德州沿海次表层溶解氧机器学习模型与处理数据
数据集简介
内容
本Zenodo记录是论文《Model-Sensitive Interannual Variability in Texas Coastal Subsurface Oxygen (2013–2024) Revealed by Machine Learning》的配套数据处理与训练模型存档。存档包含支持论文图1至图5的已处理数据产品,以及三个最终训练好的机器学习模型:多层感知机(MLP)、直方图梯度提升(Histogram Gradient Boosting)和随机森林(Random Forest)。
数据产品清单
存档中的文件按功能组织,主要包括:
- 观测计数与清单:
fig02_observation_counts.csv、observation_inventory_by_unit.csv、GERG_gliders_inventory_summary.csv、GERG_gliders_mission_table.csv、mch_acrobat_cast_inventory.csv、mch_acrobat_unit_harmonization.csv - 滑翔机水文产品:
glider_hydrographic_annual_depth_summary.csv、glider_hydrographic_trends_50dbar.csv、glider_temperature_coverage_weighted_trends_50dbar.csv - 多模型重建与预测:
glider_multimodel_1min.parquet、mch_acrobat_tracks_1min.parquet、multimodel_validation_predictions.parquet - 年度氧变率:
oxygen_annual_variability_hgb_50dbar.csv、oxygen_annual_variability_mlp_50dbar.csv - 文档与校验:
DATA_DICTIONARY.md、software_environment.txt、SHA256SUMS
单位说明
处理后的模型表格中的氧值以µmol kg⁻¹存储。论文中出现的mL L⁻¹值是由原位海水密度逐样本计算而来,用户在使用数据时应注意单位换算,确保与论文结果一致。
模型兼容性
存档包含三个最终训练好的机器学习模型,分别对应不同的算法:
- 多层感知机(MLP):一种前馈人工神经网络,适用于捕捉非线性关系。
- 直方图梯度提升(Histogram Gradient Boosting):基于梯度提升决策树的集成方法,利用直方图加速训练。
- 随机森林(Random Forest):基于决策树的集成方法,通过随机采样特征和样本提高泛化能力。
模型文件以Joblib格式存储,便于在Python环境中直接加载使用。用户可参考software_environment.txt了解运行环境依赖。
源观测
数据基于德克萨斯沿海的滑翔机(glider)和MCH Acrobat拖曳式剖面仪观测。滑翔机任务清单和清单摘要提供了观测的时空覆盖信息,而MCH Acrobat的投放清单和单位协调文件则记录了拖曳式观测的详细信息。这些源观测数据经过处理,生成了一分钟分辨率的重建表和年度/压力分层氧产品。
联系
本数据集由德克萨斯A&M大学地球化学与环境研究小组(GERG)发布。主要贡献者包括Ge Xiao、Mahmud Sakib、Uchenna Nwankwo、Steven DiMarco、Zhankun Wang、Alec Krueger、Anthony Knap和Matthew Smith。如有问题,可通过Zenodo记录页面联系作者。