O echipă de la Universitatea de Știință și Tehnologie din Hong Kong a propus un model de interpolare și predicție spațio-temporală pentru diagnosticarea calității apei la nivel global

Aportul de nutrienți din sol și hidrodinamica activă fac din apele costiere unul dintre cele mai productive ecosisteme marine din lume, dar aduc și riscuri potențiale, precum eutrofizarea și hipoxia puternice. Prezicerea distribuției spațio-temporale a clorofilei a (Chl_a) este un mijloc important de diagnosticare a stării de sănătate a ecosistemelor costiere.

Cu toate acestea, instrumentele existente sunt încă insuficiente pentru a susține abordările analitice bazate pe predicția distribuției spațio-temporale a clorofilei a. Printre acestea, metodele tradiționale de cuplare hidrodinamică-biogeochimică au dificultăți în analiza transferului de nutrienți în ecosistemele marine, iar factori precum fluxul de energie și biomasa sunt dificil de incorporat în calcul; metodele de predicție bazate pe date sunt predispuse la acumularea de erori în procesul de integrare pe termen lung a sistemelor neliniare.

În acest context, o echipă de cercetători de la Universitatea de Știință și Tehnologie din Hong Kong a dezvoltat un model de interpolare și predicție spațio-temporală (STIMP) bazat pe inteligență artificială pentru a previziona clorofila a în oceanul de coastă. Modelul STIMP rezolvă problemele cauzate de date incomplete, schimbări temporale nestacionare și eterogenitate spațială prin integrarea unor module special concepute, oferind o nouă paradigmă pentru previzionarea clorofilei marine în condiții de constrângeri temporale și spațiale.

Rezultatele relevante ale cercetării au fost publicate în Nature Communications sub titlul „Spatiotemporal Imputation and Prediction Model” (Model de imputare și predicție spațio-temporală).