我院本科生团队在中科院一区Top期刊上发表基于人工智能方法的海水三维硝酸盐重建研究成果
近日，我院本科生大创团队杨光宇（第一作者）、王启硕、冯家成、何乐驰、李荣祖在海洋营养盐数据重建方面取得新进展，研究成果以“Can three-dimensional nitrate structure be reconstructed from surface information with artificial intelligence? — A proof-of-concept study”为题发表在顶级期刊《Science of the Total Environment》（IF=9.8，中科院大类一区，Top期刊，图1），该大创项目指导老师和论文通讯作者为卢文芳副教授，该论文还得到了中山大学来志刚教授和上海交通大学廖恩惠副教授的指导。
期刊论文发表信息
杨光宇等同学依托2023年省级大创项目“通过遥感资料推算全球海洋次表层营养盐”，开展物理海洋、海洋生态动力耦合和人工智能的多学科交叉研究，为海洋环境和生态学研究提供新的研究思路和技术手段，该研究工作还得到了国家自然科学基金项目的资助。此外，该大创团队于2023年10月13日至15日参加2023年海洋科技前沿国际会议(ICFOST)，并做了口头报告（图2），同年12月份，在大学生创新创业训练项目的结题答辩评审中被评为“优秀”等级（图3）。
团队参加2023年海洋科技前沿国际会议(从左到右依次为杨光宇同学、卢文芳副教授、王启硕同学)
大创项目结题等级被评为“优秀”
自2010年以来，我院以学生成长为中心，强基础、重实践、促融合，秉承“兴趣驱动、自主实践、重在过程”的原则，突出创新精神和实践能力培养，将人才培养与前沿科学研究紧密结合，不断深化教育教学改革，探索跨学科STEM教育的新理念和实践，提升科技创新人才培养效率和质量，激发学生的学习力、思想力和行动力，使其知行合一、聚力笃行，成为能够自主探索、持续创新的卓越人才和引领未来的时代先锋。
论文研究内容介绍
硝酸盐在海洋生物地球化学循环中扮演着关键角色，对维持浮游生物生态系统平衡至关重要。它在海洋中的三维分布模式不仅反映了海洋动力学过程，也是理解生态系统结构与功能交互作用的基础。然而，传统的海洋硝酸盐观测受限于人力、物力和经济成本，同时，现有的遥感技术无法有效捕捉硝酸盐在次表层的变化，而生态-动力耦合模型的运行成本高昂，参数设定复杂，生成的结果不确定性大。
鉴于此，该大创团队采用最新的人工智能技术，通过生态模型产品作为训练和验证集，利用海洋表层数据（包括风矢量及其应力、海表温度、大气辐射、降水量、海表叶绿素浓度等）来间接重建海洋次表层（0-680米）的硝酸盐浓度（图1）。这种方法利用了海洋表层可观测数据与深层生化参数之间的相关性，通过深度学习模型实现了对次表层硝酸盐分布的高精度预测，能够有效识别和评估由气候现象如厄尔尼诺引起的年际硝酸盐浓度异常变化（图2）。
1 研究思路流程图
2 不同方法预测的2019-2020年爪洼岛邻海硝酸盐区域平均浓度对比（左）和2019-2020年的海表驱动因素变化（右），蓝色阴影区表示发生厄尔尼诺的期间段
本研究不仅展示了利用表层数据重建海洋内部生化参数的新方法，也证实了这一方法在估算海水营养盐浓度方面的可行性，这对于海洋生态学研究中面临的数据限制问题提供了新的解决途径。此外，为了增强模型的解释能力和透明度，本研究引入了先进的神经网络解释技术，通过量化分析不同海表变量在时间和空间上对硝酸盐浓度预测的贡献度，揭示了各变量如风力和降水等动力学因素对硝酸盐分布的影响（图3）。这一发现不仅提升了我们对海洋生态系统动力学的理解，也为其他生态系统变量的研究提供了新的分析框架和方法，拓展了人工智能在海洋科学研究中的应用前景。
3 （a）不同海表变量对爪洼岛邻海硝酸盐的影响程度随时间的变化；（b）冬夏两季印度洋风速分布；（c）冬夏两季印度洋降水量分布；（d-f）冬夏两季风速和降水对爪洼岛邻海硝酸盐影响程度的分布
原文链接：
