2024版表层海洋二氧化碳地图集（SOCAT）已在SOCAT网站上公开发布，此次最新版本提供了3860万份质量控制的表层海洋二氧化碳原位测量数据，数据收集时间跨度为1957年~2023年。SOCAT二氧化碳测量是在空间和时间尺度上量化海洋二氧化碳吸收能力的关键，可为气候政策制定提供重要信息。 查看详细>>

近日，比利时佛兰德斯海洋研究所的科学家开发了一种高效低成本的新方法，用以检测和识别海洋微塑料。该方法使用荧光染料对微塑料颗粒进行染色，再利用两种机器学习算法，对微塑料进行分析：一是“决策树”算法，用于确定微粒是否由塑料制成；二是“随机森林”算法，根据塑料粒子的聚合物类型对其进行进一步分类。通过上述方法，科学家成功分析了海洋环境样本中的微塑料，准确率可以达到90%。 查看详细>>

根据西班牙国家研究理事会海洋科学研究所等机构发表在《自然·通讯》的新研究，从太空监测海洋垃圾已成为现实。研究小组通过使用超级计算机和先进搜索算法，分析了欧洲哥白尼哨兵2号卫星对地中海地区为期6年的观测数据。尽管该卫星传感器并非专门为监测垃圾设计，但其识别塑料的能力使绘制地中海污染最严重地区成为可能。研究小组表示，通过在卫星上安装特定的塑料探测传感器，可将监测海洋中塑料的能力提高20倍。研究称，人口密度、地理和降雨模式等因素对海洋垃圾积累有显著影响。 查看详细>>

6月15日，我国首个渔业大模型“范蠡大模型1.0”在中国农业大学发布。该模型可实现渔业多模态数据采集、清洗、萃取和整合等，将为渔业养殖工人、管理经营者和政府决策部门提供全面、精准的智能化支持。 大模型是指具有大规模参数和复杂计算结构的机器学习模型。在渔业中，大模型可以利用深度学习和数据驱动的方法，分析海量的养殖数据，揭示其中的规律和关联性。随着社会发展和水产养殖业转型，渔业大模型越来越成为产业发展的重要助力。 '范蠡大模型1.0”由国家数字渔业创新中心主任、中国农业大学信息与电气工程学院教授李道亮带领团队联合中国联通、中国电信、中国移动三家运营商，以及全国主要水产院校和科研机构研发。 该模型以27种鱼虾蟹贝主养品种水产文本语料为主，辅以文本、图像、视频音频等多模态数据，形成大规模渔业专业知识语料库，通过深度学习架构、预训练和微调、参数共享与注意力机制、提示工程等技术，完成了渔业多模态数据采集、清洗、萃取和整合等，实现了丰富的渔业养殖知识生成，以及水、饵、病、管等多方面多元化的预测、分析和决策。 范蠡大模型1.0”分为请问我、请听我、请看我、请决策4个模块，分别代表文本、语音、视频、物联网决策4种场景。针对准确监测和评估鱼类的健康状况和体重异常耗时费力，且可能对鱼类造成伤害的问题，国家数字渔业创新中心开发了基于计算机视觉技术的鱼类体重估计模型，可基于摄像头实时捕捉水下鱼类图像和优化构建的深度神经网络算法，自动完成像中鱼类目标的检测和定位。通过提取形状、颜色、纹理等多维度特征，以非接触方式实现对鱼类体重的实时、准确估算，同步完成生长及健康状态监测显著，提升了测量效率，并减少对鱼类的干扰。 查看详细>>