利用机器学习算法模拟孟加拉湾中部海表 pCO2
大气与海洋物理
2022-08-25 v1
摘要
本研究探讨了先进机器学习算法在预测孟加拉湾（BoB）开阔海域海表 pCO2 方面的能力。我们收集了来自航次轨迹和锚系站点的可用观测数据（专属经济区外）。由于孟加拉湾数据匮乏，我们尝试基于海表温度（SST）和海表盐度（SSS）预测 pCO2。将 MLR、ANN 和 XGBoost 算法针对同一数据集进行比较表明，XGBoost 在预测孟加拉湾海表 pCO2 方面表现最佳。利用卫星反演的 SST 和 SSS，我们使用 XGBoost 模型预测海表 pCO2，并与 RAMA 浮标的现场观测进行对比。该模型表现令人满意，相关系数为 0.75，RMSE 为 ±12.23 μatm。进一步利用该模型，我们模拟了 2010–2019 年孟加拉湾中部海表 pCO2 的月度变化。利用卫星数据，我们显示孟加拉湾中部以每年 0.0175 的速率变暖，而 SSS 以每年 -0.0088 的速率下降。模拟的 pCO2 以每年 -0.4852 μatm 的速率递减。我们进行了敏感性实验，发现过去十年 SST 和 SSS 的变化分别对 pCO2 下降趋势贡献约 41% 和约 37%。季节分析显示，季风前季节海表 pCO2 下降速率最高。
引用
@article{arxiv.2206.01404,
title = {Modeling the sea-surface $p$CO$_2$ of the central Bay of Bengal region using machine learning algorithms},
author = {A. P Joshi and V. Kumar and H. V Warrior},
journal= {arXiv preprint arXiv:2206.01404},
year = {2022}
}