利用机器学习构建印度洋长期高分辨率表层 pCO2改进数据产品，助力海洋碳循环研究

为解决区域海洋模型模拟表层 pCO2存在偏差、观测数据时空分布有限的问题，研究人员开展利用机器学习算法改进印度洋表层 pCO2数据产品的研究。结果显示改进产品精度提升约 40%，添加气候学偏差效果更佳，有助于准确估算海气 CO2通量。

　　在地球的生态系统中，海洋犹如一个巨大的 “碳库”，对全球气候起着至关重要的调节作用。其中，海洋表层二氧化碳分压（pCO₂）是衡量海洋吸收和释放二氧化碳能力的关键指标。然而，自工业革命以来，人类活动如砍伐森林、燃烧化石燃料等，使得大气中二氧化碳含量急剧上升，这给准确评估海洋在全球碳循环中的作用带来了巨大挑战。

在印度洋地区，这里生活着近 30% 的世界人口，人类活动对海洋环境影响巨大。同时，该地区复杂的地理和气候条件，如北印度洋大量河流淡水注入、季风引起的季节性洋流反转以及高浓度气溶胶沉积等，都严重影响着其碳循环。此外，像厄尔尼诺 - 南方涛动（ENSO）和印度洋偶极子（IOD）等气候事件，也会干扰印度洋地区的 pCO₂和 pH 值变化。

为了深入了解海洋在全球碳循环中的作用，以及其对气候变化的响应，准确估算海洋表层 pCO₂至关重要。但目前，区域海洋模型在模拟海洋 pCO₂时，常因无法准确描述小尺度过程和模型参数化存在不确定性，导致模拟结果出现偏差。而实地观测数据在时空分布上又十分有限，尤其是在印度洋地区，这使得基于观测的模型预测难以得到有效验证和改进，进而影响了对海洋 pCO₂的准确估算。

为了解决这些问题，印度国家海洋信息服务中心（Indian National Centre for Ocean Information Services）的研究人员 Prasanna Kanti Ghoshal、A.P. Joshi 和 Kunal Chakraborty 开展了一项重要研究。他们利用机器学习算法，对 1980 - 2019 年印度洋地区高分辨率（1/12°）的 INCOIS - BIO - ROMS 模型模拟的表层 pCO₂（pCO₂^model）偏差进行校正，最终构建出了改进的表层 pCO₂数据产品。该研究成果发表在《Scientific Data》上，为海洋碳循环研究提供了关键的数据支持，有助于更准确地评估海气 CO₂通量，识别印度洋中 CO₂的源（向大气释放 CO₂）和汇（从大气吸收 CO₂）区域，对理解印度洋酸化与气候变化的关系具有重要意义。

在研究过程中，研究人员运用了多种关键技术方法。首先，他们将印度洋划分为四个子区域，从不同来源获取 pCO₂观测数据（pCO₂^obs），包括 Surface Ocean CO₂ Atlas（SOCAT）和印度科学考察航次（SAS）数据，并从 INCOIS - BIO - ROMS 模型提取相关海洋状态变量数据。接着，使用 Scikit - Learn 模块将数据按 80:20 比例划分为训练集和测试集，采用 10 折交叉验证技术，运用 XGBoost 算法进行模型训练。最后，通过类似自举重采样的方法量化预测不确定性，并生成改进的 pCO₂数据产品。

下面详细介绍研究结果：

1. 数据采集与处理：研究人员从 SOCAT 和 SAS 获取 pCO₂^obs数据，发现不同区域观测数据的时间分布存在差异，如阿拉伯海 5 - 9 月观测较多，孟加拉湾 2 - 5 月观测较多，但整体数据在印度洋地区空间覆盖良好。同时，从 INCOIS - BIO - ROMS 模型提取海洋状态变量（如表面温度 SST、表面盐度 SSS、混合层深度 MLD 等）和 pCO₂^model数据，对部分数据进行对数变换和异常值处理，以满足机器学习模型的要求。
2. 模型训练与优化：利用 XGBoost 算法训练模型预测 pCO₂偏差（pCO₂^obs - pCO₂^model），通过 Optuna 优化算法调整模型超参数。结果显示，不同子区域的模型在训练集和测试集上的 RMSE 值相近，表明模型性能可靠。
3. 不确定性量化与数据产品生成：采用类似自举重采样的方法，为每个子区域生成 150 个训练数据集并训练 XGBoost 模型，确定最佳集成模型大小。然后将模型输入海洋状态变量数据，得到 pCO₂偏差的最佳估计值和不确定性。研究人员尝试两种添加偏差的方法，一种是添加年际偏差得到年际校正的 pCO₂数据集（pCIBR_Int），另一种是添加气候学平均偏差得到气候学校正的 pCO₂数据集（pCIBR_Clim）。
4. 技术验证与比较：将改进的数据产品与 BOBOA 浮标观测数据、网格化 SOCAT 数据、CMEMS - LSCE - FFNN 和 OceanSODA 数据集进行比较。结果表明，两种校正方法（pCIBR_Clim 和 pCIBR_Int）都显著提高了 pCO₂^model的准确性，RMSE 降低约 40%。与其他产品相比，pCIBR_Clim 性能更优，在降低 RMSE 和 MAE、提高 TSS 方面表现更好，且质量下降区域更少。

综上所述，该研究利用机器学习算法成功构建了印度洋长期高分辨率表层 pCO₂改进数据产品。研究结果表明，两种校正方法均能有效提升数据产品的准确性，但 pCIBR_Clim 表现更为出色。这一成果为准确估算印度洋海气 CO₂通量、识别 CO₂源汇区域提供了有力支持，有助于深入理解印度洋在全球碳预算中的作用以及海洋酸化的机制。然而，研究也存在一定局限性，如观测数据的时空分布不均等问题仍有待解决。未来研究可以进一步拓展数据来源，优化模型算法，以提高海洋 pCO₂估算的准确性，为海洋生态保护和应对气候变化提供更可靠的科学依据。