机器学习预测珊瑚三角的生物多样性和复原力

珊瑚礁保护是保护海洋生物多样性和我们所知道的海洋生物的垫脚石。珊瑚的健康也具有巨大的社会影响：珊瑚礁生态系统为全球数百万人提供食物和生计。保护珊瑚礁地区的生物多样性既是一个社会问题，也是一个海洋生物多样性的优先事项。

面对气候变化，佐治亚理工学院地球与大气科学学院教授安娜丽莎·布拉科(AnnalisaBracco)和博士后研究员柳巴·诺维(LyubaNovi)提供了一种新方法，可以彻底改变保护主义者监测珊瑚的方式。研究人员应用机器学习工具研究气候如何影响太平洋珊瑚三角区的连通性和生物多样性，珊瑚三角区是地球上最多样化和生物复杂的海洋生态系统。

他们的研究最近发表在《通信生物学》上，克服了时间和资源障碍，将珊瑚三角区的生物多样性置于背景中，同时为未来更好的监测和保护提供了希望。

“我们看到珊瑚三角区的生物多样性非常动态，”布拉科说。“长期以来，人们一直认为这是由于海平面变化和陆地分布造成的，但我们现在开始明白，这个故事还有更多。

连通性是指允许不同生态系统交换遗传物质(如卵、幼虫或幼虫)的条件。洋流传播遗传物质，并产生动力，使水体-从而生态系统-保持一致的化学，生物和物理特性。如果珊瑚幼虫扩散到条件与原始位置非常相似的生态区域，幼虫可以开始新的珊瑚。

布拉科希望了解气候，特别是厄尔尼诺南方涛动(ENSO)的阶段-厄尔尼诺，拉尼娜和中性条件-如何影响珊瑚三角区的连通性。在太平洋中移动大量温水的气候事件带来了巨大的变化，并且已知会加剧珊瑚白化，其中珊瑚由于环境压力而变白并容易受到疾病的影响。

“生物学家在原位收集数据，这非常重要，”布拉科说。“但是不可能在很多年的时间里就地监测巨大的区域-这需要水肺潜水员的持续存在。因此，弄清楚不同的海洋区域和大型海洋生态系统如何随着时间的推移而相互联系，特别是在基础物种方面，变得很重要。

用于发现连接的机器学习

多年前，Bracco和合作者开发了一种名为DeltaMaps的工具，该工具使用机器学习来识别“域”，即任何类型的系统中具有相同动态的区域。Bracco最初使用它来分析模型中的气候变异性领域，但也怀疑它可以用于研究海洋中的生态区。

在这项研究中，他们使用该工具使用30年的海面温度数据绘制出珊瑚三角区的连通性区域。海面温度在数周和数月的尺度上随着洋流的变化而变化，距离为数十公里。这些变化与珊瑚连通性有关，因此研究人员根据这一观察结果构建了他们的机器学习工具，利用海洋表面温度的变化来识别由洋流连接的区域。他们还将他们正在考虑的时间段分为三类：厄尔尼诺事件，拉尼娜事件和中性或“正常”时间，描绘了在特定生态区的重大气候事件中连通性如何受到影响的画面。

诺维随后将排名系统应用于他们确定的不同生态区。她使用排名页面中心性，这是一种机器学习工具，用于对互联网上的网页进行排名，在三角洲地图之上确定哪些珊瑚生态区联系最紧密，并且能够接收来自其他地区的最多珊瑚幼虫。这些地区最有可能在漂白事件中维持和生存。

气候动态和生物多样性

布拉科和诺维发现，气候动力学对生物多样性做出了贡献，因为气候给赤道太平洋的洋流带来了变化。研究人员意识到，厄尔尼诺和拉尼娜事件的交替使得印度洋和太平洋之间发生了巨大的遗传交换，并使生态系统能够在各种不同的气候条件下生存。

“在所有ENSO阶段，生态区之间永远不会有相同的联系，”布拉科说。“在世界海洋的其他地方，珊瑚礁通过固定的，通常是少量的生态区连接起来，如果你通过漂白所有连接的珊瑚礁来消除这种固定数量的连接，你将无法重建珊瑚。但在太平洋，连接一直在变化，而且非常动态，很快漂白的珊瑚礁就会在不同的ENSO阶段接收来自完全不同的生态区的幼虫。

他们还得出结论，由于珊瑚三角区的动态气候成分，那里重建生物多样性的可能性比地球上其他任何地方都大。珊瑚三角区生物多样性的演变不仅与陆地或海平面有关，还与ENSO在地质时期的演变有关。研究人员发现，虽然ENSO导致珊瑚白化，但它帮助珊瑚三角变得如此丰富的生物多样性。

更好的监控机会

由于珊瑚礁生存已被联合国可持续发展目标指定为优先事项，博莱科和诺维的研究有望得到广泛的应用。研究人员的方法确定了哪些生态区保护主义者应该最努力地保护，以及保护主义者可以期望在保护措施中拥有最多运气的地区。

他们的方法还可以帮助确定哪些地区应该受到更多监测，哪些地区由于目前蓬勃发展的方式而目前可能被视为较低优先级。

“这项研究为更好的监测策略开辟了很多可能性，特别是在资源和资金有限的情况下如何监测，”布拉科说。“截至目前，珊瑚监测经常发生在团体资金有限的情况下，适用于非常特定的局部地区。我们希望我们的方法可以用来在更大的时间和空间范围内创建更好的监测。