plankton.ສັງເກດຄວາມສົມມາດທີ່ຄາດໄວ້ຂອງຄ່າ.(ຂ) ການຄາດຄະເນທາງກວ້າງຂອງຖັນ (ຫຼືແຖວ).ສໍາລັບແຂວງທີ່ຢູ່ໃນວົງມົນ dystrophic, ການແຜ່ກະຈາຍທົ່ວໂລກຂອງມາດຕະການຄວາມຄ້າຍຄືກັນ BC ໄດ້ຖືກປະເມີນ, ແລະສະເລ່ຍ 20 ປີຂອງໂລກໄດ້ຖືກປະເມີນ.ສີດໍາ (BC = 0) ຫມາຍຄວາມວ່າພື້ນທີ່ດຽວກັນ, ແລະສີຂາວ (BC = 1) ຫມາຍຄວາມວ່າບໍ່ມີຄວາມຄ້າຍຄືກັນ.
ຮູບທີ 4A ສະແດງໃຫ້ເຫັນຄວາມແຕກຕ່າງຂອງ BC ພາຍໃນແຕ່ລະແຂວງໃນຮູບ 2B.ການກໍານົດໂດຍການນໍາໃຊ້ການສົມທົບສະເລ່ຍຂອງພື້ນທີ່ສະເລ່ຍໃນກຸ່ມ, ແລະການກໍານົດຄວາມແຕກຕ່າງກັນລະຫວ່າງ BC ແລະການສະເລ່ຍຂອງແຕ່ລະຈຸດຕາຂ່າຍໄຟຟ້າໃນແຂວງ, ມັນສະແດງໃຫ້ເຫັນວ່າວິທີການ SAGE ສາມາດແຍກໄດ້ 51 ຊະນິດໂດຍອີງໃສ່ຄວາມຄ້າຍຄືກັນຂອງລະບົບນິເວດ. ຂໍ້ມູນແບບຈໍາລອງ.ຄວາມແຕກຕ່າງກັນຂອງກຸ່ມ BC ໂດຍສະເລ່ຍທັງໝົດຂອງທັງໝົດ 51 ປະເພດແມ່ນ 0.102±0.0049.
(A, B, ແລະ D) ຄວາມແຕກຕ່າງ BC ພາຍໃນແຂວງຖືກປະເມີນວ່າຄວາມແຕກຕ່າງ BC ສະເລ່ຍລະຫວ່າງແຕ່ລະຊຸມຊົນຈຸດຕາຂ່າຍໄຟຟ້າແລະແຂວງສະເລ່ຍ, ແລະຄວາມຊັບຊ້ອນບໍ່ໄດ້ຫຼຸດລົງ.(2) ຄວາມແຕກຕ່າງ BC ພາຍໃນແຂວງໂດຍສະເລ່ຍທົ່ວໂລກແມ່ນ 0.227±0.117.ນີ້​ແມ່ນ​ມາດ​ຕະ​ຖານ​ຂອງ​ການ​ຈັດ​ປະ​ເພດ​ອີງ​ໃສ່​ການ​ກະ​ຕຸ້ນ​ນິ​ເວດ​ທີ່​ສະ​ເຫນີ​ໂດຍ​ການ​ເຮັດ​ວຽກ​ນີ້ [ເສັ້ນ​ສີ​ຂຽວ​ໃນ (C)].(C) ຄວາມແຕກຕ່າງ BC ພາຍໃນແຂວງໂດຍສະເລ່ຍ: ເສັ້ນສີດໍາສະແດງເຖິງຄວາມແຕກຕ່າງ BC ພາຍໃນແຂວງທີ່ມີຄວາມຊັບຊ້ອນເພີ່ມຂຶ້ນ.2σ ມາຈາກ 10 ການຊໍ້າຄືນຂອງຂະບວນການກໍານົດແຂວງນິເວດ.ສໍາລັບຄວາມຊັບຊ້ອນທັງຫມົດຂອງແຂວງທີ່ຄົ້ນພົບໂດຍ DBSCAN, (A) ສະແດງໃຫ້ເຫັນວ່າຄວາມແຕກຕ່າງກັນຂອງ BC ໃນແຂວງແມ່ນ 0.099, ແລະການຈັດປະເພດຄວາມຊັບຊ້ອນທີ່ສະເຫນີໂດຍ (C) ແມ່ນ 12, ເຮັດໃຫ້ເກີດຄວາມແຕກຕ່າງກັນ BC ຂອງ 0.200 ໃນແຂວງ.ດັ່ງທີ່ຮູບສະແດງໃຫ້ເຫັນ.(D).
ໃນຮູບທີ 4B, ຊີວະມວນຂອງ 51 ປະເພດ plankton ແມ່ນໃຊ້ເພື່ອສະແດງຄວາມແຕກຕ່າງ BC ທຽບເທົ່າໃນແຂວງ Longhurst.ສະ​ເລ່ຍ​ລວມ​ຂອງ​ແຕ່​ລະ​ແຂວງ​ແມ່ນ 0.227, ແລະ​ມາດ​ຕະ​ຖານ deviation ຂອງ​ຈຸດ​ຕາ​ຂ່າຍ​ໄຟ​ຟ້າ​ໂດຍ​ອ້າງ​ອີງ​ເຖິງ​ຄວາມ​ແຕກ​ຕ່າງ​ຂອງ​ແຂວງ BC ແມ່ນ 0.046.ອັນນີ້ໃຫຍ່ກວ່າກຸ່ມທີ່ລະບຸໄວ້ໃນຮູບ 1B.ແທນທີ່ຈະ, ການນໍາໃຊ້ຜົນລວມຂອງເຈັດກຸ່ມທີ່ມີປະໂຫຍດ, ຄວາມແຕກຕ່າງກັນຂອງ BC ພາຍໃນລະດູການສະເລ່ຍໃນ Longhurst ເພີ່ມຂຶ້ນເປັນ 0.232.
ແຜນ​ທີ່​ຂອງ​ແຂວງ​ນິ​ເວດ​ທົ່ວ​ໂລກ​ໃຫ້​ລາຍ​ລະ​ອຽດ​ສະ​ລັບ​ສັບ​ຊ້ອນ​ຂອງ​ການ​ພົວ​ພັນ​ລະ​ບົບ​ນິ​ເວດ​ທີ່​ເປັນ​ເອ​ກະ​ລັກ​ແລະ​ການ​ປັບ​ປຸງ​ການ​ນໍາ​ໃຊ້​ໂຄງ​ສ້າງ​ລະ​ບົບ​ນິ​ເວດ​ທັງ​ຫມົດ​ຂອງ​ແຂວງ Longhurst​.ກະຊວງນິເວດວິທະຍາຄາດວ່າຈະໃຫ້ຄວາມເຂົ້າໃຈກ່ຽວກັບຂະບວນການຄວບຄຸມລະບົບນິເວດແບບຈໍາລອງຕົວເລກ, ແລະຄວາມເຂົ້າໃຈນີ້ຈະຊ່ວຍໃຫ້ການຂຸດຄົ້ນຂອງວຽກງານພາກສະຫນາມ.ສໍາລັບຈຸດປະສົງຂອງການຄົ້ນຄວ້ານີ້, ບໍ່ສາມາດທີ່ຈະສະແດງໄດ້ຢ່າງເຕັມສ່ວນຫຼາຍກ່ວາຫນຶ່ງຮ້ອຍແຂວງ.ພາກຕໍ່ໄປຈະແນະນໍາວິທີການ SAGE ທີ່ສະຫຼຸບບັນດາແຂວງ.
ຈຸດປະສົງອັນໜຶ່ງຂອງແຂວງແມ່ນເພື່ອສົ່ງເສີມຄວາມເຂົ້າໃຈກ່ຽວກັບທີ່ຕັ້ງ ແລະ ການຄຸ້ມຄອງຂອງແຂວງ.ເພື່ອກໍານົດສະຖານະການສຸກເສີນ, ວິທີການໃນຮູບ 1B ສະແດງໃຫ້ເຫັນການຮັງຂອງບັນດາແຂວງທີ່ຄ້າຍຄືກັນທາງດ້ານນິເວດວິທະຍາ.ແຂວງ​ນິ​ເວດ​ຖືກ​ຈັດ​ກຸ່ມ​ເຂົ້າ​ກັນ​ໂດຍ​ອີງ​ໃສ່​ຄວາມ​ຄ້າຍ​ຄື​ກັນ​ຂອງ​ນິ​ເວດ​, ແລະ​ການ​ຈັດ​ກຸ່ມ​ຂອງ​ແຂວງ​ດັ່ງ​ກ່າວ​ແມ່ນ​ເອີ້ນ​ວ່າ AEP​.ກໍານົດ "ຄວາມສັບສົນ" ທີ່ສາມາດປັບໄດ້ໂດຍອີງໃສ່ຈໍານວນແຂວງທັງຫມົດທີ່ຈະພິຈາລະນາ.ຄໍາວ່າ "ຄວາມສັບສົນ" ແມ່ນໃຊ້ເພາະວ່າມັນອະນຸຍາດໃຫ້ປັບລະດັບຄຸນລັກສະນະສຸກເສີນ.ເພື່ອກໍານົດການລວບລວມທີ່ມີຄວາມຫມາຍ, ຄວາມແຕກຕ່າງ BC ພາຍໃນແຂວງໂດຍສະເລ່ຍຂອງ 0.227 ຈາກ Longhurst ຖືກນໍາໃຊ້ເປັນດັດຊະນີ.ພາຍໃຕ້ມາດຕະຖານນີ້, ບັນດາແຂວງລວມບໍ່ຖືວ່າເປັນປະໂຫຍດອີກຕໍ່ໄປ.
ດັ່ງທີ່ສະແດງຢູ່ໃນຮູບທີ 3B, ບັນດາແຂວງລະບົບນິເວດທົ່ວໂລກມີຄວາມສອດຄ່ອງກັນ.ການນໍາໃຊ້ຄວາມແຕກຕ່າງ BC ລະຫວ່າງແຂວງ, ມັນສາມາດເຫັນໄດ້ວ່າບາງການຕັ້ງຄ່າແມ່ນ "ທົ່ວໄປ".ແຮງບັນດານໃຈໂດຍວິທີທາງທິດສະດີພັນທຸກໍາ ແລະກາຟ, “ກາຟທີ່ເຊື່ອມຕໍ່” ຖືກໃຊ້ເພື່ອຈັດຮຽງ > 100 ແຂວງໂດຍອີງໃສ່ບັນດາແຂວງທີ່ຄ້າຍຄືກັບພວກມັນຫຼາຍທີ່ສຸດ.ຕົວຊີ້ວັດ "ການເຊື່ອມຕໍ່" ຢູ່ທີ່ນີ້ແມ່ນຖືກກໍານົດໂດຍໃຊ້ຄວາມແຕກຕ່າງລະຫວ່າງແຂວງ BC (30).ຈໍານວນແຂວງທີ່ມີພື້ນທີ່ໃຫຍ່ກວ່າສໍາລັບການຈັດປະເພດ> 100 ແຂວງສາມາດຖືກກ່າວເຖິງໃນທີ່ນີ້ວ່າຄວາມສັບສົນ.AEP ແມ່ນ​ຜະ​ລິດ​ຕະ​ພັນ​ທີ່​ຈັດ​ປະ​ເພດ​ຫຼາຍ​ກ​່​ວາ 100 ແຂວງ​ເປັນ​ແຂວງ​ນິ​ເວດ​ທີ່​ເດັ່ນ / ໃກ້​ທີ່​ສຸດ​.ແຕ່ລະແຂວງທາງນິເວດໄດ້ຖືກມອບໝາຍໃຫ້ເປັນແຂວງທີ່ມີລະບົບນິເວດທີ່ເດັ່ນຊັດ/ມີການເຊື່ອມໂຍງກັນສູງທີ່ມີລັກສະນະຄ້າຍຄືກັນທີ່ສຸດ.ການລວບລວມນີ້ກໍານົດໂດຍຄວາມແຕກຕ່າງ BC ອະນຸຍາດໃຫ້ມີວິທີການທີ່ຕິດພັນກັບລະບົບນິເວດໂລກ.
ຄວາມສັບສົນທີ່ເລືອກສາມາດເປັນຄ່າໃດໆຈາກ 1 ໄປຫາຄວາມສັບສົນທີ່ສົມບູນຂອງ FIG.2A.ໃນຄວາມຊັບຊ້ອນຕ່ໍາ, AEP ອາດຈະ degenerate ເນື່ອງຈາກຂັ້ນຕອນການຫຼຸດຜ່ອນຂະຫນາດທີ່ເປັນໄປໄດ້ (t-SNE).Degeneracy ຫມາຍຄວາມວ່າບັນດາແຂວງທາງນິເວດສາມາດຖືກມອບຫມາຍໃຫ້ AEPs ທີ່ແຕກຕ່າງກັນລະຫວ່າງການຊ້ໍາກັນ, ດັ່ງນັ້ນການປ່ຽນແປງພື້ນທີ່ທີ່ກວມເອົາ.ຮູບທີ 4C ສະແດງໃຫ້ເຫັນເຖິງການແຜ່ກະຈາຍຂອງຄວາມແຕກຕ່າງຂອງ BC ພາຍໃນບັນດາແຂວງໃນ AEPs ຂອງຄວາມສັບສົນທີ່ເພີ່ມຂຶ້ນໃນທົ່ວການປະຕິບັດ 10 (ຮູບປະກອບໃນຮູບ 1B).ໃນຮູບ 4C, 2σ (ພື້ນທີ່ສີຟ້າ) ແມ່ນມາດຕະການຂອງການເຊື່ອມໂຊມໃນ 10 ການປະຕິບັດ, ແລະເສັ້ນສີຂຽວເປັນຕົວແທນຂອງດັດຊະນີ Longhurst.ຂໍ້ເທັດຈິງໄດ້ພິສູດວ່າຄວາມສັບສົນຂອງ 12 ສາມາດຮັກສາຄວາມແຕກຕ່າງ BC ໃນແຂວງຕ່ໍາກວ່າມາດຕະຖານ Longhurst ໃນການປະຕິບັດທັງຫມົດແລະຮັກສາການເຊື່ອມໂຊມຂອງ 2σ ຂ້ອນຂ້າງຫນ້ອຍ.ສະຫລຸບລວມແລ້ວ, ຄວາມສັບສົນທີ່ແນະນໍາຕໍາ່ສຸດແມ່ນ 12 AEPs, ແລະຄວາມແຕກຕ່າງຂອງ BC ພາຍໃນແຂວງໂດຍສະເລ່ຍທີ່ປະເມີນໂດຍໃຊ້ 51 ປະເພດ plankton ແມ່ນ 0.198±0.013, ດັ່ງທີ່ສະແດງຢູ່ໃນຮູບ 4D.ການນໍາໃຊ້ຜົນລວມຂອງເຈັດກຸ່ມທີ່ເປັນປະໂຫຍດຂອງ plankton, ຄວາມແຕກຕ່າງ BC ສະເລ່ຍພາຍໃນແຂວງແມ່ນ 2σ ແທນທີ່ຈະເປັນ 0.198±0.004.ການປຽບທຽບຄວາມແຕກຕ່າງຂອງ BC ທີ່ຄິດໄລ່ກັບຊີວະມວນທັງໝົດຂອງ 7 ກຸ່ມທີ່ມີປະໂຫຍດ ຫຼື ຊີວະມວນທັງໝົດ 51 ຊະນິດຂອງ plankton ສະແດງໃຫ້ເຫັນວ່າເຖິງແມ່ນວ່າວິທີການ SAGE ສາມາດໃຊ້ໄດ້ກັບສະຖານະການ 51 ມິຕິ, ມັນແມ່ນສໍາລັບຊີວະມວນທັງຫມົດຂອງ 7 ກຸ່ມທີ່ມີປະໂຫຍດ. ສໍາລັບການຝຶກອົບຮົມ.
ອີງຕາມຈຸດປະສົງຂອງການຄົ້ນຄວ້າໃດໆ, ລະດັບຄວາມສັບສົນທີ່ແຕກຕ່າງກັນສາມາດຖືກພິຈາລະນາ.ການສຶກສາພາກພື້ນອາດຈະຮຽກຮ້ອງໃຫ້ມີຄວາມສັບສົນຢ່າງເຕັມທີ່ (ເຊັ່ນ: ທັງຫມົດ 115 ແຂວງ).ເປັນຕົວຢ່າງ ແລະເພື່ອຄວາມຊັດເຈນ, ພິຈາລະນາຄວາມຊັບຊ້ອນທີ່ແນະນໍາຕໍາ່ສຸດທີ່ 12.
ເປັນຕົວຢ່າງຂອງຜົນປະໂຫຍດຂອງວິທີການ SAGE, 12 AEPs ທີ່ມີຄວາມສັບສົນຕ່ໍາສຸດຂອງ 12 ຖືກນໍາໃຊ້ຢູ່ທີ່ນີ້ເພື່ອຄົ້ນຫາການຄວບຄຸມໂຄງສ້າງຊຸມຊົນສຸກເສີນ.ຮູບທີ 5 ສະແດງໃຫ້ເຫັນເຖິງຄວາມເຂົ້າໃຈທາງດ້ານນິເວດວິທະຍາທີ່ຈັດກຸ່ມໂດຍ AEP (ຈາກ A ຫາ L): ໃນ Redfield stoichiometry, ຂອບເຂດທາງພູມສາດ (ຮູບ 5C), ອົງປະກອບຂອງຊີວະມວນກຸ່ມທີ່ເປັນປະໂຫຍດ (ຮູບ 5A) ແລະການສະຫນອງທາດອາຫານ (ຮູບ 5B) ແມ່ນປະຕິບັດໂດຍ N Zoomed.ອັດຕາສ່ວນ (N:Si:P:Fe, 1:1:16:16×103) ຖືກສະແດງ.ສໍາລັບແຜງຫຼັງ, P ຄູນດ້ວຍ 16 ແລະ Fe ຄູນດ້ວຍ 16×103, ດັ່ງນັ້ນເສັ້ນສະແດງແຖບຈຶ່ງເທົ່າກັບຄວາມຕ້ອງການດ້ານໂພຊະນາການຂອງ phytoplankton.
ບັນດາແຂວງໄດ້ຖືກຈັດແບ່ງເປັນ 12 AEPs A ຫາ L. (A) ຊີວະມວນ (mgC/m3) ຂອງລະບົບນິເວດໃນ 12 ແຂວງ.(B) ອັດຕາການໄຫຼຂອງທາດອາຫານຂອງໄນໂຕຣເຈນທີ່ລະລາຍ (N), ທາດເຫຼັກ (Fe), ຟອສເຟດ (P) ແລະອາຊິດຊິລິຊິກ (Si) (mmol/m3 ຕໍ່ປີ).Fe ແລະ P ຖືກຄູນດ້ວຍ 16 ແລະ 16 × 103, ຕາມລໍາດັບ, ດັ່ງນັ້ນເສັ້ນດ່າງໄດ້ຖືກມາດຕະຖານຕາມຄວາມຕ້ອງການ phytoplankton stoichiometry.(C) ສັງເກດຄວາມແຕກຕ່າງລະຫວ່າງເຂດຂົ້ວໂລກ, ພາຍຸໄຊໂຄລນເຂດຮ້ອນ ແລະເຂດທີ່ໃຫຍ່ຕາມລະດູການ/ເພີ່ມຂຶ້ນ.ສະຖານີຕິດຕາມມີໝາຍດັ່ງນີ້: 1, ບ່ອນນັ່ງ;2, ALOHA;3, ສະຖານີ P;ແລະ 4, BATS.
AEP ທີ່ໄດ້ກໍານົດແມ່ນເປັນເອກະລັກ.ມີຄວາມສົມມາດກັນປະມານເສັ້ນສູນສູດໃນມະຫາສະໝຸດອັດລັງຕິກ ແລະປາຊີຟິກ, ແລະພື້ນທີ່ຄ້າຍຄືກັນແຕ່ກວ້າງຢູ່ໃນມະຫາສະໝຸດອິນເດຍ.ບາງ AEPs ຍອມຮັບດ້ານຕາເວັນຕົກຂອງທະວີບທີ່ກ່ຽວຂ້ອງກັບການຂຶ້ນ.ປະຈຸບັນຂົ້ວໂລກໃຕ້ Circumpolar ຖືວ່າເປັນລັກສະນະເຂດໃຫຍ່.ພາຍຸໄຊໂຄລນເຂດຮ້ອນແມ່ນເປັນຊຸດຂອງ oligotrophic AEP.ໃນແຂວງເຫຼົ່ານີ້, ຮູບແບບທີ່ຄຸ້ນເຄີຍຂອງຄວາມແຕກຕ່າງຂອງຊີວະມວນລະຫວ່າງ vortices oligotrophic ເດັ່ນຂອງ plankton ແລະເຂດຂົ້ວໂລກທີ່ອຸດົມສົມບູນ diatom ແມ່ນເຫັນໄດ້ຊັດເຈນ.
AEPs ທີ່ມີຊີວະມວນທັງຫມົດຂອງ phytoplankton ທີ່ຄ້າຍຄືກັນຫຼາຍສາມາດມີໂຄງສ້າງຊຸມຊົນທີ່ແຕກຕ່າງກັນຫຼາຍແລະກວມເອົາພື້ນທີ່ທີ່ແຕກຕ່າງກັນເຊັ່ນ: D, H, ແລະ K, ເຊິ່ງມີຊີວະມວນທັງຫມົດຂອງ phytoplankton ທີ່ຄ້າຍຄືກັນ.AEP H ສ່ວນໃຫຍ່ມີຢູ່ໃນມະຫາສະໝຸດອິນເດຍເສັ້ນສູນສູດ, ແລະມີເຊື້ອແບັກທີເຣັຍ diazotrophic ຫຼາຍ.AEP D ແມ່ນພົບເຫັນຢູ່ໃນຫຼາຍອ່າງ, ແຕ່ມັນມີຄວາມໂດດເດັ່ນໂດຍສະເພາະໃນປາຊີຟິກອ້ອມຮອບພື້ນທີ່ທີ່ມີຜົນຜະລິດສູງຢູ່ທົ່ວເສັ້ນເສັ້ນສູນສູດ.ຮູບ​ຮ່າງ​ຂອງ​ແຂວງ​ປາ​ຊີ​ຟິກ​ນີ້​ແມ່ນ​ລະ​ນຶກ​ເຖິງ​ລົດ​ໄຟ​ຄື້ນ​ດາວ​ເຄາະ.ມີ diazobacteria ຈໍານວນຫນ້ອຍໃນ AEP D, ແລະໂກນຫຼາຍ.ເມື່ອປຽບທຽບກັບສອງແຂວງອື່ນໆ, AEP K ແມ່ນພົບເຫັນພຽງແຕ່ໃນເຂດເນີນສູງຂອງມະຫາສະຫມຸດ Arctic, ແລະມີ diatoms ຫຼາຍກວ່າແລະ plankton ຫນ້ອຍ.ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າປະລິມານຂອງ plankton ໃນສາມພາກພື້ນນີ້ແມ່ນແຕກຕ່າງກັນຫຼາຍ.ໃນບັນດາພວກມັນ, ຄວາມອຸດົມສົມບູນຂອງ plankton ຂອງ AEP K ແມ່ນຂ້ອນຂ້າງຕໍ່າ, ໃນຂະນະທີ່ AEP D ແລະ H ແມ່ນຂ້ອນຂ້າງສູງ.ດັ່ງນັ້ນ, ເຖິງວ່າຈະມີຊີວະມວນຂອງມັນ (ແລະດັ່ງນັ້ນຄ້າຍຄືກັນກັບ Chl-a), ແຂວງເຫຼົ່ານີ້ແມ່ນແຕກຕ່າງກັນຫຼາຍ: ການທົດສອບແຂວງໂດຍອີງໃສ່ Chl ອາດຈະບໍ່ເກັບກໍາຄວາມແຕກຕ່າງເຫຼົ່ານີ້.
ມັນຍັງເຫັນໄດ້ຊັດເຈນວ່າບາງ AEPs ທີ່ມີຊີວະມວນທີ່ແຕກຕ່າງກັນຫຼາຍອາດຈະຄ້າຍຄືກັນໃນໂຄງສ້າງຊຸມຊົນ phytoplankton.ຕົວຢ່າງ, ນີ້ແມ່ນເຫັນໄດ້ໃນ AEP D ແລະ E. ພວກເຂົາຢູ່ໃກ້ກັນ, ແລະໃນມະຫາສະຫມຸດປາຊີຟິກ, AEP E ແມ່ນຢູ່ໃກ້ກັບ AEPJ ທີ່ມີຜົນຜະລິດສູງ.ເຊັ່ນດຽວກັນ, ບໍ່ມີການເຊື່ອມໂຍງທີ່ຊັດເຈນລະຫວ່າງຊີວະມວນຂອງ phytoplankton ແລະຄວາມອຸດົມສົມບູນຂອງ zooplankton.
AEP ສາມາດເຂົ້າໃຈໄດ້ໃນແງ່ຂອງສານອາຫານທີ່ສະຫນອງໃຫ້ພວກເຂົາ (ຮູບ 5B).Diatoms ພຽງແຕ່ມີຢູ່ບ່ອນທີ່ມີການສະຫນອງພຽງພໍຂອງອາຊິດ silicic.ໂດຍທົ່ວໄປແລ້ວ, ການສະຫນອງອາຊິດຊິລິລິກສູງ, ຊີວະມວນຂອງ diatoms ສູງຂຶ້ນ.Diatoms ສາມາດເຫັນໄດ້ໃນ AEP A, J, K ແລະ L. ອັດຕາສ່ວນຂອງຊີວະມວນ diatom ທຽບກັບ phytoplankton ອື່ນໆແມ່ນຖືກກໍານົດໂດຍ N, P ແລະ Fe ທີ່ສະຫນອງໃຫ້ກັບຄວາມຕ້ອງການ diatom.ຕົວຢ່າງ, AEP L ຖືກຄອບງໍາໂດຍ diatoms.ເມື່ອປຽບທຽບກັບສານອາຫານອື່ນໆ, Si ມີການສະຫນອງສູງສຸດ.ໃນທາງກົງກັນຂ້າມ, ເຖິງວ່າຈະມີຜົນຜະລິດສູງກວ່າ, AEP J ມີ diatoms ຫນ້ອຍແລະການສະຫນອງຊິລິໂຄນຫນ້ອຍ (ທັງຫມົດແລະທຽບກັບສານອາຫານອື່ນໆ).
ເຊື້ອແບັກທີເຣັຍ Diazonium ມີຄວາມສາມາດແກ້ໄຂໄນໂຕຣເຈນ, ແຕ່ຈະເລີນເຕີບໂຕຊ້າໆ (31).ພວກມັນຢູ່ຮ່ວມກັນກັບ phytoplankton ອື່ນໆ, ບ່ອນທີ່ທາດເຫຼັກແລະ phosphorus ແມ່ນຫຼາຍເກີນໄປທີ່ກ່ຽວຂ້ອງກັບຄວາມຕ້ອງການຂອງສານອາຫານທີ່ບໍ່ແມ່ນ diazonium (20, 21).ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າຊີວະມວນຂອງ diazotrophic ແມ່ນຂ້ອນຂ້າງສູງ, ແລະການສະຫນອງຂອງ Fe ແລະ P ແມ່ນຂ້ອນຂ້າງຫຼາຍເມື່ອທຽບກັບການສະຫນອງ N. ດ້ວຍວິທີນີ້, ເຖິງແມ່ນວ່າຊີວະມວນທັງຫມົດຂອງ AEP J ແມ່ນສູງກວ່າ, ຊີວະມວນ diazonium ໃນ AEP H ແມ່ນ. ຂະຫນາດໃຫຍ່ກວ່ານັ້ນໃນ J. ກະລຸນາສັງເກດວ່າ AEP J ແລະ H ມີຄວາມແຕກຕ່າງກັນຫຼາຍທາງດ້ານພູມສາດ, ແລະ H ແມ່ນຢູ່ໃນມະຫາສະຫມຸດອິນເດຍເສັ້ນເສັ້ນສູນສູດ.
ຖ້າໂຄງສ້າງລະບົບນິເວດທີ່ເປັນເອກະລັກບໍ່ໄດ້ຖືກແບ່ງອອກເປັນແຂວງ, ຄວາມເຂົ້າໃຈທີ່ໄດ້ຮັບຈາກ 12 ຮູບແບບທີ່ສັບສົນທີ່ສຸດຂອງ AEP ຈະບໍ່ຈະແຈ້ງ.AEP ທີ່ສ້າງຂຶ້ນໂດຍ SAGE ອໍານວຍຄວາມສະດວກໃຫ້ມີການປຽບທຽບແບບສອດຄ່ອງກັນ ແລະພ້ອມກັນຂອງຂໍ້ມູນທີ່ມີຄວາມຊັບຊ້ອນ ແລະລະດັບສູງຈາກຕົວແບບລະບົບນິເວດ.AEP ເນັ້ນຫນັກຢ່າງມີປະສິດທິພາບວ່າເປັນຫຍັງ Chl ບໍ່ແມ່ນວິທີການທີ່ດີແລະທາງເລືອກໃນການກໍານົດໂຄງສ້າງຊຸມຊົນຫຼືຄວາມອຸດົມສົມບູນຂອງ zooplankton ໃນລະດັບທາດອາຫານທີ່ສູງຂຶ້ນ.ການວິເຄາະລາຍລະອຽດຂອງຫົວຂໍ້ການຄົ້ນຄວ້າຢ່າງຕໍ່ເນື່ອງແມ່ນເກີນຂອບເຂດຂອງບົດຄວາມນີ້.ວິທີການ SAGE ສະຫນອງວິທີການຂຸດຄົ້ນກົນໄກອື່ນໆໃນແບບຈໍາລອງທີ່ງ່າຍຕໍ່ການຈັດການກ່ວາການເບິ່ງຈຸດຕໍ່ຈຸດ.
ວິທີການ SAGE ຖືກສະເໜີໃຫ້ຊ່ວຍຊີ້ແຈງຂໍ້ມູນລະບົບນິເວດທີ່ຊັບຊ້ອນທີ່ສຸດຈາກຕົວແບບຕົວເລກທາງກາຍະພາບ/ຊີວະເຄມີ/ລະບົບນິເວດທົ່ວໂລກ.ແຂວງລະບົບນິເວດແມ່ນຖືກກໍານົດໂດຍຊີວະມວນທັງຫມົດຂອງກຸ່ມທີ່ເຮັດວຽກຂ້າມ Plankton, ຄໍາຮ້ອງສະຫມັກຂອງວິທີການຫຼຸດຜ່ອນຄວາມຫນ້າຈະເປັນ t-SNE ແລະການຈັດກຸ່ມໂດຍໃຊ້ວິທີການ ML ທີ່ບໍ່ມີການເບິ່ງແຍງ DBSCAN.ທິດສະດີຄວາມແຕກຕ່າງ BC ລະຫວ່າງແຂວງ / ເສັ້ນສະແດງສໍາລັບວິທີການຮັງແມ່ນຖືກນໍາໃຊ້ເພື່ອໃຫ້ໄດ້ AEP ທີ່ເຂັ້ມແຂງທີ່ສາມາດຖືກນໍາໃຊ້ສໍາລັບການຕີຄວາມທົ່ວໂລກ.ໃນແງ່ຂອງການກໍ່ສ້າງ, Eco-Province ແລະ AEP ແມ່ນເປັນເອກະລັກ.ການສ້າງຮັງ AEP ສາມາດປັບຕົວໄດ້ລະຫວ່າງຄວາມຊັບຊ້ອນອັນເຕັມທີ່ຂອງແຂວງນິເວດວິທະຍາເດີມແລະລະດັບຕໍາ່ສຸດທີ່ແນະນໍາຂອງ 12 AEPs.ການສ້າງຮັງແລະການກໍານົດຄວາມສັບສົນຕໍາ່ສຸດທີ່ຂອງ AEP ແມ່ນຖືວ່າເປັນຂັ້ນຕອນສໍາຄັນ, ເພາະວ່າຄວາມເປັນໄປໄດ້ t-SNE degenerates AEPs ຂອງ <12 ຄວາມສັບສົນ.ວິທີການ SAGE ແມ່ນທົ່ວໂລກ, ແລະຄວາມຊັບຊ້ອນຂອງມັນຕັ້ງແຕ່> 100 AEPs ເຖິງ 12. ສໍາລັບຄວາມງ່າຍດາຍ, ຈຸດສຸມໃນປະຈຸບັນແມ່ນກ່ຽວກັບຄວາມສັບສົນຂອງ 12 AEPs ທົ່ວໂລກ.ການຄົ້ນຄວ້າໃນອະນາຄົດ, ໂດຍສະເພາະການສຶກສາໃນພາກພື້ນ, ອາດຈະຊອກຫາພື້ນທີ່ຍ່ອຍຂອງແຂວງນິເວດທົ່ວໂລກທີ່ເປັນປະໂຫຍດ, ແລະອາດຈະຖືກລວບລວມຢູ່ໃນພື້ນທີ່ຂະຫນາດນ້ອຍກວ່າເພື່ອໃຊ້ປະໂຫຍດຈາກຄວາມເຂົ້າໃຈດ້ານນິເວດດຽວກັນທີ່ໄດ້ສົນທະນາຢູ່ທີ່ນີ້.ມັນສະຫນອງຄໍາແນະນໍາກ່ຽວກັບວິທີການບັນດາແຂວງທາງນິເວດເຫຼົ່ານີ້ແລະຄວາມເຂົ້າໃຈທີ່ໄດ້ຮັບຈາກພວກມັນສາມາດຖືກນໍາໃຊ້ເພື່ອຄວາມເຂົ້າໃຈທາງນິເວດຕື່ມອີກ, ອໍານວຍຄວາມສະດວກໃນການປຽບທຽບແບບຈໍາລອງ, ແລະສາມາດປັບປຸງການຕິດຕາມລະບົບນິເວດທະເລ.
ແຂວງນິເວດວິທະຍາແລະ AEP ທີ່ກໍານົດໂດຍວິທີການ SAGE ແມ່ນອີງໃສ່ຂໍ້ມູນໃນຮູບແບບຕົວເລກ.ໂດຍຄໍານິຍາມ, ຮູບແບບຕົວເລກແມ່ນໂຄງສ້າງທີ່ງ່າຍດາຍ, ພະຍາຍາມເກັບກໍາຄວາມສໍາຄັນຂອງລະບົບເປົ້າຫມາຍ, ແລະຮູບແບບຕ່າງໆຈະມີການແຜ່ກະຈາຍທີ່ແຕກຕ່າງກັນຂອງ plankton.ຮູບແບບຕົວເລກທີ່ໃຊ້ໃນການສຶກສານີ້ບໍ່ສາມາດບັນທຶກບາງຮູບແບບທີ່ສັງເກດເຫັນໄດ້ຢ່າງສົມບູນ (ຕົວຢ່າງ, ໃນການຄາດຄະເນ Chl ສໍາລັບພາກພື້ນເສັ້ນສູນສູດແລະມະຫາສະຫມຸດພາກໃຕ້).ມີພຽງແຕ່ສ່ວນນ້ອຍຂອງຄວາມຫຼາກຫຼາຍໃນມະຫາສະໝຸດທີ່ແທ້ຈິງເທົ່ານັ້ນທີ່ຖືກຈັບ, ແລະ meso ແລະ sub-mesoscales ບໍ່ສາມາດແກ້ໄຂໄດ້, ເຊິ່ງອາດຈະສົ່ງຜົນກະທົບຕໍ່ການໄຫຼວຽນຂອງທາດອາຫານແລະໂຄງສ້າງຊຸມຊົນຂະຫນາດນ້ອຍກວ່າ.ເຖິງວ່າຈະມີຂໍ້ບົກຜ່ອງເຫຼົ່ານີ້, ມັນ turns ໃຫ້ເຫັນວ່າ AEP ມີປະໂຫຍດຫຼາຍໃນການຊ່ວຍໃຫ້ເຂົ້າໃຈແບບສະລັບສັບຊ້ອນ.ໂດຍການປະເມີນບ່ອນທີ່ບັນດາແຂວງທີ່ມີລະບົບນິເວດຄ້າຍຄືກັນ, AEP ສະຫນອງເຄື່ອງມືການປຽບທຽບແບບຈໍາລອງຕົວເລກທີ່ມີທ່າແຮງ.ແບບຈໍາລອງຕົວເລກໃນປະຈຸບັນຈັບຮູບແບບໂດຍລວມຂອງຄວາມເຂັ້ມຂຸ້ນຂອງ phytoplankton Chl-a ທີ່ຮັບຮູ້ຫ່າງໄກສອກຫຼີກແລະການແຜ່ກະຈາຍຂອງຂະຫນາດຂອງ plankton ແລະກຸ່ມທີ່ເປັນປະໂຫຍດ (ຫມາຍເຫດ S1 ແລະຮູບ S1) (2, 32).
ດັ່ງທີ່ສະແດງໂດຍເສັ້ນ contour 0.1 mgChl-a/m-3, AEP ຖືກແບ່ງອອກເປັນເຂດ oligotrophic ແລະ mesotrophic (ຮູບ S1B): AEP B, C, D, E, F ແລະ G ແມ່ນເຂດ oligotrophic, ແລະພື້ນທີ່ທີ່ຍັງເຫຼືອແມ່ນ ຕັ້ງຢູ່ທີ່ສູງກວ່າ Chl-a.AEP ສະແດງໃຫ້ເຫັນບາງການຕິດຕໍ່ກັບແຂວງ Longhurst (ຮູບ S3A), ສໍາລັບຕົວຢ່າງ, ມະຫາສະຫມຸດພາກໃຕ້ແລະມະຫາສະຫມຸດປາຊີຟິກ.ໃນບາງພາກພື້ນ, AEP ກວມເອົາຫຼາຍຂົງເຂດ Longhurst, ແລະໃນທາງກັບກັນ.ເນື່ອງຈາກຄວາມຕັ້ງໃຈທີ່ຈະກໍານົດຂອບເຂດແຂວງໃນເຂດນີ້ແລະ Longhurst ແມ່ນແຕກຕ່າງກັນ, ຄາດວ່າຈະມີຄວາມແຕກຕ່າງ.AEPs ຫຼາຍແຫ່ງໃນແຂວງ Longhurst ຊີ້ໃຫ້ເຫັນວ່າບາງພື້ນທີ່ທີ່ມີຊີວະເຄມີທີ່ຄ້າຍຄືກັນອາດຈະມີໂຄງສ້າງລະບົບນິເວດທີ່ແຕກຕ່າງກັນຫຼາຍ.AEP ສະແດງໃຫ້ເຫັນການຕອບໂຕ້ທີ່ແນ່ນອນກັບລັດທາງກາຍະພາບ, ດັ່ງທີ່ເປີດເຜີຍໂດຍໃຊ້ການຮຽນຮູ້ທີ່ບໍ່ມີການຄວບຄຸມ (19), ເຊັ່ນ: ຢູ່ໃນລັດທີ່ມີພູສູງ (ຕົວຢ່າງ, ມະຫາສະຫມຸດພາກໃຕ້ແລະມະຫາສະຫມຸດປາຊີຟິກ; ຮູບ S3, C ແລະ D).ຂໍ້ຄວາມເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນວ່າໂຄງສ້າງຊຸມຊົນຂອງ plankton ໄດ້ຮັບອິດທິພົນຢ່າງຫຼວງຫຼາຍຈາກນະໂຍບາຍດ້ານມະຫາສະຫມຸດ.ໃນເຂດຕ່າງໆ ເຊັ່ນ: ມະຫາສະໝຸດອັດລັງຕິກເໜືອ, AEP ຂ້າມແຂວງຕ່າງໆ.ກົນໄກທີ່ເຮັດໃຫ້ເກີດຄວາມແຕກຕ່າງເຫຼົ່ານີ້ອາດຈະປະກອບມີຂະບວນການເຊັ່ນ: ການຂົນສົ່ງຂີ້ຝຸ່ນ, ເຊິ່ງສາມາດນໍາໄປສູ່ໂຄງການໂພຊະນາການທີ່ແຕກຕ່າງກັນຢ່າງສົມບູນເຖິງແມ່ນວ່າພາຍໃຕ້ສະພາບທາງດ້ານຮ່າງກາຍທີ່ຄ້າຍຄືກັນ.
ກະຊວງນິເວດວິທະຍາແລະ AEP ຊີ້ໃຫ້ເຫັນວ່າການນໍາໃຊ້ Chl ດຽວບໍ່ສາມາດກໍານົດອົງປະກອບຂອງລະບົບນິເວດ, ຍ້ອນວ່າຊຸມຊົນນິເວດວິທະຍາທາງທະເລໄດ້ຮັບຮູ້ແລ້ວ.ນີ້ແມ່ນເຫັນໄດ້ໃນ AEPs ທີ່ມີຊີວະມວນທີ່ຄ້າຍຄືກັນແຕ່ອົງປະກອບທາງນິເວດທີ່ແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ (ເຊັ່ນ: D ແລະ E).ໃນທາງກົງກັນຂ້າມ, AEPs ເຊັ່ນ D ແລະ K ມີຊີວະມວນທີ່ແຕກຕ່າງກັນຫຼາຍແຕ່ອົງປະກອບດ້ານນິເວດວິທະຍາທີ່ຄ້າຍຄືກັນ.AEP ເນັ້ນຫນັກວ່າຄວາມສໍາພັນລະຫວ່າງຊີວະມວນ, ອົງປະກອບຂອງລະບົບນິເວດແລະຄວາມອຸດົມສົມບູນຂອງ zooplankton ແມ່ນສະລັບສັບຊ້ອນ.ຕົວຢ່າງ, ເຖິງແມ່ນວ່າ AEP J ໂດດເດັ່ນໃນແງ່ຂອງຊີວະມວນຂອງ phytoplankton ແລະ plankton, AEP ຂອງ A ແລະ L ມີຊີວະມວນ plankton ທີ່ຄ້າຍຄືກັນ, ແຕ່ A ມີຄວາມອຸດົມສົມບູນຂອງ plankton ສູງກວ່າ.AEP ເນັ້ນຫນັກວ່າຊີວະມວນຂອງ phytoplankton (ຫຼື Chl) ບໍ່ສາມາດໃຊ້ເພື່ອຄາດຄະເນຊີວະມວນຂອງ zooplankton.Zooplankton ແມ່ນພື້ນຖານຂອງລະບົບຕ່ອງໂສ້ອາຫານການປະມົງ, ແລະການຄາດຄະເນທີ່ຖືກຕ້ອງກວ່າອາດຈະນໍາໄປສູ່ການຄຸ້ມຄອງຊັບພະຍາກອນທີ່ດີກວ່າ.ດາວທຽມສີທະເລໃນອະນາຄົດ [ຕົວຢ່າງ: PACE (plankton, aerosol, cloud, and marine ecosystem)] ອາດຈະຖືກຈັດຕໍາແຫນ່ງທີ່ດີກວ່າເພື່ອຊ່ວຍຄາດຄະເນໂຄງສ້າງຊຸມຊົນຂອງ phytoplankton.ການນໍາໃຊ້ການຄາດຄະເນ AEP ສາມາດສ້າງຄວາມສະດວກໃນການຄາດຄະເນຂອງ zooplankton ຈາກອາວະກາດ.ວິທີການເຊັ່ນ SAGE, ບວກໃສ່ກັບເຕັກໂນໂລຢີໃຫມ່, ແລະຂໍ້ມູນພາກສະຫນາມຫຼາຍຂື້ນສໍາລັບການສໍາຫຼວດຄວາມຈິງຂອງພື້ນດິນ (ເຊັ່ນ: Tara ແລະການຄົ້ນຄວ້າຕິດຕາມ), ສາມາດຮ່ວມກັນກ້າວໄປສູ່ການຕິດຕາມສຸຂະພາບຂອງລະບົບນິເວດຂອງດາວທຽມ.
ວິທີການ SAGE ສະຫນອງວິທີທີ່ສະດວກໃນການປະເມີນບາງກົນໄກທີ່ຄວບຄຸມຄຸນລັກສະນະຂອງແຂວງ, ເຊັ່ນ: ຊີວະມວນ / Chl, ການຜະລິດຕົ້ນຕໍສຸດທິ, ແລະໂຄງສ້າງຊຸມຊົນ.ສໍາລັບຕົວຢ່າງ, ປະລິມານຂອງ diatoms ໄດ້ຖືກກໍານົດໂດຍຄວາມບໍ່ສົມດຸນໃນການສະຫນອງຂອງ Si, N, P, ແລະ Fe ທີ່ກ່ຽວຂ້ອງກັບຄວາມຕ້ອງການ phytoplankton stoichiometric.ໃນອັດຕາການສະຫນອງທີ່ສົມດູນ, ຊຸມຊົນຖືກຄອບງໍາໂດຍ diatoms (L).ໃນເວລາທີ່ອັດຕາການສະຫນອງບໍ່ສົມດຸນ (ນັ້ນແມ່ນ, ການສະຫນອງຂອງຊິລິໂຄນແມ່ນຕ່ໍາກວ່າຄວາມຕ້ອງການທາດອາຫານຂອງ diatoms), diatoms ກວມເອົາພຽງແຕ່ສ່ວນແບ່ງສ່ວນນ້ອຍ (K).ເມື່ອການສະຫນອງ Fe ແລະ P ເກີນການສະຫນອງ N (ຕົວຢ່າງ, E ແລະ H), ເຊື້ອແບັກທີເຣັຍ diazotrophic ຈະເຕີບໂຕຢ່າງແຂງແຮງ.ຜ່ານສະພາບການທີ່ AEP ສະໜອງໃຫ້, ການສຳຫຼວດກົນໄກຄວບຄຸມຈະເປັນປະໂຫຍດກວ່າ.
Eco-Province ແລະ AEP ແມ່ນເຂດທີ່ມີໂຄງສ້າງຊຸມຊົນທີ່ຄ້າຍຄືກັນ.ຊຸດເວລາຈາກສະຖານທີ່ສະເພາະໃດຫນຶ່ງພາຍໃນແຂວງນິເວດວິທະຍາຫຼື AEP ສາມາດຖືວ່າເປັນຈຸດອ້າງອີງແລະສາມາດເປັນຕົວແທນຂອງພື້ນທີ່ກວມເອົາໂດຍແຂວງນິເວດວິທະຍາຫຼື AEP.ສະຖານີຕິດຕາມສະຖານທີ່ໃນໄລຍະຍາວໃຫ້ຊຸດເວລາດັ່ງກ່າວ.ຊຸດຂໍ້ມູນຢູ່ໃນສະຖານທີ່ໃນໄລຍະຍາວຈະສືບຕໍ່ມີບົດບາດທີ່ບໍ່ສາມາດຄິດໄລ່ໄດ້.ຈາກທັດສະນະຂອງການຕິດຕາມໂຄງສ້າງຊຸມຊົນ, ວິທີການ SAGE ສາມາດເຫັນໄດ້ວ່າເປັນວິທີທີ່ຊ່ວຍກໍານົດສະຖານທີ່ທີ່ເປັນປະໂຫຍດທີ່ສຸດຂອງສະຖານທີ່ໃຫມ່.ຕົວຢ່າງ, ຊຸດເວລາຈາກການປະເມີນທີ່ຢູ່ອາໄສ oligotrophic ໄລຍະຍາວ (ALOHA) ແມ່ນຢູ່ໃນ AEP B ຂອງເຂດ oligotrophic (ຮູບ 5C, ປ້າຍຊື່ 2).ເນື່ອງຈາກວ່າ ALOHA ຢູ່ໃກ້ກັບເຂດແດນຂອງ AEP ອື່ນ, ຊຸດເວລາອາດຈະບໍ່ເປັນຕົວແທນຂອງພື້ນທີ່ທັງຫມົດ, ດັ່ງທີ່ໄດ້ແນະນໍາກ່ອນຫນ້ານີ້ (33).ໃນ AEP B ດຽວກັນ, ຊຸດເວລາ SEATS (ຊຸດເວລາອາຊີຕາເວັນອອກສຽງໃຕ້) ຕັ້ງຢູ່ພາກຕາເວັນຕົກສຽງໃຕ້ຂອງໄຕ້ຫວັນ (34), ໄກຈາກເຂດແດນຂອງ AEPs ອື່ນໆ (ຮູບ 5C, ປ້າຍກຳກັບ 1), ແລະສາມາດໃຊ້ເປັນສະຖານທີ່ທີ່ດີກວ່າໃນການຕິດຕາມ. AEPB.ຊຸດເວລາຂອງ BATS (Bermuda Atlantic Time Series Study) (ຮູບ 5C, ປ້າຍ 4) ໃນ AEPC ແມ່ນໃກ້ຊິດກັບຂອບເຂດຊາຍແດນລະຫວ່າງ AEP C ແລະ F, ເຊິ່ງຊີ້ໃຫ້ເຫັນວ່າການຕິດຕາມ AEP C ໂດຍໃຊ້ຊຸດເວລາ BATS ໂດຍກົງອາດຈະມີບັນຫາ.ສະຖານີ P ໃນ AEP J (ຮູບ 5C, ປ້າຍ 3) ແມ່ນຢູ່ໄກຈາກຂອບເຂດ AEP, ດັ່ງນັ້ນມັນເປັນຕົວແທນຫຼາຍກວ່າ.Eco-Province ແລະ AEP ສາມາດຊ່ວຍສ້າງກອບການຕິດຕາມກວດກາທີ່ເຫມາະສົມສໍາລັບການປະເມີນການປ່ຽນແປງທົ່ວໂລກ, ເພາະວ່າການອະນຸຍາດຂອງບັນດາແຂວງໃນການປະເມີນບ່ອນທີ່ການເກັບຕົວຢ່າງໃນສະຖານທີ່ສາມາດສະຫນອງຄວາມເຂົ້າໃຈທີ່ສໍາຄັນ.ວິທີການ SAGE ສາມາດຖືກພັດທະນາຕື່ມອີກເພື່ອນໍາໃຊ້ກັບຂໍ້ມູນສະພາບອາກາດເພື່ອປະເມີນການປ່ຽນແປງທີ່ປະຫຍັດເວລາ.
ຄວາມສໍາເລັດຂອງວິທີການ SAGE ແມ່ນບັນລຸໄດ້ໂດຍຜ່ານການນໍາໃຊ້ຢ່າງລະມັດລະວັງຂອງວິທະຍາສາດຂໍ້ມູນ / ວິທີການ ML ແລະຄວາມຮູ້ສະເພາະໂດເມນ.ໂດຍສະເພາະ, t-SNE ຖືກນໍາໃຊ້ເພື່ອປະຕິບັດການຫຼຸດຜ່ອນຂະຫນາດ, ເຊິ່ງຮັກສາໂຄງສ້າງຄວາມແຕກຕ່າງກັນຂອງຂໍ້ມູນທີ່ມີມິຕິລະດັບສູງແລະສ້າງຄວາມສະດວກໃນການສະແດງພາບຂອງ topology sibariance.ຂໍ້ມູນໄດ້ຖືກຈັດລຽງຢູ່ໃນຮູບແບບຂອງເສັ້ນດ່າງແລະຄວາມແຕກຕ່າງກັນ (ຮູບ 2A), ຊີ້ໃຫ້ເຫັນວ່າມາດຕະການທີ່ອີງໃສ່ໄລຍະທາງຢ່າງດຽວ (ເຊັ່ນ: K-means) ແມ່ນບໍ່ເຫມາະສົມເພາະວ່າພວກເຂົາມັກຈະໃຊ້ການແຈກຢາຍພື້ນຖານ Gaussian (circular) (ສົນທະນາໃນ Note S2) .ວິທີການ DBSCAN ແມ່ນເຫມາະສົມສໍາລັບ topology ໃດໆທີ່ມີການປ່ຽນແປງ.ຕາບໃດທີ່ທ່ານເອົາໃຈໃສ່ກັບການຕັ້ງຄ່າຕົວກໍານົດການ, ການກໍານົດທີ່ເຊື່ອຖືໄດ້ສາມາດສະຫນອງໃຫ້.ຄ່າໃຊ້ຈ່າຍໃນການຄິດໄລ່ຂອງ t-SNE algorithm ແມ່ນສູງ, ເຊິ່ງຈໍາກັດຄໍາຮ້ອງສະຫມັກໃນປະຈຸບັນຂອງມັນກັບຈໍານວນຂໍ້ມູນທີ່ໃຫຍ່ກວ່າ, ຊຶ່ງຫມາຍຄວາມວ່າມັນຍາກທີ່ຈະນໍາໃຊ້ກັບຂົງເຂດເລິກຫຼືເວລາທີ່ແຕກຕ່າງກັນ.ການເຮັດວຽກກ່ຽວກັບການຂະຫຍາຍຂອງ t-SNE ແມ່ນຢູ່ໃນຄວາມຄືບຫນ້າ.ເນື່ອງຈາກໄລຍະຫ່າງຂອງ KL ແມ່ນງ່າຍທີ່ຈະຂະຫນານ, t-SNE algorithm ມີທ່າແຮງທີ່ດີສໍາລັບການຂະຫຍາຍໃນອະນາຄົດ (35).ມາຮອດປະຈຸ, ວິທີການຫຼຸດຜ່ອນຂະຫນາດທີ່ມີທ່າແຮງອື່ນໆທີ່ສາມາດຫຼຸດຜ່ອນຂະຫນາດໄດ້ດີກວ່າປະກອບມີເຕັກນິກການປະມານແລະການຄາດຄະເນ (UMAP), unified manifold, ແຕ່ການປະເມີນຜົນໃນສະພາບການຂອງຂໍ້ມູນມະຫາສະຫມຸດແມ່ນມີຄວາມຈໍາເປັນ.ຄວາມຫມາຍຂອງຂະຫນາດທີ່ດີກວ່າແມ່ນ, ສໍາລັບການຍົກຕົວຢ່າງ, ການຈັດປະເພດສະພາບອາກາດທົ່ວໂລກຫຼືຕົວແບບທີ່ມີຄວາມຊັບຊ້ອນທີ່ແຕກຕ່າງກັນຢູ່ໃນຊັ້ນປະສົມ.ພື້ນທີ່ທີ່ບໍ່ຖືກຈັດປະເພດໂດຍ SAGE ໃນແຂວງໃດກໍ່ຕາມສາມາດຖືວ່າເປັນຈຸດສີດໍາທີ່ຍັງເຫຼືອຢູ່ໃນຮູບ 2A.ທາງດ້ານພູມສັນຖານ, ພື້ນທີ່ເຫຼົ່ານີ້ສ່ວນຫຼາຍແມ່ນຢູ່ໃນເຂດທີ່ມີລະດູການສູງ, ເຊິ່ງຊີ້ໃຫ້ເຫັນວ່າການຍຶດເອົາບັນດາແຂວງທີ່ມີລະບົບນິເວດທີ່ມີການປ່ຽນແປງໃນໄລຍະເວລາຈະສະຫນອງການຄຸ້ມຄອງທີ່ດີກວ່າ.
ເພື່ອສ້າງວິທີການ SAGE, ແນວຄວາມຄິດຈາກລະບົບສະລັບສັບຊ້ອນ / ວິທະຍາສາດຂໍ້ມູນໄດ້ຖືກນໍາໃຊ້, ໂດຍນໍາໃຊ້ຄວາມສາມາດໃນການກໍານົດກຸ່ມຂອງກຸ່ມທີ່ມີປະໂຫຍດ (ຄວາມເປັນໄປໄດ້ຂອງການໃກ້ຊິດຢູ່ໃນພື້ນທີ່ 11 ມິຕິ) ແລະກໍານົດແຂວງຕ່າງໆ.ບັນດາແຂວງເຫຼົ່ານີ້ສະແດງເຖິງປະລິມານສະເພາະໃນພື້ນທີ່ໄລຍະ 3D t-SNE ຂອງພວກເຮົາ.ເຊັ່ນດຽວກັນ, ສ່ວນPoincaréສາມາດຖືກນໍາໃຊ້ເພື່ອປະເມີນ "ປະລິມານ" ຂອງພື້ນທີ່ຂອງລັດທີ່ຖືກຄອບຄອງໂດຍ trajectory ເພື່ອກໍານົດພຶດຕິກໍາ "ປົກກະຕິ" ຫຼື "ວຸ່ນວາຍ" (36).ສໍາລັບຜົນຜະລິດແບບຈໍາລອງແບບ 11 ມິຕິແບບຄົງທີ່, ປະລິມານທີ່ຄອບຄອງຫຼັງຈາກຂໍ້ມູນຖືກປ່ຽນເປັນພື້ນທີ່ໄລຍະ 3D ສາມາດອະທິບາຍໄດ້ຄືກັນ.ຄວາມສໍາພັນລະຫວ່າງພື້ນທີ່ແລະພື້ນທີ່ໃນພື້ນທີ່ໄລຍະ 3D ແມ່ນບໍ່ງ່າຍດາຍ, ແຕ່ມັນສາມາດອະທິບາຍໄດ້ໃນແງ່ຂອງຄວາມຄ້າຍຄືກັນທາງດ້ານນິເວດວິທະຍາ.ສໍາລັບເຫດຜົນນີ້, ມາດຕະການຄວາມແຕກຕ່າງກັນ BC ທໍາມະດາແມ່ນມັກ.
ວຽກງານໃນອະນາຄົດຈະໃຊ້ວິທີການ SAGE ຄືນໃໝ່ສໍາລັບຂໍ້ມູນການປ່ຽນແປງຕາມລະດູການເພື່ອປະເມີນຄວາມຜັນຜວນທາງພື້ນທີ່ຂອງແຂວງທີ່ໄດ້ກໍານົດ ແລະ AEP.ເປົ້າໝາຍໃນອະນາຄົດແມ່ນໃຊ້ວິທີນີ້ເພື່ອຊ່ວຍກຳນົດວ່າແຂວງໃດສາມາດກຳນົດໄດ້ໂດຍການວັດແທກດາວທຽມ (ເຊັ່ນ: Chl-a, ການສະທ້ອນແສງຈາກໄລຍະໄກ ແລະ ອຸນຫະພູມໜ້ານ້ຳທະເລ).ນີ້ຈະຊ່ວຍໃຫ້ການປະເມີນຫ່າງໄກສອກຫຼີກຂອງອົງປະກອບທາງນິເວດແລະການຕິດຕາມກວດກາທີ່ມີຄວາມຍືດຫຍຸ່ນສູງຂອງແຂວງທາງນິເວດແລະຄວາມປ່ຽນແປງຂອງມັນ.
ຈຸດປະສົງຂອງການຄົ້ນຄວ້ານີ້ແມ່ນເພື່ອແນະນໍາວິທີການ SAGE, ເຊິ່ງກໍານົດແຂວງທາງນິເວດໂດຍຜ່ານໂຄງສ້າງຊຸມຊົນ plankton ທີ່ເປັນເອກະລັກ.ທີ່ນີ້, ຂໍ້ມູນລາຍລະອຽດເພີ່ມເຕີມກ່ຽວກັບຮູບແບບທາງກາຍະພາບ / ຊີວະເຄມີ / ລະບົບນິເວດແລະການເລືອກພາລາມິເຕີຂອງ t-SNE ແລະ DBSCAN algorithms ຈະຖືກສະຫນອງໃຫ້.
ອົງປະກອບທາງກາຍະພາບຂອງຕົວແບບແມ່ນມາຈາກການຄາດຄະເນການໄຫຼວຽນຂອງມະຫາສະຫມຸດແລະສະພາບອາກາດ [ECCOv4;(37) ການຄາດຄະເນຂອງລັດທົ່ວໂລກອະທິບາຍໂດຍ (38).ມະຕິນາມມະຍົດຂອງການຄາດຄະເນຂອງລັດແມ່ນ 1/5.ວິທີການສີ່ຫລ່ຽມນ້ອຍທີ່ສຸດດ້ວຍວິທີການຕົວຄູນ Lagrangian ຖືກນໍາໃຊ້ເພື່ອໃຫ້ໄດ້ເງື່ອນໄຂເບື້ອງຕົ້ນແລະຂອບເຂດຊາຍແດນແລະຕົວກໍານົດການຕົວແບບພາຍໃນທີ່ປັບໂດຍການສັງເກດ, ດັ່ງນັ້ນຈຶ່ງສ້າງແບບຈໍາລອງວົງຈອນທົ່ວໄປຂອງ MIT (MITgcm) (39), ຮູບແບບຫຼັງຈາກການເພີ່ມປະສິດທິພາບ, ຜົນໄດ້ຮັບສາມາດ ໄດ້ຮັບການຕິດຕາມແລະສັງເກດເຫັນ.
ຊີວະເຄມີ / ລະບົບນິເວດມີຄໍາອະທິບາຍທີ່ສົມບູນກວ່າ (ເຊັ່ນສົມຜົນແລະຄ່າພາລາມິເຕີ) ໃນ (2).ຮູບແບບດັ່ງກ່າວຈັບການໄຫຼວຽນຂອງ C, N, P, Si ແລະ Fe ໂດຍຜ່ານຫນອງອະນົງຄະທາດແລະອິນຊີ.ຮຸ່ນທີ່ໃຊ້ໃນນີ້ປະກອບມີ 35 ຊະນິດຂອງ phytoplankton: 2 ຊະນິດຂອງ microprokaryotes ແລະ 2 ຊະນິດຂອງ microeukaryotes (ເຫມາະສົມສໍາລັບສະພາບແວດລ້ອມທີ່ມີທາດອາຫານຕ່ໍາ), 5 ຊະນິດຂອງ Cryptomonas sphaeroides (ມີການເຄືອບດ້ວຍທາດການຊຽມຄາບອນ), 5 ຊະນິດຂອງ diazonium (ສາມາດແກ້ໄຂໄນໂຕຣເຈນໄດ້, ດັ່ງນັ້ນ. ມັນບໍ່ຈໍາກັດ) ຄວາມພ້ອມຂອງໄນໂຕຣເຈນທີ່ລະລາຍໄດ້), 11 diatoms (ກອບເປັນຈໍານວນປົກຫຸ້ມຂອງ siliceous), 10 ພືດພັນພືດປະສົມ flagellates (ສາມາດສັງເຄາະແສງແລະກິນ plankton ອື່ນໆ) ແລະ 16 Zooplankton (graze ສຸດ plankton ອື່ນໆ).ເຫຼົ່ານີ້ເອີ້ນວ່າ "ກຸ່ມທີ່ມີປະໂຫຍດທາງຊີວະເຄມີ" ເພາະວ່າພວກມັນມີຜົນກະທົບທີ່ແຕກຕ່າງກັນຕໍ່ຊີວະເຄມີທາງທະເລ (40, 41) ແລະມັກຈະຖືກນໍາໃຊ້ໃນການສັງເກດການແລະການສຶກສາແບບຈໍາລອງ.ໃນຮູບແບບນີ້, ແຕ່ລະກຸ່ມທີ່ມີປະໂຫຍດແມ່ນປະກອບດ້ວຍ planktons ຫຼາຍຂະຫນາດທີ່ແຕກຕ່າງກັນ, ມີເສັ້ນຜ່າສູນກາງຂອງ spherical ທຽບເທົ່າ 0.6 ຫາ 2500 μm.
ຕົວກໍານົດການຜົນກະທົບຕໍ່ການຂະຫຍາຍຕົວຂອງ phytoplankton, ທົ່ງຫຍ້າແລະການຈົມລົງແມ່ນກ່ຽວຂ້ອງກັບຂະຫນາດ, ແລະມີຄວາມແຕກຕ່າງສະເພາະລະຫວ່າງຫົກກຸ່ມທີ່ເປັນປະໂຫຍດຂອງ phytoplankton (32).ເຖິງວ່າຈະມີໂຄງຮ່າງການທາງດ້ານຮ່າງກາຍທີ່ແຕກຕ່າງກັນ, ຜົນໄດ້ຮັບຂອງ 51 ອົງປະກອບຂອງ plankton ຂອງຕົວແບບໄດ້ຖືກນໍາໃຊ້ໃນຫຼາຍໆການສຶກສາທີ່ຜ່ານມາ (42-44).
ແຕ່ປີ 1992 ຫາ 2011, ຮູບແບບການເຊື່ອມສານທາງກາຍະພາບ/ຊີວະເຄມີ/ລະບົບນິເວດ ໄດ້ດຳເນີນເປັນເວລາ 20 ປີ.ຜົນຜະລິດຂອງຕົວແບບປະກອບມີຊີວະມວນ Plankton, ຄວາມເຂັ້ມຂົ້ນຂອງທາດອາຫານແລະອັດຕາການສະຫນອງທາດອາຫານ (DIN, PO4, Si ແລະ Fe).ໃນ​ການ​ສຶກ​ສາ​ນີ້, ສະ​ເລ່ຍ 20 ປີ​ຂອງ​ຜົນ​ຜະ​ລິດ​ເຫຼົ່າ​ນີ້​ໄດ້​ຖືກ​ນໍາ​ໃຊ້​ເປັນ​ການ​ນໍາ​ໃຊ້​ຂອງ​ແຂວງ​ນິ​ເວດ.Chl, ການແຜ່ກະຈາຍຂອງຊີວະມວນຂອງ plankton ແລະຄວາມເຂັ້ມຂົ້ນຂອງທາດອາຫານແລະການແຜ່ກະຈາຍຂອງກຸ່ມທີ່ມີປະໂຫຍດແມ່ນປຽບທຽບກັບການສັງເກດການດາວທຽມແລະ in-site [ເບິ່ງ (2, 44), Note S1 ແລະຮູບ.S1 ເຖິງ S3].
ສໍາລັບວິທີການ SAGE, ແຫຼ່ງຕົ້ນຕໍຂອງການສຸ່ມແມ່ນມາຈາກຂັ້ນຕອນ t-SNE.ຄວາມສຸ່ມຂັດຂວາງການເຮັດຊ້ໍາອີກ, ຊຶ່ງຫມາຍຄວາມວ່າຜົນໄດ້ຮັບບໍ່ຫນ້າເຊື່ອຖື.ວິທີການ SAGE ທົດສອບຄວາມທົນທານຢ່າງເຂັ້ມງວດໂດຍການກໍານົດຊຸດຂອງຕົວກໍານົດການຂອງ t-SNE ແລະ DBSCAN, ເຊິ່ງສາມາດກໍານົດກຸ່ມຢ່າງຕໍ່ເນື່ອງໃນເວລາທີ່ຊ້ໍາກັນ.ການກໍານົດ "ຄວາມສັບສົນ" ຂອງພາລາມິເຕີ t-SNE ສາມາດເຂົ້າໃຈໄດ້ວ່າເປັນການກໍານົດລະດັບທີ່ແຜນທີ່ຈາກຂະຫນາດສູງຫາຕ່ໍາຄວນເຄົາລົບລັກສະນະທ້ອງຖິ່ນຫຼືທົ່ວໂລກຂອງຂໍ້ມູນ.ບັນລຸຄວາມສັບສົນຂອງ 400 ແລະ 300 iterations.
ສໍາລັບວິທີການຈັດກຸ່ມ DBSCAN, ຂະຫນາດຕໍາ່ສຸດທີ່ແລະໄລຍະຫ່າງ metric ຂອງຈຸດຂໍ້ມູນໃນ cluster ຈໍາເປັນຕ້ອງໄດ້ຖືກກໍານົດ.ຈໍານວນຕໍາ່ສຸດທີ່ຖືກກໍານົດພາຍໃຕ້ການຊີ້ນໍາຂອງຜູ້ຊ່ຽວຊານ.ຄວາມ​ຮູ້​ນີ້​ຮູ້​ວ່າ​ສິ່ງ​ທີ່​ເຫມາະ​ກັບ​ໂຄງ​ສ້າງ​ແບບ​ຈໍາ​ລອງ​ຈໍາ​ນວນ​ໃນ​ປັດ​ຈຸ​ບັນ​ແລະ​ການ​ແກ້​ໄຂ​.ຈໍານວນຕໍາ່ສຸດທີ່ແມ່ນ 100. ສາມາດພິຈາລະນາຄ່າຕໍາ່ສຸດທີ່ສູງກວ່າ (ຫນ້ອຍກວ່າ <135 ກ່ອນທີ່ຂີດຈໍາກັດເທິງຂອງສີຂຽວຈະກວ້າງຂຶ້ນ) ແຕ່ມັນບໍ່ສາມາດປ່ຽນແທນວິທີການລວມໂດຍອີງຕາມຄວາມແຕກຕ່າງກັນຂອງ BC.ລະດັບຂອງການເຊື່ອມຕໍ່ (ຮູບ 6A) ຖືກນໍາໃຊ້ເພື່ອກໍານົດພາລາມິເຕີ ϵ, ທີ່ເອື້ອອໍານວຍໃຫ້ແກ່ການຄຸ້ມຄອງທີ່ສູງຂຶ້ນ (ຮູບ 6B).ການເຊື່ອມຕໍ່ແມ່ນຖືກກໍານົດເປັນຈໍານວນອົງປະກອບຂອງກຸ່ມແລະມີຄວາມອ່ອນໄຫວຕໍ່ກັບຕົວກໍານົດການ ϵ.ການເຊື່ອມຕໍ່ທີ່ຕໍ່າກວ່າສະແດງເຖິງຄວາມສອດຄ່ອງທີ່ບໍ່ພຽງພໍ, ການຈັດກຸ່ມພາກພື້ນຮ່ວມກັນ.ການເຊື່ອມຕໍ່ສູງຊີ້ໃຫ້ເຫັນເຖິງການ overfitting.Overfitting ຍັງເປັນບັນຫາ, ເພາະວ່າມັນສະແດງໃຫ້ເຫັນວ່າການຄາດເດົາແບບສຸ່ມເບື້ອງຕົ້ນອາດຈະນໍາໄປສູ່ຜົນໄດ້ຮັບທີ່ບໍ່ສາມາດແກ້ໄຂໄດ້.ລະຫວ່າງສອງຈຸດນີ້, ການເພີ່ມຂຶ້ນແຫຼມ (ປົກກະຕິແລ້ວເອີ້ນວ່າ "ສອກ") ຊີ້ໃຫ້ເຫັນເຖິງ ϵ ທີ່ດີທີ່ສຸດ.ໃນຮູບທີ 6A, ທ່ານເຫັນການເພີ່ມຂຶ້ນແຫຼມໃນເຂດພູພຽງ (ສີເຫຼືອງ,> 200 ກຸ່ມ), ຕິດຕາມມາດ້ວຍການຫຼຸດລົງແຫຼມ (ສີຂຽວ, 100 ກຸ່ມ), ເຖິງປະມານ 130, ອ້ອມຮອບດ້ວຍກຸ່ມຈໍານວນຫນ້ອຍຫຼາຍ (ສີຟ້າ, <60 clusters) ).ຢູ່ໃນຢ່າງຫນ້ອຍ 100 ພື້ນທີ່ສີຟ້າ, ກຸ່ມຫນຶ່ງຄອບຄອງມະຫາສະຫມຸດທັງຫມົດ (ϵ <0.42), ຫຼືສ່ວນໃຫຍ່ຂອງມະຫາສະຫມຸດບໍ່ໄດ້ຖືກຈັດປະເພດແລະຖືວ່າເປັນສິ່ງລົບກວນ (ϵ> 0.99).ພື້ນທີ່ສີເຫຼືອງມີການແຜ່ກະຈາຍຂອງກຸ່ມກຸ່ມທີ່ບໍ່ປ່ຽນແປງໄດ້ສູງ.ເມື່ອ ϵ ຫຼຸດລົງ, ສິ່ງລົບກວນເພີ່ມຂຶ້ນ.ພື້ນທີ່ສີຂຽວທີ່ເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍຖືກເອີ້ນວ່າສອກ.ນີ້ແມ່ນພາກພື້ນທີ່ດີທີ່ສຸດ.ເຖິງແມ່ນວ່າຄວາມເປັນໄປໄດ້ t-SNE ຖືກນໍາໃຊ້, ຄວາມແຕກຕ່າງກັນ BC ພາຍໃນແຂວງຍັງສາມາດຖືກນໍາໃຊ້ເພື່ອກໍານົດກຸ່ມທີ່ເຊື່ອຖືໄດ້.ການນໍາໃຊ້ຮູບທີ່ 6 (A ແລະ B), ກໍານົດ ϵ ເປັນ 0.39.ຈໍານວນຕໍາ່ສຸດທີ່ໃຫຍ່ກວ່າ, ຄວາມເປັນໄປໄດ້ຫນ້ອຍທີ່ຈະເຂົ້າຫາϵທີ່ອະນຸຍາດໃຫ້ຈັດປະເພດທີ່ເຊື່ອຖືໄດ້, ແລະພື້ນທີ່ສີຂຽວທີ່ມີມູນຄ່າສູງກວ່າ 135. ການຂະຫຍາຍພື້ນທີ່ນີ້ຊີ້ໃຫ້ເຫັນວ່າແຂນສອກຈະມີຄວາມຫຍຸ້ງຍາກຫຼາຍທີ່ຈະຊອກຫາຫຼືບໍ່ມີ. ທີ່ມີຢູ່ແລ້ວ.
ຫຼັງຈາກກໍານົດພາລາມິເຕີຂອງ t-SNE, ຈໍານວນທັງຫມົດຂອງກຸ່ມທີ່ພົບເຫັນຈະຖືກນໍາໃຊ້ເປັນການວັດແທກການເຊື່ອມຕໍ່ (A) ແລະອັດຕາສ່ວນຂອງຂໍ້ມູນທີ່ຈັດສັນໃຫ້ກັບກຸ່ມ (B).ຈຸດສີແດງຊີ້ໃຫ້ເຫັນເຖິງການປະສົມປະສານທີ່ດີທີ່ສຸດຂອງການຄຸ້ມຄອງແລະການເຊື່ອມຕໍ່.ຈໍານວນຕໍາ່ສຸດທີ່ຖືກກໍານົດຕາມຈໍານວນຕໍາ່ສຸດທີ່ກ່ຽວຂ້ອງກັບລະບົບນິເວດ.
ສໍາລັບເອກະສານເພີ່ມເຕີມສໍາລັບບົດຄວາມນີ້, ກະລຸນາເບິ່ງ http://advances.sciencemag.org/cgi/content/full/6/22/eaay4740/DC1
ນີ້ແມ່ນບົດຄວາມການເຂົ້າເຖິງແບບເປີດທີ່ແຈກຢາຍພາຍໃຕ້ເງື່ອນໄຂຂອງ Creative Commons Attribution License.ບົດຄວາມອະນຸຍາດໃຫ້ນໍາໃຊ້ແບບບໍ່ຈໍາກັດ, ການແຈກຢາຍແລະການແຜ່ພັນໃນສື່ຕ່າງໆພາຍໃຕ້ເງື່ອນໄຂທີ່ວຽກງານຕົ້ນສະບັບຖືກອ້າງອີງຢ່າງຖືກຕ້ອງ.
ໝາຍເຫດ: ພວກເຮົາພຽງແຕ່ຂໍໃຫ້ເຈົ້າໃຫ້ທີ່ຢູ່ອີເມວຂອງເຈົ້າເພື່ອໃຫ້ຄົນທີ່ທ່ານແນະນຳໃຫ້ກັບໜ້າເວັບຮູ້ວ່າເຈົ້າຕ້ອງການໃຫ້ພວກເຂົາເຫັນອີເມວນັ້ນ ແລະບໍ່ແມ່ນສະແປມ.ພວກເຮົາຈະບໍ່ບັນທຶກທີ່ຢູ່ອີເມວໃດໆ.
ຄໍາຖາມນີ້ຖືກນໍາໃຊ້ເພື່ອທົດສອບວ່າທ່ານເປັນຜູ້ເຂົ້າຊົມແລະປ້ອງກັນການສົ່ງ spam ອັດຕະໂນມັດ.
ກະຊວງນິເວດວິທະຍາທາງທະເລທົ່ວໂລກມີຄວາມຕັ້ງໃຈທີ່ຈະແກ້ໄຂບັນຫາທີ່ຊັບຊ້ອນແລະນໍາໃຊ້ ML ທີ່ບໍ່ມີການເບິ່ງແຍງເພື່ອຄົ້ນຫາໂຄງສ້າງຂອງຊຸມຊົນ.
ກະຊວງນິເວດວິທະຍາທາງທະເລທົ່ວໂລກມີຄວາມຕັ້ງໃຈທີ່ຈະແກ້ໄຂບັນຫາທີ່ຊັບຊ້ອນແລະນໍາໃຊ້ ML ທີ່ບໍ່ມີການເບິ່ງແຍງເພື່ອຄົ້ນຫາໂຄງສ້າງຂອງຊຸມຊົນ.