报告详情
利用机器学习方法从分子组成中解读溶解有机氮的氮同位素特征
编号：1001
访问权限：仅限参会人
更新：2024-04-11 11:10:22 浏览：904次
口头报告
报告开始：2024年05月18日 14:50（Asia/Shanghai）
报告时间：10min
所在会场：[S6] 主题6、海洋地球科学 [S6-1] 主题6、海洋地球科学 专题6.3、专题6.5、专题6.10（18日下午，201）
暂无文件
摘要
海洋溶解有机氮（DON）代表着全球氮循环中最不为人所知的氮库之一。DON的稳定氮同位素（δ15N）可以提供关于其来源和在海洋环境中的转化信息。然而，由于其测量的困难性和复杂性，导致关于DON的δ15N数据报道较少，限制了我们对DON循环的理解。因此在本研究中，我们开发了一种快速有效的机器学习方法，利用中国沿海环境中325个样品的分子组成和δ15N数据来预测固相萃取DON的δ15N，平均绝对误差仅为0.32‰。我们发现，所有分子式对预测DON的δ15N有贡献，即使该分子式不含氮原子。此外，我们的模型还从分子组成中捕捉到了DON的来源和转化信息。这项研究展示了使用分子组成预测难以获得的生物地球化学参数的潜力，为未来的海洋DON研究提供了新的解决方案。
关键词
溶解有机氮,氮同位素,机器学习,分子指纹
报告人
严振伟
博士研究生 香港科技大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论