利用机器学习算法对孟加拉湾中央海面$p$CO$\_2$进行建模
摘要：预测孟加拉湾开放海域海表$p$CO$_2$的高级机器学习算法的能力 使用巡航轨迹和系泊站的可用观测数据（EEZ之外）收集数据 基于海表温度（SST）和海表盐度（SSS）尝试预测BoB中的$p$CO$_2$ 比较多元线性回归（MLR）、人工神经网络（ANN）和XGBoost算法发现，XGBoost在预测BoB海表$p$CO$_2$方面表现最佳 利用卫星获取的SST和SSS，使用XGBoost模型预测BoB海表$p$CO$_2$，并与RAMA浮标的现场观测进行比较 该模型表现良好，相关性为0.75，RMSE为12.23μatm 进一步使用该模型，模拟了2010年至2019年中央BoB海表$p$CO$_2$的月变化 利用卫星数据显示，中央BoB的升温速率为0.0175 /年，而SSS的下降速率为-0.0088 /年 模拟的$p$CO$_2$以每年-0.4852μatm的速率下降 进行敏感性实验发现，SST和SSS的变化约占过去十年$p$CO$_2$下降趋势的41%和37% 季节性分析显示，季风季节海表$p$CO$_2$的减少速率最高
作者：A.P Joshi, V. Kumar, and H.V Warrior
论文ID：2206.01404
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2022-08-25