Новые методы машинного обучения позволяют точнее измерить потерю кислорода в океане

Группа исследователей под руководством профессора Технологического института Джорджии Таки Ито разработала новый подход на основе машинного обучения для более точной оценки снижения уровня кислорода в мировом океане. Используя исторические данные измерений с судов с 1960-х годов и современные данные автономных дрейфующих буев Argo, команда создала ежемесячную глобальную карту содержания кислорода в океане с 1965 года по настоящее время.

Полученные результаты имеют ключевое значение для понимания реакции океана на изменение климата. Команда установила, что с 1970 по 2010 год мировой океан терял кислород со скоростью около 0,7% за десятилетие. Эта относительно быстрая реакция может иметь долгосрочные последствия для здоровья и устойчивости морских экосистем. Новый метод позволяет точнее оценивать скорость потери кислорода в разные периоды и в разных регионах, а также снижает неопределенность расчетов.

«Используя подход машинного обучения, мы смогли точнее оценить скорость потери кислорода в разные периоды и в разных местах», — сказал аспирант Ахрон Сервания. «Наши выводы указывают, что включение данных с буев значительно улучшает оценку потери кислорода, одновременно снижая неопределенность». По словам профессора Ито, интеграция передовых технологий, таких как машинное обучение, будет необходима для заполнения пробелов в данных и получения более ясной картины реакции океанов на изменение климата.