近日，中科院海洋所李曉峰課題組在基于深度學(xué)習(xí)算法反演全球浮游植物色素濃度方面取得重要進(jìn)展，研究成果發(fā)表于遙感領(lǐng)域頂級期刊Remote Sensing of Environment（IF=13.85）。 

浮游植物不僅是海洋的初級生產(chǎn)者，更是海洋生物地球化學(xué)循環(huán)過程中至關(guān)重要的載體，其群落結(jié)構(gòu)關(guān)系到海洋生態(tài)環(huán)境的變化，是了解海洋動力過程驅(qū)動生態(tài)演變的重要指示因子。浮游植物的色素濃度，是其分類及分析其群落結(jié)構(gòu)的重要依據(jù)。利用海洋光學(xué)遙感可以獲取浮游植物色素濃度相關(guān)的光學(xué)吸收信息，但受海水光學(xué)特性多變和浮游植物光學(xué)吸收過程中“打包效應(yīng)”的影響，難以在全球范圍內(nèi)同時反演多種浮游植物色素濃度。 

浮游植物色素濃度與總?cè)~綠素濃度比值的全球分布圖 

該研究基于長期搜集的現(xiàn)場HPLC數(shù)據(jù)和MODIS衛(wèi)星遙感數(shù)據(jù)，構(gòu)建了全球浮游植物色素濃度匹配數(shù)據(jù)集，首次實現(xiàn)全球海洋范圍17種浮游植物色素濃度的反演，并據(jù)此獲得不同浮游植物類群在全球海洋的分布情況。 

論文的深度學(xué)習(xí)模型構(gòu)建過程中，充分考慮了海水中其它物質(zhì)對浮游植物色素濃度反演的影響，利用殘差網(wǎng)絡(luò)和多尺度金字塔結(jié)構(gòu)，來實現(xiàn)多種色素濃度同時反演時復(fù)雜非線性關(guān)系的獲取和多尺度特征學(xué)習(xí)。該全球浮游植物色素濃度反演模型可用于研究長時序海洋浮游植物類群的變化過程，揭示海洋大尺度動力過程對海洋浮游植物群落結(jié)構(gòu)的影響。 

全球浮游植物色素濃度反演采用的深度學(xué)習(xí)模型架構(gòu)圖（輸入為遙感參數(shù)，輸出為模型反演的浮游植物色素濃度） 

研究表明，基于深度學(xué)習(xí)算法可有效反演大時空尺度下的浮游植物色素濃度，從而分析全球海洋的浮游植物群落動態(tài)。在2015/2016年厄爾尼諾事件期間，原核生物占主導(dǎo)地位的海域從180°E向東延伸到150°W。2003年至2021年，原核生物豐度與厄爾尼諾強(qiáng)度呈正相關(guān)，但與整個浮游植物群落的豐度呈負(fù)相關(guān)。 

論文第一作者為中科院海洋所高級工程師李曉龍，共同作者包括中科院海洋所碩士研究生楊藝和日本名古屋大學(xué)教授Joji Ishizaka，通訊作者為中科院海洋所研究員李曉峰。 

文章信息： 

Xiaolong Li, Yi Yang, Joji Ishizaka and Xiaofeng Li*. (2023). Global estimation of phytoplankton pigment concentrations from satellite data using a deep-learning-based model. Remote Sensing of Environment, 294, 113628.  

https://doi.org/10.1016/j.rse.2023.113628 

來源：海洋環(huán)流與波動重點實驗室