:::
探讨台风特征对于海温之冷却效应及珊瑚白化之风险-以澎湖南方四岛为例
| 计画名称 |
探讨台风特征对于海温之冷却效应及珊瑚白化之风险-以澎湖南方四岛为例
|
| 计画期程 |
110年3月1日-110年12月31日
|
| 学 校 |
国立中央大学
|
| 研究人员 |
冯馨柔
|
| 指导教授 |
林远见
|
| 摘 要 |
2020年，位于澎湖南方海域的澎湖南方四岛发生严重的珊瑚白化现象且可能造成大量珊瑚死亡，珊瑚为海洋中重要的生态库，丰富海中的生物多样性，但珊瑚可以存活的温度范围狭窄，一旦造成暖化，珊瑚需要长时间去复原，暖化造成的海温上升影响不容小觑，若极端气候持续的发生，珊瑚将会更难生存，故能准确预测未来之海温变化极为重要。除了海温外，澎湖附近海域之珊瑚白化指数DHWs(Degree Heating Weeks)也在2020年达到史上最高，且近15年珊瑚白化风险透过分析结果发现有着明显的上升，其主要集中在南方四岛之东侧东吉屿位置。本研究以深度学习方法预测海温，使用的模型为结合Convolutional Neural Network(CNN)及Long Short-Term Memory(LSRM)之ConvLSTM架构，利用10年的海温资料进行训练及验证，其中测试集之准确度高达99.22%，相较其他机器学习模型(ARIMA, SVR)与传统神经递规网络(Simple RNN, LSTM, GRU)准确度都较高，最后利用预测之海温反推算Degree Heating Week(DHW)，对于预测未来海温及DHW可以提供良好贡献。澎湖在2020年也并未直接受到台风的侵袭，少了台风搅动海水，冷却海温的效果，连续的高温也是其中原因导致大面积的珊瑚白化，而台风的强度、风速及海洋混和层厚度都会造成不同程度的海温冷却，本研究分析了过去台风事件得到的不同因子对于海温冷却之相关性及贡献程度外，也建立了机器学习模型随机森林分类器预测并分类不同因子之台风事件是否造成显着海温冷却效应，透过历史资料预测在测试集也得到91.7% 之准确率，其中以台风中心与南方四岛之距离特征提供最显着之海温冷却因子。除了分析数据资料外，本研究也到澎湖南方四岛进行了2次现地调查，在2021年澎湖南方四岛之珊瑚并未受到明显珊瑚白化之影响。本研究建立海温及DHW预测模型与台风冷却分类模型，希望未来可以提供相关机构预测之海温及珊瑚白化资讯，为澎湖南方四岛之珊瑚保育尽一份心力。
|
| 关 键 字 |
珊瑚白化、台风特征分析、海温、网络爬虫、深度学习
|
