跳到主要内容
返回时间线
arXiv来源发表:

ChlCast 把叶绿素a预报做到约4公里:对比哥白尼业务系统,卫星参考下误差降七成

核心概要

ChlCast 是一个由观测数据驱动的深度学习模型,可在南纬60度至北纬60度之间以约4公里分辨率给出未来10天的逐日表层叶绿素a浓度预报。此前业务化的哥白尼全球海洋生物地球化学预报系统以0.25度网格运行,细尺度结构在粗网格上被削弱。以卫星L4叶绿素a场为参考时,ChlCast 的平均绝对误差和均方根误差分别比哥白尼低70.74%和47.63%;以独立的BGC-Argo现场观测为参考时,两项误差分别低35.03%和13.07%。

Source-provided article image: An AI-enabled high-resolution chlorophyll-a forecasting model that outperforms the operational global biogeochemical system
arXiv

深度剖析

表层叶绿素a的逐日预报现在可以在接近全球的范围内以约4公里分辨率给出,覆盖南纬60度至北纬60度,预报时效为10天。 此前的业务化全球预报来自哥白尼全球海洋生物地球化学分析与预报系统,其水平分辨率为0.25度,细小的近岸梯度与局地浓度高值在粗网格平均中被削弱。 在2026年8月14日至10月9日之间的56次有效预报起报中,把 ChlCast 预报与卫星L4参考场都聚合到哥白尼网格后,汇总10个预报日的平均绝对误差和均方根误差分别比哥白尼低70.74%和47.63%,皮尔逊相关系数为0.8685对0.3283。

模型从过去10天的叶绿素a序列和逐日气候态背景中学习表层叶绿素a的时空演变,再逐日外推未来10天。 输入采用相对于逐日气候态均值的对数空间距平,并把对应的对数气候态均值作为额外通道一并输入,这一配置在两种架构上都取得最低的平均绝对误差、均方根误差和最高的距平相关系数。 在2023至2025年测试集上,采用该输入配置的(2+1)D U-Net 平均绝对误差为0.0675、均方根误差为0.5004、距平相关系数为0.4709;参数量约23.2倍的3D Swin-T U-Net 均方根误差仅低0.08%,平均绝对误差反而高0.89%。

在原生4公里分辨率下,预报保留了近岸浓度梯度和局地浓度极大值,而这些结构在聚合到0.25度网格后被明显抹平。 同一批 ChlCast 预报聚合到哥白尼网格后,局地叶绿素a极大值下降,网格内变异在总空间方差中的占比也随之改变。 以色列地中海沿岸2026年8月29日至9月2日的个例中,聚合预报的逐日空间极大值比4公里预报低32.78%至50.47%;4公里 ChlCast 预报中网格内变异占总空间方差的34.26%,卫星L4参考场为41.27%。

启示与展望

评估覆盖南纬60度至北纬60度、约4公里网格上的逐日10天预报,业务对比限于2026年8月14日至10月9日的56次有效起报,BGC-Argo独立验证使用2026年8月15日至10月19日、505个浮标共1915条剖面。读者对象是关注海洋生态预报与地球系统深度学习的研究人员和工程师。

ChlCast 在所有预报时效上都低估叶绿素a浓度,而哥白尼整体为正偏差;高气候态浓度类别只占总有效样本权重的2.15%,却贡献了总加权平方误差的56.79%。卫星L4产品既是训练目标又是主要格点参考,在光学复杂的近岸水体带有插值与反演不确定性;BGC-Argo在高浓度水域采样稀疏。与哥白尼的差异同时涉及原生分辨率、建模方式、信息来源和初始化程序,难以归因于单一因素。