“深时数字地球”国际大科学计划系列工作坊持续开放！专业友好可复现，赋能科学智能生态合作（4）

深时数字地球（Deep-time Digital Earth，DDE）是由我国科学家主导发起并受国际学术界认可的首个大科学计划。该计划围绕地球演化这一科学命题，通过全球科学家和机构协作，运用人工智能、大数据、超级计算等现代技术，整合过去数十亿年地球时空大数据，构建地球科学全领域知识图谱，建立全球共享的处理分析平台，研究生命演化、地理演化、气候演化与物质演化相关重大科学问题，推动地球科学研究范式变革。

在此背景下，和鲸科技联合浙江大学地球科学学院师生，共同发起了DDE 深时数字地球国际大科学计划系列工作坊。工作坊积极响应 DDE 国际大科学计划的相关倡议，基于 Open Science 理念，由和鲸社区开设分主题社群与讨论区，特邀多位相关领域的研究人员，通过专业、友好、可复现的地学 Python 应用案例 + 实战培训，帮助参与者切实提高使用数据技能解决真实科研问题的能力。

在如今的“科学智能”新时代，立足 AI for Science 视角，采用各种现代化分析方法解读、可视化海量的地学数据，可以进一步帮助我们理解地球圈和生物圈协同演化过程。

为此，在工作坊第四期的课程中，来自浙江大学地球科学学院的李岸洲博士作为特邀导师，带领大家通过重建古大气二氧化碳浓度这一实际案例学习了如何通过整合二氧化碳代理模型和数据，探究显生宙大气二氧化碳分压水平变化的趋势，从而科学且高效地了解地球长期和未来的气候演变，为应对当今全球变暖趋势提供指导与参考。通过课程学习，学员们将能够独立完成数据采集与预处理、二氧化碳深时时序构建、数据拟合等一系列流程，深入理解由二氧化碳代理模型和数据得到地质时代的古环境和古气候条件特征的过程。

课程主要介绍了利用大模型和 Python 等工具对相关数据进行“数据采集 - 预处理 - 深时时序构建 - 数据拟合”等处理的全部流程，为学员们展示了科学智能引导下的地球科学科研新范式。以下是课程中介绍的分析思路和部分数据分析方法的示例。

数据处理：筛选掉错误的数据（前步骤略）

通过pandas库的describe函数，发现下载的数据中"co2","co2_uncertainty_higher"和"co2_uncertainty_lower"两列最小值小于0，这是不符合常理的，所以要进行数据清洗。

绘制二氧化碳分压时序散点图（前步骤略）

在这一步中，将前面定义的绘图函数与数据结合起来创建散点图。这个散点图将显示代理物、时间和二氧化碳浓度之间的关系。

篇幅所限，以上仅展示一小部分案例内容。通过一系列的地质数据分析和可视化处理，我们可以得到整个显生宙的大气二氧化碳分压水平变化的趋势图，从而探究地球长期和未来的气候演变趋势，对当前的气候应对方案也有着重要的指导作用。在科学智能的驱动下，借助大模型技术，我们可以对古往今来的大气数据进行深度挖掘，搭配智能可视化平台，还能够生成动态图谱，辅助研究者提高科研能力与效率，让地球科学研究从数据海洋中精准捕获规律，迈向智能化探索新维度。