《珊瑚礁的双重麻烦》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: mall
  • 发布时间:2018-05-08
  • Upolu,是太平洋上萨摩亚群岛九个岛之一。这里的珊瑚礁生物多样性十分丰富。研究人员称,在Upolu已经发现了珊瑚白化的迹象,且被证明是一个持续退化的状态。在124个检测地点中,有80%的地点珊瑚覆盖面积低于10%,该成果发表在《Marine Pollution Bulletin》上。在将近三年的时间里,塔拉探险组织发现了许多与世隔绝的岛屿。2016年11月在Upolu这个独立国家的岛屿抛锚,最初以为它的地理位置很偏可能保存着完好的珊瑚礁。但是现有的数据和卫星图像显示了该地珊瑚生态系统的多样性遭到严重破坏,珊瑚礁的健康状况非常糟糕。因此研究人员对大堡礁进行更广泛的研究,即选择在Upolu附近80公里长的海岸线的124个站点一一盘点其生物多样性。此外,Upolu的鱼群存在逃逸趋势,反映了该地密集的捕鱼压力。造成这种大规模恶化的原因可能来自两方面。一方面是全球变暖,2015-2016年加剧的厄尔尼诺现象增加了珊瑚白化。另一方面是当地的人类活动,被认为加剧了气候变化。化学物质、污水和废物的释放,以及过度捕捞等等人为压力,可能会对已经被削弱或受损的珊瑚的恢复能力产生影响。

    (信息来自中国科学院海洋所《海洋科学快报》2018年第16期)

  • 原文来源:http://www2.cnrs.fr/en/3103.htm
相关报告
  • 《“瑶华”珊瑚礁多模态AI大模型助力珊瑚礁研究高效开展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2025-03-24
    • 人工智能作为新一轮科技革命的战略性技术,在2025年国家政府工作报告中明确被列为重点发展方向,要求推进"人工智能+"行动并支持大模型应用。在科研领域,AI驱动的科学研究(AI for Science)已成为落实国家人工智能规划、加速科研范式变革和提升创新能力的重要支撑,其技术突破正在重塑科学研究的边界与模式。 中国科学院南海海洋研究所作为国家海洋科技领域的战略力量,积极响应国家科技创新号召,强化"国家队"的使命担当,珊瑚礁生物地貌研究团队依托超十年积累的海量影像数据库,启动人工智能驱动的珊瑚礁研究范式革新,尝试突破传统珊瑚礁调查数据判读和分析的技术瓶颈。 全球气候变化与人为影响的双重胁迫下,被称为"海洋热带雨林"的珊瑚礁生态系统面临生存危机。南海珊瑚礁亦是如此,加强南海珊瑚礁的研究刻不容缓。但传统的珊瑚礁调查数据分析和判读方法高度依赖人工,存在效率低、成本高、主观误差显著等固有缺陷,严重制约了南海珊瑚礁研究的广度和深度。针对这一困境,珊瑚礁生物地貌团队基于阿里云Qwen2-VL基座模型,研发了 “瑶华”珊瑚礁多模态大模型1.0版,通过分析10多万张水下影像,实现珊瑚种属识别准确率88%,效率较人工提升数十倍,实现了珊瑚礁调查数据的智能、高效分析的技术突破,同时结合SAM图像分割技术,目前模型可量化珊瑚覆盖率与健康状态,初步实现了珊瑚礁研究范式的转变。 后续该模型将融合珊瑚礁地貌、地化、生态、水文、海平面和气象等多模态数据持续迭代,进一步挖掘“瑶华”的数据整合与多模态分析潜力,将其应用从基础的图像和视频识别,拓展至更深层次的气候预测与全球变化模拟,“瑶华”有可能将珊瑚礁从被动的“环境记录载体”转变为积极的“全球变化模拟器”,从而为应对气候变化提供革新性的决策维度。通过将珊瑚礁研究与人工智能深度融合,“瑶华”有望推动珊瑚礁研究范式的转变,从传统的经验驱动迈向数据驱动,进而为脆弱的珊瑚礁生态系统的保护与管理开辟创新的路径。 该模型研发由国家重点研发计划—生物动力地貌与生物造礁地表过程项目和国家自然科学基金(42425004)共同资助。
  • 《珊瑚礁数据库(ReefBase)》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:mall
    • 发布时间:2017-03-14
    • 该数据库是全球珊瑚礁监测网(Global Coral Reef Monitoring Network, GCRMN)及由联合国基金会(UNF)所资助的国际珊瑚礁行动网(International Coral Reef Action Network, ICRAN)的正式网站。 数据库链接: http://www.reefbase.org/main.aspx