基于人工智能的欺骗岛海水二氧化碳估算：多源气象海洋与地震数据集集成研究

《Scientific Data》：Integrated meteocean and seismic dataset for AI-based seawater CO2 estimation at Deception Island, Antarctica

本研究针对南极欺骗岛海域海水二氧化碳分压(pCO2)估算难题，整合气象海洋与地震多源数据，开发了双向长短期记忆(Bi-LSTM)神经网络模型。该研究提供了高分辨率pCO2实测与预测数据集，为极地碳循环研究和气候变化评估提供了重要数据支撑，对理解南极沿海系统碳通量具有显著科学价值。

　　

在全球气候变化背景下，南极地区作为全球碳循环的关键区域，其沿海系统对大气二氧化碳(CO₂)的吸收和储存能力备受关注。然而，由于环境恶劣、采样困难，南极沿海水域特别是南极洲欺骗岛这样的活跃火山区域，一直是碳通量观测的空白区域。这一数据缺失严重制约了我们对极地碳循环过程的理解和准确的气候模型构建。

欺骗岛作为南极洲最活跃的火山之一，其独特的地质特征和海洋环境为研究碳循环提供了天然实验室。岛上的火山活动通过热液喷口释放大量CO₂，同时复杂的海洋-大气相互作用影响着碳的交换过程。传统观测手段难以在这一极端环境中获取高分辨率、连续的数据，迫切需要创新性的观测和建模方法。

为此，由西班牙高等科学研究理事会(CSIC)Susana Flecha领衔的研究团队在《Scientific Data》发表了题为"Integrated meteorean and seismic dataset for AI-based seawater CO₂ estimation at Deception Island, Antarctica"的研究论文。该研究通过整合多平台观测数据，结合深度学习技术，建立了南极欺骗岛海域高分辨率海水pCO₂估算模型，为极地碳循环研究提供了宝贵的数据资源。

关键技术方法

研究团队于2025年2月在欺骗岛福斯特港区域开展了综合观测。海洋数据通过西班牙R/V"Sarmiento de Gamboa"科考船的走航式系统采集，包括表面海水pCO₂、温度、盐度和太阳辐射等参数。地震数据来自西班牙国家地理研究所(IGN)布设的宽频带地震台网，重点关注长周期(LP)事件和痉挛性震颤(TR)两种信号。气象数据由加布里埃尔德卡斯蒂利亚西班牙南极基地的气象站提供。研究采用双向长短期记忆(Bi-LSTM)神经网络，以10分钟时间窗口的多变量序列作为输入，通过5折GroupKFold交叉验证评估模型性能。

数据记录与质量

数据集包含30,404个1分钟分辨率的数据点，整合了海洋学、气象学和地球物理学多源观测。主要变量包括海水温度、盐度、pCO₂、潮位、太阳辐射、气温、风速以及地震事件指标。数据经过严格质量控制，缺失值用空白字段表示，所有时间序列统一协调至UTC时间并重采样至1分钟间隔。

技术验证结果

Bi-LSTM模型在预测海水pCO₂方面表现出色，最佳折叠的均方根误差(RMSE)为8.655，确定系数(R²)达到0.968。模型训练使用RMSprop优化器，并采用早停策略防止过拟合。 permutation重要性分析显示，太阳辐射和海水温度是影响pCO₂预测的最重要变量，而地震信号虽然全局重要性较低，但对捕捉pCO₂的突发变化具有独特贡献。

特征重要性分析

通过跨折叠排列重要性计算，研究人员量化了各输入变量对模型预测的影响。太阳辐射和海水温度表现出最强的预测能力，反映了日变化对pCO₂动态的关键控制作用。虽然地震信号在全局排列重要性中排名靠后，但进一步分析表明，它们提高了模型对仅靠环境物理变量无法解释的pCO₂突变的敏感性，证实了将地球物理信号纳入碳循环研究的价值。

讨论与意义

这项研究首次将地震活动信号整合到海水pCO₂估算模型中，为理解火山活动与碳循环的相互作用提供了新视角。欺骗岛作为活跃火山区域，其地下岩浆活动可能通过热液循环影响海水碳酸盐化学，而地震信号作为地下过程的指示器，为这种关联提供了可量化的代理指标。

数据集遵循FAIR原则(可查找、可访问、可互操作、可重用)，支持极地碳循环、海气气体交换、遥感校准等多领域研究。深度学习方法的成功应用表明，数据驱动模型可以有效弥补极地观测数据的不足，为其他数据稀缺区域的碳通量研究提供了可借鉴的框架。

研究的局限性在于观测时间和空间的限制，以及某些潜在相关参数(如溶解氧、荧光)的缺失。未来研究可扩展观测维度，纳入更多生物地球化学变量，进一步提高模型的普适性和准确性。

结论

本研究通过集成多平台观测数据和深度学习技术，建立了南极欺骗岛海域高分辨率海水pCO₂估算数据集和方法框架。研究成果不仅为极地碳循环研究提供了宝贵的数据资源，也展示了多学科数据融合和人工智能方法在环境科学研究中的巨大潜力。随着极地环境变化的加速，这种创新性的观测和建模方法将为理解极地碳循环的气候反馈提供重要科学支撑。