来源：期刊VIP网 时间：
作者：张潇;李超;窦衍光;王凤梅;褚明欣;密蓓蓓;梅西;杨守业;
单位：同济大学海洋地质全国重点实验室;中国地质调查局青岛海洋地质研究所;
摘要：厘清中国边缘海沉积有机碳的分布特征和控制因素有助于建立东亚边缘海有机碳循环模型及其“源-汇”格局。当前中国东部边缘海有机碳分布图的绘制，主要是通过数学插值对采样点之间进行填充。该方法一方面极大地受限于采样站位的位置和数量，另一方面通过数学插值填图也忽视了样品与海水理化性质、海底地形和洋流等环境因素的差异，将复杂的地质问题简单化。机器学习方法能够从高维和复杂数据中提取关键信息，构建环境属性特征和预测变量的映射关系。本文借助机器学习方法中常用的随机森林算法，通过对405个海洋沉积物有机碳数据与50个环境属性特征映射关系的学习，预测了中国东部边缘海表层沉积物的有机碳含量。相比根据同样数量样品由克里金插值计算绘制的有机碳分布图，随机森林算法对沉积物有机碳含量预测结果的平均绝对误差、均方根误差、最大残差等误差评价指标均更小，十折交叉检验的R~2达到0.6，表现出较高的拟合精度。尤其对于采样密度较低或因采样困难存在样品空缺的海区，随机森林算法能更准确的预测表层沉积物有机碳含量，体现出更符合实际情况的预测潜力和外推性优势。本文所建立的随机森林算法对于未来其他海洋沉积物地球化学指标的预测也同样具有借鉴作用，对于中国东部边缘海的资源调查和环境保护具有重要的现实意义。
关键词：空间插值;;机器学习;;随机森林;;表层沉积物;;有机碳含量
基金资助：上海市科委国际合作项目“利用人工智能算法预测洋底Th同位素分布及全球海洋沉积通量”(24510714500);; 国家自然科学基金项目“根据河流沉积物(234U/238U)计算流域尺度的平均侵蚀速率”(42273057)
