🤖 machine learning

Hybrid machine learning data assimilation for marine biogeochemistry

本研究表明，将机器学习集成到海洋生物地球化学数据同化中，显著改善了对未观测变量的更新，并为克服当前业务预报系统的局限性提供了一条计算高效的途径。

原作者： Ieuan Higgs, Ross Bannister, Jozef Skákala, Alberto Carrassi, Stefano Ciavatta

发布于 2026-08-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Ieuan Higgs, Ross Bannister, Jozef Skákala, Alberto Carrassi, Stefano Ciavatta

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，海洋是一个巨大的、隐形的厨房，微小的厨师（浮游生物）正在不断地烹饪着生命。为了了解这个厨房里正在发生什么——比如食物产出了多少、温度如何变化，或者储藏室里的原料是否快用完了——科学家们使用复杂的计算机模型。这些模型就像是食谱，试图预测海洋生态系统的未来。但问题在于：海洋太大了，我们只能通过卫星或船只在几个特定的地点窥探内部。这就像是试图通过只尝一口顶层的汤来猜测整锅大炖菜的味道。

为了解决这个问题，科学家们使用了一种叫做“数据同化”（Data Assimilation）的技术。把它想象成一位聪明的副厨，他不断品尝我们能看到的这一勺汤，然后调整整锅炖菜的味道以匹配这种味道。如果这一勺尝起来很咸，厨师就会假设整锅都需要加盐。然而，在海洋中，原料是非常复杂的。我们可以轻松地从太空看到“绿色的东西”（叶绿素），但我们很难直接看到像硝酸盐这样隐形的营养物质，也看不见吃掉绿色物质的微小动物（浮游动物）。传统方法在猜测这些隐形成分如何根据可见成分发生变化时往往表现不佳，导致做出来的炖菜味道有些偏差。这就是今日之问：我们能否教会计算机成为一个更好的副厨，一个能够理解连接可见绿色物质与隐形营养物质之间的秘密食谱的副厨？

这篇题为《用于海洋生物地球化学的混合机器学习数据同化》的论文，正是要解决这一挑战。作者们是一支来自英国和欧洲的研究团队，他们想看看机器学习（ML）——即那种通过学习模式进行学习的 AI——是否能帮助他们的海洋模型做出更好的预测。他们不仅仅是想更新他们能看到的绿色物质，更希望 AI 能学习如何同时更新那些隐形的成分，比如硝酸盐、磷酸盐以及不同类型的浮游生物。

为了测试这一点，团队在英吉利海峡建立了一个数字化的海洋模拟。他们创建了一个“虚拟海洋”，其物理特性100%真实，但使用了虚构的数据来训练他们的 AI。他们对比了三种调整模型的方法：

旧方法（单变量法）： 只更新绿色的东西（叶绿素），让其余的炖菜保持原样。
“金标准”方法（集合卡尔曼滤波）： 一种非常昂贵、需要超强计算能力的方法，它同时运行数百个模拟过程来推测其中的联系。它效果很好，但对于每天进行现实世界的预测来说，运行速度太慢且成本太高。
新的 AI 方法（混合机器学习）： 使用一种智能计算机程序来学习绿色物质与营养物质之间的联系，然后利用这些知识快速更新模型。

研究人员尝试了两种特定的 AI 技巧。第一种被称为 ML-OI，它教导 AI 去预测绿色物质与营养物质之间的“关系”（相关性）。例如，“当绿色物质激增时，硝酸盐通常会下降。”第二种技巧 ML-EtE 则更加直接：它教导 AI 观察海洋的当前状态和绿色物质，然后简单地“预测”出营养物质所需的精确变化量，从而在不实际运行昂贵的模拟程序的情况下，模仿那个昂贵的“金标准”方法。

结果非常令人振奋。当 AI 在其训练过的地点（一个被称为 L4 的点）进行测试时，它表现得非常出色。它学会了季节、浮游生物爆发与营养物质之间复杂的非线性舞蹈。事实上，与完全不更新营养物质的旧方法相比，AI 方法将营养物质预测的准确度提高了约 8% 到 12%。这意义重大，因为这意味着模型现在可以仅通过观察绿色物质，就能更好地“看见”那些隐形的成分。AI 在捕捉春季爆发的时机方面表现尤为出色，而这正是海洋化学性质发生剧烈变化的时期。

然而，这个故事并非完美的童话。论文还测试了这种 AI 是否能在另一个它从未见过的海洋区域（一个名为 CWEC 的点）发挥作用。在这里，结果褒贬不一。“金标准”AI（ML-EtE）在适应新地点时遇到了困难，本质上是因为它太过于死记硬背第一个地点的特定“风味”了。另一种 AI 方法（ML-OI），因为它学习的是普遍的关系而非具体的数值，表现得更好，它在转移知识方面更具优势，但在处理某些成分（特别是浮游动物）时仍遇到了麻烦。AI 无法正确搞清楚如何更新它们，这表明这些微小的生物对于目前的 AI 来说可能过于难以捉摸。

作者得出结论，虽然机器学习提供了一条让海洋预测变得更快、更准确的清晰路径——解决了每天运行“金标准”方法成本过高的难题——但它目前还不是一根魔杖。当海洋的表现与它受训的地方相似时，AI 会表现良好；它需要更多的工作来处理生态系统中那些最棘手的环节，比如微小的动物。论文建议，未来我们可以通过在“森林”般的各种一维海洋切片上训练这些 AI 模型，从而覆盖整个三维海洋，但就目前而言，这项研究已经证明了 AI 可以成功学习海洋的秘密食谱，让我们的数字副厨变得聪明得多。

技术摘要：用于海洋生物地球化学的混合机器学习数据同化

1. 问题陈述

海洋生物地球化学（BGC）模型对于预测生态系统对气候变化和人类活动的响应至关重要。然而，该领域的数据同化（DA）与物理海洋学相比面临着显著的障碍：

复杂性与非线性： BGC 模型（如 ERSEM）涉及数十个变量和数百个参数，具有高度非线性的相互作用。
观测稀疏且具有不确定性： 观测数据有限，通常仅限于卫星衍生的总叶绿素，而许多状态变量（营养盐、浮游动物、碎屑）仍处于未观测状态。
计算约束： 诸如集合卡尔曼滤波（EnKF）之类的集合方法虽然能提供有效进行多变量数据同化所需的流相关误差协方差，但在高复杂度 BGC 模型的业务运行中，其计算成本极其昂贵。
现有方案的局限性： 业务化系统通常依赖于“单变量”方案，即仅更新已观测变量（叶绿素），并使用简单的静态平衡原则（如化学计量学）来更新未观测变量。这些方法往往无法有效地传播信息，导致对未观测变量的改进微乎其微，甚至可能导致性能退化。

核心挑战在于开发一种能够利用稀疏观测来有效更新未观测变量，且无需承担大规模集合运行计算成本的 DA 框架。

2. 研究方法

本研究提出了一种将机器学习（ML）集成到 DA 工作流中的混合方法。研究利用了西北欧洲大陆架（NWES）系统的 1D 原型，该系统耦合了广义海洋湍流模型（GOTM）与 ERSEM 生物地球化学模型。

2.1 实验设置

地点： 使用了英吉利海峡的两个位点：L4（高生产力、季节性分层，用于训练）和中西英吉利海峡（CWEC，用于测试迁移性）。
观测： 每周同化一次合成的表面总叶绿素观测数据。
基准方案：
- RUS（参考单变量方案）： 使用气候态误差方差仅更新总叶绿素；其他变量通过静态化学计量平衡进行更新。
- EnKF： 作为对比的“金标准”集合型 DA，并用于生成训练数据。

2.2 混合 ML 方法

开发了两种不同的 ML 策略，以引入流相关性和多变量更新：

ML-OI（机器学习最优插值）：
- 机制： 人工神经网络（ANN）根据当前背景状态，预测观测到的总叶绿素与未观测变量（如硝酸盐）之间的状态相关误差相关系数（ $COR_{i,c}$ ）。
- 集成： 将这些预测的相关系数与气候态标准差相结合，通过标准的 DA 更新方程计算分析增量。
- 训练： ANN 基于 100 个自由运行的集合成员进行训练，旨在学习状态变量与相关系数之间的非线性映射。
ML-EtE（机器学习端到端）：
- 机制： ANN 被训练用于直接预测未观测变量的分析增量（ $\Delta x$ ）。
- 输入： 背景状态以及观测变量（总叶绿素）的分析增量。
- 训练： 该网络从 EnKF 运行结果中学习，有效地模拟了 EnKF 的“端到端”更新步骤。

2.3 模型架构

算法： 使用 AutoKeras 进行优化的全连接 ANN，并通过贝叶斯优化进行超参数选择。
特征： 输入特征包括经由气候态最大值缩放后的表层浮游生物变量状态；对于 ML-EtE，还包括叶绿素分析增量。
可解释性： 使用 SHAP（SHapley Additive exPlanations）值来分析特征重要性，并理解模型所学习到的动力学联系。

3. 关键结果

3.1 单变量更新（硝酸盐）

相关性预测： ML-OI 模型在预测叶绿素与硝酸盐之间随时间变化的关联方面显著优于气候态统计数据（RMSE 从 0.731 降至 0.255）。它成功捕捉到了气候态统计数据错过的复杂季节性机制（如爆发期、营养盐限制期、光限制期）及年际变化。
分析与预报技能： 在“在线”循环 DA 中，ML-OI 和 ML-EtE 均使未观测硝酸盐的分析误差比 RUS 基准降低了 8–12%。
预报持久性： 改进的预报效果可持续 4–5 天。ML-EtE 通常优于 ML-OI，尽管两者在 5 天后都出现了误差增长，这凸显了部分更新高度非线性系统的难度。

3.2 多变量扩展（所有浮游生物变量）

性能： 将更新扩展到所有浮游生物变量（ML-EtE (ALL) 和 ML-OI (ALL)）通常使大多数变量的预报和分析 RMSE 提高了 10–50%。
浮游动物挑战： 两种 ML 方案在准确更新浮游动物变量方面都表现欠佳，往往导致误差高于基准方案。SHAP 分析显示，浮游动物的状态是预测其自身相关性或增量的较差指标，这可能是由于其与叶绿素的耦合较弱以及更高营养级的确定性较低所致。
优化： 将浮游动物从更新集中排除（ML-OI (Excl. Zoo)）获得了最佳的整体性能，这表明混合方案应选择性地更新具有强相关性且可学习的变量。

3.3 向新地点的迁移性

泛化能力： 当在 L4 训练的模型应用于 CWEC 位点时：
- ML-EtE (ALL) 失败严重，误差超过基准值的 1.5 倍。直接模拟 EnKF 增量的做法被证明过于依赖训练地点的变率和尺度。
- ML-OI (ALL) 表现出中度的迁移性，特别是在碎屑和营养盐方面，因为它学习的是更具地点无关性的相关结构。然而，它在处理浮游动物方面仍然存在困难。
启示： 虽然存在部分迁移性，但如果不进行重新训练或特定适配，直接端到端模拟增量的做法在不同的生物地球化学机制下尚不够稳健。

4. 重要性与主张

本文声称，混合 ML-DA 为克服海洋 BGC 数据同化的计算瓶颈提供了一条可行路径。

效率： ML 方法可以从离线集合数据中学习复杂的、流相关的统计关系，从而在单模型运行中实现多变量更新，而无需运行大规模集合带来的实时计算成本。
有效性： 研究证明，ML 可以显著改善信息从观测变量（叶绿素）向未观测变量（营养盐、碎屑）的传播，其性能优于传统的单变量方案和静态气候态修正。
可扩展路径： 尽管 3D 业务化实现仍需进一步工作，但作者提出了一种方法，即利用在不同生物地球化学机制下训练的 1D 模型组成的“稀疏森林”来生成 3D DA 系统所需的统计数据。
未来重点： 作者指出，完善迁移性策略、优化训练数据的采样以实现遍历覆盖，以及评估大规模 3D 系统的可扩展性，是未来的关键研究方向。

研究结论认为，虽然 ML 并不能取代动力学 BGC 模型，但它提供了一种明确的机制来增强 DA 步骤，使得复杂海洋系统的多变量同化变得可行。