论文部分内容阅读
浮游植物占据着全球初级生产力的40-50％，在全球碳循环中扮演着重要角色。另外，浮游植物也是海洋生物地球化学循环中的重要组成部分，支配着海洋真光层部分大量的碳元素和其它成分。 浮游植物粒级大小和营养盐、光照等环境要素关系密切，这些环境要素都会影响浮游植物的光合作用、繁殖和生长过程，而这些过程和浮游植物粒级结构紧密相连。依据浮游植物的粒级大小，可分为picophytoplankton(0.2-2μm)，nanophytoplankton(2-20μm)，和microphytoplankton(＞20μm)三大类。浮游植物的粒级大小作为区分几大主要浮游植物种群的依据，和浮游植物细胞生理结构、海洋生物链、渔业资源和多样的代谢率相关联。 南海开阔海区表层营养盐浓度较低，浮游植物叶绿素a浓度值低，相应的吸收光谱信号很弱。南海北部沿岸海区存在上升流、岸流等海洋动力过程，水文环境复杂多变，浮游植物也随着海洋环境的不同，而做出不同响应。由于这些问题的存在，给该海区的浮游植物粒级结构反演带来了很大的挑战。 本文以支持向量机模型作为反演浮游植物粒级结构模型，模型是基于统计学习理论的机器学习模型，据有限训练样本信息寻找最佳的模型，以使模型具有较好的推广性。 本文将支持向量机模型应用于南海数据集中，运用2006-2011年7个航次的调查数据，用于模型的训练和验证。其中输入参量为浮游植物的吸收光谱和叶绿素a浓度数据，HPLC数据计算得到的三个粒级叶绿素a浓度值作为验证数据。 另外，NOMAD数据集具有全球一般性，并且是一个国际广泛认可的数据集。本文将支持向量机模型应用于NOMAD数据集中。模型的输入参量和验证数据同样分别为吸收光谱和叶绿素a浓度数据，HPLC数据计算得到的三个粒级叶绿素a浓度值作为验证数据。 支持向量机模型反演精度较高，并且该模型的输入参量为浮游植物的吸收光谱和叶绿素a浓度，较容易获得。随着海洋多光谱水色传感器的发展，还有海水吸收衰减仪(ACS)等检测仪器的研发和应用，这些参量的获得将变得越来越容易，使该模型的应用带来很大的前景。 文章利用该模型研究南海北部浮游植物粒级组成的分布，结果表明近岸浮游植物叶绿素a浓度较高，开阔海区叶绿素a浓度值较低。沿岸海区，浮游植物及各粒级浮游植物叶绿素a浓度值较高，并且浮游植物主导粒级有从pcio粒级向nano粒级或micro粒级变化的趋势。冷涡中心海区，也出现浮游植物及各粒级浮游植物叶绿素a浓度值较高的现象。