基于多模型融合框架的非洲大西洋沿岸海平面异常驱动因素归因与预测研究
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:Machine Learning Forecasts of Sea-Level Variability Along Africa's Atlantic Coast with Climate Indices
【字体:
大
中
小
】
时间:2026年10月23日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6.3
编辑推荐:
摘要:由于年际至年代际时间尺度上相互竞争的气候强迫,非洲大西洋沿岸区域海平面变率的空间约束仍然不足。本文利用卫星测高数据、大气再分析数据和气候指数,量化了1993–2023年间北非(NA)、几内亚湾(GoG)和南非(SA)海平面异常(SLA)的驱动因素。我们开发了一个综合框架
摘要:由于年际至年代际时间尺度上相互竞争的气候强迫,非洲大西洋沿岸区域海平面变率的空间约束仍然不足。本文利用卫星测高数据、大气再分析数据和气候指数,量化了1993–2023年间北非(NA)、几内亚湾(GoG)和南非(SA)海平面异常(SLA)的驱动因素。我们开发了一个综合框架,结合经验正交函数、最大协方差分析(MCA)、频谱诊断以及五模型机器学习集成(GBM-SHAP),用于归因分析和预测。SLA具有高度异质性,峰值振幅出现在本格拉寒流系统和赤道波导区域。MCA表明热容性膨胀是主要机制,解释了海表温度(SST)平方差协方差90%以上的变异,远超风应力强迫的作用。大西洋多年代际振荡(AMO)是北非和几内亚湾的主要年代际驱动因子,而南非的变率则受远程机制控制:厄尔尼诺-南方涛动(ENSO)和南极涛动(AAO)主导年际尺度变化,太平洋年代际振荡(PDO)主导年代际变率。关键的是,非线性机制——包括几内亚湾中由PDO驱动的赤道温跃层调制以及南非中大西洋尼诺强迫的海岸开尔文波——被线性相关分析所遗漏,但被GBM-SHAP所解析,证明了非线性建模的必要性。GBM在几内亚湾实现了最高的预测技巧(R2 = 0.68)。我们得出结论,气候模态提供了区域特异性预测杠杆,可支持沿这一脆弱边缘海岸带风险评估的运营SLA预报。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号