使用历史船舶测量和Argo浮标的数据，研究人员开发了一种机器学习方法，以增强对海洋氧气水平下降的评估和理解。
氧气对所有生物体至关重要，尤其是多细胞生物，因为它有助于代谢有机物质并驱动生命过程。我们吸入的氧气大约有一半来自陆地植物，例如森林和草原，另一半则由海洋藻类通过海洋表面的光合作用产生。
世界各地的海洋氧气水平正在下降。专家怀疑这种下降与海洋表面的变暖及其对海水物理和化学的影响有关，尽管这一问题仍然没有完全理解。温度是影响氧气在海水中溶解的关键因素；随着水温升高，水体保存气体的能力降低。
乔治亚理工学院地球与大气科学学院的海洋学家和教授Taka Ito表示：“由于历史数据稀缺和时间不规则，确定海洋中丢失的氧气量是复杂的。要理解全球氧气水平及其波动，我们必须解决众多数据空白。”
一组学生研究人员旨在解决这个问题。在伊藤的领导下，他们创建了一种新的机器学习方法，以更好地分析和说明全球海洋氧气水平的下降。该团队利用数据集生成了一张显示数十年来氧气含量趋势的月度地图。他们的发现发表在《地球物理研究杂志：机器学习与计算》上。
伊藤实验室的博士生Ahron Cervania解释说：“海洋科学家需要理解海洋中氧气的分布、变化的程度、变化发生的地方以及背后的原因。传统上，这些估算使用统计方法；然而，机器学习技术可以提高我们氧气评估的精度和细节。”
该项目三年前获得国家科学基金会的支持，团队最初专注于大西洋的数据以完善他们的方法。他们使用计算模型创建假设观察，使他们能够评估基于结合机器学习的子集信息重建缺失的氧气水平数据的有效性。在完善该方法后，他们扩展了研究范围，以包括全球海洋观察，吸引本科生并分配不同海洋区域的任务。
在伊藤的指导下，Cervania和其他学生研究人员设计了算法，以检查氧气水平与温度、盐度和压力等因素之间的关系。他们利用自1960年代以来的船舶氧气观察数据集以及来自Argo浮标（这些是收集温度和盐度测量的自主漂流装置）的最新数据。尽管1960年代之前存在氧气数据，但早期记录存在准确性问题，因此团队集中在1960年后记录上。他们随后生成了一张覆盖1965年至今的全球月度海洋氧气含量地图。
Cervania表示：“通过使用机器学习方法，我们能够更准确地评估不同时间段和地点的氧气损失率。我们的结果表明，结合浮标数据显著提高了氧气损失的估计，同时减少了不确定性。”
研究人员发现，世界海洋的氧气在1970年至2010年间以大约每十年0.7%的速度流失。这一数据表明，海洋对近期气候变化的反应相对迅速，可能对海洋生态系统的健康和可持续性产生持久影响。他们的估计还与其他研究相符，确认了其方法的有效性。
Cervania表示：“我们分析了全球氧气水平和海洋总体库存的趋势，重点关注过去五十年的变化率。令人欣慰的是，我们计算的变化率与其他方法的早期估计一致，这增强了我们的信心。我们在加固我们的发现的同时与其他研究相结合。”
根据伊藤的说法，团队的创新方法解决了海洋学领域一个持续存在的挑战：有效结合不同准确性和确定性的数据源，以更好地理解海洋变化。
伊藤说：“利用机器学习等先进技术在弥补数据缺口和提供更清晰的洞察力方面将至关重要，以了解我们的海洋如何适应气候变化。”
