【文献精选】Ecological Informatics|基于机器学习的大西洋表层pCO2反演研究

本文研究了利用机器学习方法重建大西洋表层二氧化碳分压（pCO2）的可行性。研究背景是海洋酸化问题日益严重，准确估计海面pCO2对评估海洋酸化至关重要。研究目的是评估哥白尼和中国科学院海洋科学研究中心提供的全球海面pCO2产品的准确性，并利用地理探测器和多种机器学习模型重建2001-2020年大西洋表层pCO2的月数据。研究结果表明，XGBoost模型在结合多种环境变量时表现最佳，重建精度达到94%，在局部海域甚至超过95%。此外，XGBoost模型对输入变量的不确定性表现出较低的敏感性，显示出较强的鲁棒性。结论指出，该方法可为全球海洋酸化评估提供可靠数据支持，并为海洋环境的可持续发展提供理论依据。