Istituto di Scienze Marine del Consiglio Nazionale delle Ricerche

该研究提出一个以风险为环境、人为与生物胁迫因子交互涌现属性的数据驱动评估框架，将基于聚类的 Multi K-means 与基于变分自编码器的深度学习模型结合，对2020年波罗的海中部与西部多源数据及145个海洋物种（含商业相关物种与鳕鱼）丰度信息进行分析，在物种丰富区域识别出底层缺氧、深度相关限制与捕捞压力共同出现的高度集中风险热点，并通过跨模型一致性分析显示两模型结果既一致又互补。

该研究提出一个以风险为环境、人为与生物胁迫因子交互涌现属性的数据驱动评估框架，将基于聚类的 Multi K-means 与基于变分自编码器的深度学习模型结合，对2020年波罗的海中部与西部多源数据及145个海洋物种（含商业相关物种与鳕鱼）丰度信息进行分析，在物种丰富区域识别出底层缺氧、深度相关限制与捕捞压力共同出现的高度集中风险热点，并通过跨模型一致性分析显示两模型结果既一致又互补。