一种新的方法,用水文气象参数来估计南中国海地表水域3D叶绿素的分布
Yuanning Zheng1,2, Cai Li3, Wen Zhou1
1State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou, 510300, China.
Scientific reports
|October 27, 2024
概括
机器学习模型使用水文气象参数准确估计南中国海的3D叶绿素a (Chl-a). 这种方法为具有成本效益的海洋生态系统监测提供了潜在的框架.
科学领域:
- 海洋生态海洋生态学
- 海洋学 海洋学 海洋学
- 环境科学 环境科学
- 机器学习应用 机器学习应用
背景情况:
- a (Chl-a) 是海洋生态系统健康的关键指标.
- 水文气象参数 (HMP) 显著影响Chl-a度.
- 准确的3D Chl-a分布映射对于了解海洋动态至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于估计南中国海的3D叶绿素-a分布.
- 为了研究选定的水文气象参数与Chl-a水平之间的相关性.
- 评估开发的低成本水质监测框架的潜力.
主要方法:
- 使用机器学习算法,特别是LightGBM,用于Chl-a估计.
- 输入变量包括温度,盐度,深度,风速,风向,海面压力和相对湿度.
- 模型性能使用验证和测试数据集的R平方值进行评估.
主要成果:
- 轻GBM模型实现了高精度,R平方值为0.985 (验证) 和0.789 (测试).
- 该模型成功估计了15年来南海夏季Chl-a的3D分布.
- 估计的Chl-a分布与先前的研究一致,并证明了水文气象条件的影响.
结论:
- 机器学习,整合水文气象数据,提供了一个可靠的方法来估计海洋环境中的3DChl-a.
- 该研究强调了对影响Chl-a.的环境变量进行全面考虑.
- 该方法框架显示,有望实现对海洋水质量参数的成本效益监测.


