经过高分辨率机器学习处理的卫星数据显示，珊瑚礁的崩塌速度正在加快

《Scientific Reports》：High-resolution machine learning processed satellite data reveal accelerated reef collapse

　　

摘要

全球珊瑚礁遭到破坏的速度正在加快，然而在监测数据稀缺的情况下，量化导致这一破坏的机制仍然具有挑战性。阿拉伯海沿岸拥有独特多样的珊瑚群落，这些群落面临着极端的环境条件，在阿曼的巴尔·阿尔·希克曼（Bar Al Hikman）地区，以Montipora珊瑚为主导的珊瑚群落尤为显著。近期研究表明，在过去的五十年间，珊瑚礁面积大幅减少，但由于时间分辨率的限制，无法确定珊瑚礁是在长期压力下持续丧失面积，还是在急性扰动后阶段性地丧失面积。通过分析1985年至2025年间拍摄的223张卫星图像（平均每年5.8次观测），并结合机器学习技术，我们发现珊瑚礁面积的减少呈现出持续性的趋势，而非由偶发事件导致。热应力指标与珊瑚礁面积的减少密切相关，珊瑚礁边缘的退缩趋势更符合持续的季风驱动的波浪方向，而非飓风的路径。这些发现表明，珊瑚礁面积的减少是一个热力与力学相互作用的过程：反复出现的阶段性热应力事件导致珊瑚死亡和礁体结构 weakening（此处“weakening”可根据具体语境译为“削弱”或“分解”），而由此产生的死亡珊瑚骨骼物质则被持续的季风驱动的波浪逐渐清除，从而形成持续的面积减少趋势，而非之前假设的由风暴引发的阶段性破坏。2006年之前的年均珊瑚礁面积损失速率为0.10平方公里每年，此后这一速率加快至0.15平方公里每年。根据我们的预测，到2060年珊瑚礁可能会完全消失，这比之前的预估提前了大约40年。我们的机器学习辅助方法证明，高频卫星监测能够揭示常规十年尺度评估方法无法发现的珊瑚礁面积损失动态，为在全球数据稀缺的珊瑚礁系统中建立定量基准提供了依据。