与其他海洋变量相比,生物和生态系统数据的收集、整合和分析具有更高挑战性,包括海底无脊椎动物的丰度和分布。然而,多源数据融合的方法正在极大地提高海底无脊椎动物数据的准确性,包括数据的网格化和时变格式。实现多源数据融合需要一个完整的数据生命周期方法,将采样和测量技术、体型估计、实验室分析、人工智能/机器学习、元数据和分类标准、综合数据管理和网络基础设施、建模以及转化数据和信息产品联系起来。
国家海洋学中心(NOC)联合深海观测战略(GOOS)和海洋生物多样性观测网络(MBON),建立了新的GOOS基本海洋变量(EOV),包括:(1)量化动物体型;(2)确定良好的采样体型光谱量化;(3)通过人工智能和机器学习进行自动化和半自动化信息处理;(4)应用元数据标准,如Darwin Core;(5)通过国际公认的接入点(例如OBIS)提供数据。这些实践将支持指标类群、生物多样性、生物量的评估,以及在时空连续上得的碳储量和流量的建模。(熊萍 编译)