海洋科学学术讲座预告第423期：基于图像识别和机器学习的颗粒物沉降速度参数化方案研究

报告内容简介：

        大气沉降可为海洋提供丰富的营养盐，促进浮游植物生长，改变浮游植物的群落结构等，然而其影响不仅取决于大气颗粒的物质组成和沉降通量，也与颗粒入海后的沉降速度及其在真光层中的停留时间等密切相关。通过自主搭建静水沉降实验装置开展沉降实验，利用视频成像和图像识别技术追踪大气总悬浮颗粒（TSP）在水体中的沉降过程，分析颗粒粒径、形状、物质组成以及水体盐度对颗粒沉降速度的影响，并建立了预测颗粒沉降速度的参数化公式，估算了大气颗粒在几个代表性陆架海和大洋真光层中的停留时间。利用机器学习及其可解释分析，进一步认识大气颗粒相关特征参数对沉降速度的重要性和影响，再次对大气颗粒沉降速的参数化方案进行了优化。