本报讯 近日，学校海洋环境与生态教育部重点实验室高会旺教授团队在环境领域顶尖学术期刊 Environmental Science & Technology 发表题为“Aerosol Iron Solubility Specification in the Global Marine Atmosphere with Machine Learning”( 深度学习模拟全球海洋大气气溶胶中铁溶解度 ) 的研究论文。石金辉教授和管阳博士为论文的第一作者，石金辉教授和日本熊本县立大学张代洲教授为通讯作者，高会旺教授、姚小红教授和王仁政博士参与合作。
基于研究团队多年的海洋观测资料，并整合全球海洋的相关数据，团队开发了 DLNN 模型量化和预测了全球海洋大气气溶胶中铁的溶解度。模型集成了目前对气溶胶中可溶铁生成机制的已有认识，最终确定了五个输入变量，包含了乙二酸的络合作用、硫酸和硝酸的酸化作用、源效应、粒径谱、环境因子影响，模型首次考虑了雾过程的影响，并证明在南大洋海域这一过程对气溶胶中铁溶解度的决定性影响。该研究还建立了全球海洋及其边缘区域分级气溶胶铁溶解度的数据集，以提升 DLNN 模型在全球尺度上的泛化性能。
该 研 究 很 好 地 重 现 了 世 界 上 大 多 数 海 洋及 边 缘 区 域 的 观 测 结 果，相 关 系 数 高 达 0.73-0.97。 与 最 新 发 展 的 全 球 大 气 化 学 传 输 模 式（IMPACT）的结果相比，DLNN 模型的结果与全球海洋的观测数据具有更好的一致性。特别是，在大气铁沉降影响的关键海域——南大洋，模型包含的雾过程帮助解决了该海域观测到的高铁溶解度一直被模式显著低估的难题。将 DLNN 模型作为一个模块纳入全球大气化学传输模式，有望显著提高全球大气气溶胶中铁溶解度的模拟准确性。
相关研究工作得到了国家自然科学基金项目的资助，深度学习模型的训练、验证和预测依托北京砥脊科技的 AI for Science 平台完成。
（管阳）