[张贴报告]基于机器学习预测全球海洋固氮速率

基于机器学习预测全球海洋固氮速率
编号:994 稿件编号:1790 访问权限:仅限参会人 更新:2024-04-11 11:08:44 浏览:41次 张贴报告

报告开始:2024年05月18日 09:20 (Asia/Shanghai)

报告时间:1min

所在会议:[SP] 张贴报告专场 » [sp6] 主题6、海洋地球科学

暂无文件

摘要
生物固氮是海洋氮循环的重要环节, 为浮游植物提供近一半可利用氮源,支持大量有机碳由表层向深海输送,对调节大气CO2浓度具有重要意义。然而,海洋固氮及其控制因子仍然难以捉摸。目前,通过固氮速率估算全球海洋氮输入为100-170 Tg N yr−1,与氮损失存在不平衡,其中可能的原因包括原位测量的时空覆盖范围有限,导致估算不准确。因此,我们利用覆盖范围更广的更新版本全球固氮数据库(邵智博等,2023),基于随机森林、神经网络和集成机器学习等算法,预测全球海洋固氮的生物地理学分布,并探索主要控制因子。同时,我们的结果表明,对数化的海表固氮速率与水柱内积分的固氮速率之间存在显著线性关系,这为未来的原位测量工作可能提供了新思路。
 
关键字
机器学习,生物固氮
报告人
陈玮立
博士研究生 厦门大学

稿件作者
陈玮立 厦门大学
罗亚威 厦门大学
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订