AI-Driven Computer Vision for Automated Monitoring of Marine Biodiversity and Climate Impacts PhD

岩石潮间带是研究环境压力和物种相互作用如何影响生态格局的一个宝贵的自然场所。这些区域易于进入，其生物能够指示气候变化和人类活动的早期影响。然而，由于对物种分布的了解尚不完整，预测生态变化和管理沿海系统的能力受到限制。 自2001年以来，由英国海洋生物协会领导的“海洋生物多样性与气候变化项目”（MarClim）已在英国及法国北部的100多个地点持续监测潮间带生物。每年的调查已建立起包含87种海藻和无脊椎动物的长期记录，显示出物种分布范围的快速变化——这主要归因于气候变化。 目前，科学家每年需人工统计3000多张图像中的藤壶及其他生物，这一过程缓慢且容易出错。本项目将利用人工智能和深度学习技术，开发可自动识别和测量潮间带物种图像的计算机视觉工具。同时还将应用机器学习分析大规模数据集，揭示生物多样性趋势以及生态系统对气候变化的响应。研究成果将有助于改进预测模型，支持在气候变化背景下更好地管理沿海生态系统。