Use of artificial intelligence and other data-driven technologies for coastal management

生物地球化学循环在沿海地区自然发生。河口、湿地和潮汐溪流对这些循环起到辅助作用。由于人类活动增加和自然发生的事件作为压力源，它们影响海洋空间中的物理、化学和生物过程，进而影响这些循环。这使得现有生态系统易受营养失衡的影响。因此，研究人员开始监测和绘制沿海环境，以了解不同压力源如何利用数值模型和经验模型影响这些生物地球化学过程。随着计算基础设施的进步，人工智能、机器学习和深度学习等数据驱动技术在不同水文系统中的应用已变得普遍。这推动了预测和决策框架在海岸管理中的应用，使栖息地保护更加科学。此类框架通过硬工程和软工程、基于自然的解决方案以及有管理的后退，平衡生态健康与人类活动。尽管关于人工智能和机器学习在沿海环境中应用的文献已相当丰富，但它们聚焦于独立领域，对其在海岸管理中的综合影响讨论有限。因此，本项基于案头的定性综述讨论了人工智能、机器学习、深度学习及其他用于海岸管理的数据驱动技术的最新进展。此外，它将确定此类研究的未来方向，尤其是在复合压力源方面。 ------------------------------------------------------------------------------ 引用本文： APA格式：Agarwala, N. (2027). Use of artificial intelligence and other data-driven technologies for coastal management. Maritime Technology and Research, 9(1), 289835. https://doi.org/10.33175/mtr.2027.289835 MDPI格式：Agarwala, N. Use of artificial intelligence and other data-driven technologies for coastal management. Marit. Technol. Res. 2027, 9, 289835. https://doi.org/10.33175/mtr.2027.289835 Vancouver格式：Agarwala N. (2027). Use of artificial intelligence and other data-driven technologies for coastal management. Marit. Technol. Res. 9(1):289835. https://doi.org/10.33175/mtr.2027.289835 ------------------------------------------------------------------------------ 亮点 提供概述，将分散的人工智能/机器学习与连贯的海岸管理框架联系起来 展示海岸建模如何转变