shelf sea 环境中碳库的估计：重分析还是模型驱动的机器学习？
定量方法
2025-09-15 v2 机器学习
摘要
shelf sea 对碳封存和碳循环至关重要，但 shelf sea 的碳库观测往往稀疏或高度不确定。替代方案可通过重分析提供，但这些重分析运行成本高昂。我们提议使用神经网络集合（即深度集合）从耦合物理-生物化学模型中学习，直接可观测变量与碳库之间的关系。我们针对北西欧 shelf（NWES）海洋环境进行演示，证明当基于模型自由运行仿真训练的深度集合应用到NWES重分析时，能够再现重分析中碳库的输出，同时提供不确定性信息。我们关注结果的可解释性，并演示深度集合用于未来气候情景场景的潜在用途。我们建议，模型驱动的机器学习是昂贵重分析的可行替代方案，可在观测缺失或高度不确定的地方补充观测。
引用
@article{arxiv.2508.10178,
title = {Estimating carbon pools in the shelf sea environment: reanalysis or model-informed machine learning?},
author = {Jozef Skakala},
journal= {arXiv preprint arXiv:2508.10178},
year = {2025}
}
备注
24 pages, 9 figures (3 in the appendix), v2 - minor changes