近日，中國科學院海洋研究所宋金明團隊在《Earth System Science Data》期刊發表了國際首套基于機器學習的月平均全球大洋海水三維pH格點數據集，該數據集具有全球大洋1°×1°分辨率，覆蓋大洋0~2000米（41層），時間跨度為1992年至2020年。

海洋持續吸收大氣CO2導致的海水酸化作為當前海洋面臨的主要環境問題之一而備受關注。海洋酸化會對海洋生物和生態環境產生系統影響，導致海洋生態系統發生顯著變化，準確評估海洋酸化狀況對于探究海洋生物對海水pH變化的響應和全球海洋吸收二氧化碳能力的未來變化至關重要。然而，目前觀測數據的不均衡嚴重限制了人們對全球大洋酸化的了解，特別是缺乏表層海水以下長期、連續和高覆蓋率的海水pH數據。為了更加準確地評估全球大洋酸化狀況，宋金明研究團隊采用了逐步前反饋神經網絡算法（Stepwise FFNN），基于全球海洋數據分析計劃（GLODAP）觀測數據構建海水pH與環境參數間的非線性關系，獲得了近30年來的月平均全球大洋海水三維pH格點數據集（圖1）。

圖1 全球大洋平均pH垂直分布

相比國際上目前僅限于表層海水的pH同類產品，該研究獲取的pH格點數據集將海水深度擴展到2000米，技術層面存在的優勢包括：1）根據pH變化和影響因素將全球大洋進行分區，在不同的區域用逐步前反饋算法來篩選和pH最相關的環境參數（圖2），使用的輸入參數更能反映pH影響因素的區域差異，顯著提高了格點數據集的區域準確度。2）利用觀測數據基于交叉邊界的分區最優插值，可更準確地構建格點數據集，這種方法與以往國內外海洋化學參數格點數據構建相比體現出了顯著的優勢。3）使用年際交叉驗證法和定點連續觀測站的獨立驗證，更好地避免了神經網絡模型過擬合及其對數據準確性評估的影響，可更加合理地評估和驗證pH格點數據的準確性。

圖2 全球大洋pH三維格點數據構建技術

該格點數據集擴展了對大洋不同深度酸化狀況以及進程的系統認識，對探究海洋酸化的生態環境效應乃至全球變化響應意義重大。

海洋研究所鐘國榮特別研究助理為論文第一作者，宋金明和李學剛為論文共同通訊作者，王凡、張斌、王彥俊等為共同作者。研究得到了國家自然科學基金、國家重點研發計劃、嶗山實驗室項目等課題資助。

pH格點數據集面向全球公開共享，可以通過中國科學院海洋科學數據中心網站（點擊左下閱讀原文訪問）免費獲取。

相關論文：

Zhong, G., Li, X., Song, J., Qu, B., Wang, F., Wang, Y., Zhang, B., Cheng, L., Ma, J., Yuan, H., Duan, L., Li, N., Wang, Q., Xing, J., and Dai, J.: A global monthly 3D field of seawater pH over 3 decades: a machine learning approach, Earth Syst. Sci. Data, 17, 719–740, https://doi.org/10.5194/essd-17-719-2025, 2025.

• 信息來源：中國科學院海洋所。

  轉載請注明信息來源及海洋知圈編排。