智能AI
morning
REACT：海洋活性示踪剂的物理和化学一致重建
摘要
arXiv:2610.03888v1 Announce Type: new Abstract: Reconstructing global sea surface pH from sparse observations is critical for monitoring ocean acidification and understanding marine carbon cycling. Tr...
the
and
carbon
carbonate
for
while
error
REACT
state
from
2026-10-06
1 阅读
约1分钟阅读
Wenbin Dai, Hao Zheng, Shiyu Liang, Chaofan Sun, Xueying Zhang, Hanbo Huang, Xuan Gong, Yiran Zhang, Enhui Liao
字号:
arXiv:2610.03888v1 公告类型：新 摘要：通过稀疏观测重建全球海面 pH 值对于监测海洋酸化和了解海洋碳循环至关重要。传统的同化和逆模型有物理基础，但大规模重建成本高昂。最近的黑盒和物理引导的人工智能模型提高了效率，但主要是为被动追踪器设计的，其中重建的变量也是运输的库存。相比之下，pH 是一种活性碳酸盐示踪剂：它是预测目标，而溶解无机碳 (DIC) 是保守的碳库存。这种不匹配会产生低 pH 误差，同时违反碳酸盐封闭和无源碳保存。为了解决这个问题，我们引入了 \textbf{REACT}，一个碳优先的重建框架，可以解耦传输、主动校正和化学解码。 REACT 使用保守的平流扩散解算器传输潜在碳酸盐状态，使用源模块捕获非保守碳循环变化，将校正后的状态解码为 pH 值，并通过碳酸盐平衡限制输出。这种设计将 pH 值作为目标，同时强制底层碳态的一致性。根据模拟数据，与最佳基线相比，REACT 将 pH NRMSE 降低了 (14.7%)，将化学一致性误差降低了 (24.0%)。跨时间尺度评估显示了从粗到细时间尺度的误差积累的鲁棒性，消融研究验证了每个组件的有效性。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱