第八届青年地学论坛

海洋溶解氧是海洋生物化学循环和海洋生态健康的重要参数，且全球海洋脱氧已成为国际共识。WOA18（World Ocean Atlas 2018）海洋溶解氧数据是目前公开的海洋空间数据集，该数据集基于各类船测调查数据，经数据同化生成的气候态尺度数据集（月、季、年），难以刻画气候变化背景下的溶解氧的时空特征。由于数据匮乏，全球海洋溶解氧状况一直没有厘清，因此，基于大数据技术构建全球高时空分辨率的溶解氧浓度数据成为研究的热点和难点问题，目前联合国海洋科学促进可持续发展十年也开展了全球海洋溶解氧十年项目（Global Ocean Oxygen Decade, GOOD），其中一个方向是构建全球溶解氧浓度数据集（Global Ocean Oxygen Atlas, GO2AT）。
Argo（Array for Real-time Geostrophic Oceanography）是目前唯一立体观测全球上层海洋的实时观测系统，截止到2022年12月已获取26多万条溶解氧剖面数据，且具有每年约2万条剖面的持续获取能力。然而，Argo浮标受流场驱动在大洋移动，其溶解氧剖面在空间上不均匀分布，且数据量仍然匮乏，因此，面向Argo溶解氧剖面数据，借助地理时空统计和大数据挖掘技术，发展海洋溶解氧时空增值挖掘方法（VEADO），对提升Argo的应用能力和促进联合国海洋科学促进可持续发展十年中提出的GOOD实现都具有科学价值。VEADO一方面利用地理时空统计的思想，发展空间-质量双约束插值方法，解决海洋溶解氧数据在空间上分布稀疏和不均的问题，另一方面，借助地理大数据挖掘技术，发展基于随机森林的机器学习方法，实现海洋溶解氧剖面数据重构，解决海洋溶解氧数据在时间上分布稀疏的问题，最后实现全球月尺度海洋溶解氧空间数据集的研制。初步研究结果表明：1）在气候态月尺度上，基于空间-质量双约束插值方法研制的海洋溶解氧数据与WOA18的绝对误差在-20.0~20.0umol/kg范围内的比例在85.0%以上；2）在月尺度上，基于随机森林海洋溶解氧重构方法的绝对误差小于-10.0~10.0umol/kg范围内的比例为89.1%。

Argo,时空挖掘,机器学习,溶解氧