编辑推荐：
珊瑚礁生态系统面临严峻压力，珊瑚礁碎屑稳定性对其恢复至关重要。研究人员开展 “Accelerating coral rubble instability assessments with machine learning: insights from the Great Barrier Reef” 主题研究，用随机森林（RF）模型评估大堡礁珊瑚礁碎屑不稳定性，结果良好，为珊瑚礁恢复提供指导。
在广袤的海洋世界里，珊瑚礁虽然只占据了约 0.1 - 0.5% 的海底面积，却宛如一座巨大的海洋生命 “宝藏库”，为众多海洋生物提供着至关重要的栖息、繁殖和觅食场所。然而，近年来，珊瑚礁生态系统正遭受着前所未有的严峻挑战。气候变化带来的一系列问题，如海水温度不断升高、飓风的频率和强度增加、水体富营养化等，使得全球珊瑚礁的状况日益堪忧。据研究显示，1997 年至 2018 年间，全球平均硬珊瑚覆盖率大幅下降，从 36±1.4% 锐减至 19±0.4% 。若当前的气候变暖趋势持续下去，预计到 2050 年，珊瑚礁将面临生态功能完全丧失的危机。
在这样的背景下，珊瑚礁的恢复工作迫在眉睫。而珊瑚礁碎屑的稳定性对于珊瑚礁的恢复起着关键作用，稳定的碎屑基底是珊瑚再生的必要条件。在过去的研究中，虽然已经有不少学者采用了多种方法来探究珊瑚礁碎屑的不稳定性，例如风波浪建模、利用 Morison 方程估算流体作用力等，但这些方法都存在一定的局限性。一方面，它们难以将碎屑不稳定性与波气候有效联系起来；另一方面，缺乏快速高效的方法将这些模型应用于大规模区域，无法满足珊瑚礁恢复工作中对大面积、长时间尺度预测的需求。
为了解决这些问题，研究人员开展了一项关于 “Accelerating coral rubble instability assessments with machine learning: insights from the Great Barrier Reef” 的研究。该研究成果发表在《Applied Ocean Research》上。
研究人员主要运用了两种关键技术方法。一是基于物理原理的模型（physics - based model），该模型结合了珊瑚礁碎屑的滑动和翻转两种运动机制，以及非线性波理论、波气候数据和珊瑚礁碎屑属性来预测其不稳定性；二是随机森林（Random Forest，RF）机器学习算法，通过对大量包含珊瑚礁水动力和相关珊瑚礁碎屑不稳定性信息的数据库进行处理，评估各变量在分类中的重要性。研究使用了大堡礁范围内的波气候数据，这些数据由澳大利亚气象局 1951 年至 2022 年的风速记录输入 Simulating Waves Nearshore 模型（SWAN）模型得出，同时还计算了各空间位置的平均水深，以此作为 RF 模型的输入数据。
研究结果如下：
- 模型性能比较：通过与物理模型对比，RF 模型在评估珊瑚礁碎屑不稳定性时展现出了卓越的性能。在预测整个大堡礁 1200 万个空间位置时，RF 模型的准确率达到了 82%，马修斯相关系数（Matthews correlation coefficient）为 0.69，表明两者之间存在很强的相关性。不同区域的评估结果显示，南部地区的模型性能相对较高且一致性更好，而北部地区的模型性能则表现出更大的差异。此外，RF 模型的预测时间相较于物理模型大幅缩短，评估整个大堡礁的碎屑不稳定性仅需两分钟，而物理模型使用 32 核处理器在高性能计算系统上计算则需要约 182 小时。
- 风险水平分析：对大堡礁不同区域的珊瑚礁碎屑不稳定性风险水平进行分析发现，不同区域的稳定性存在显著差异。远南和南部地区，高风险和极高风险区域主要集中在礁缘和面向太平洋的珊瑚礁区域；中部地区的外礁靠近太平洋一侧，碎屑不稳定性风险较高；而北部和远北地区则表现出较高的稳定性，尤其是远北地区，大部分区域被归类为低风险或无风险。
- 输入因素重要性分析：利用 Gini decrease 指数评估输入因素的重要性，结果表明平均深度对预测结果的影响最大，贡献率约为 34%，其他波高和周期相关因素的贡献率约为 10% 。这意味着在数据有限的区域，仅通过测量深度和获取波气候信息，就能够对珊瑚礁碎屑的不稳定性进行有效评估。
研究结论和讨论部分指出，RF 模型是一种高效且有效的评估珊瑚礁碎屑稳定性的工具，它能够处理多变量、非线性关系，并且不受空间分辨率的限制，即使在数据有限的区域也能进行快速、大规模的预测。平均深度和波气候因素在评估珊瑚礁碎屑不稳定性中起着关键作用，这为在缺乏详细实地数据的区域进行评估提供了重要依据。此外，研究还发现大堡礁不同区域的珊瑚礁碎屑稳定性存在明显差异，北部地区相对稳定，这为珊瑚礁的恢复工作提供了有针对性的指导，有助于确定更适合进行珊瑚礁恢复的区域，提高恢复工作的成功率，对保护和恢复珊瑚礁生态系统具有重要的意义。
