近日，中国科学院海洋研究所宋金明团队在《Earth System Science Data》期刊发表了国际首套基于机器学习的月平均全球大洋海水三维pH格点数据集，该数据集具有全球大洋1°×1°分辨率，覆盖大洋0~2000米（41层），时间跨度为1992年至2020年。

海洋持续吸收大气CO₂导致的海水酸化作为当前海洋面临的主要环境问题之一而备受关注。海洋酸化会对海洋生物和生态环境产生系统影响，导致海洋生态系统发生显著变化，准确评估海洋酸化状况对于探究海洋生物对海水pH变化的响应和全球海洋吸收二氧化碳能力的未来变化至关重要。然而，目前观测数据的不均衡严重限制了人们对全球大洋酸化的了解，特别是缺乏表层海水以下长期、连续和高覆盖率的海水pH数据。为了更加准确地评估全球大洋酸化状况，宋金明研究团队采用了逐步前反馈神经网络算法（Stepwise FFNN），基于全球海洋数据分析计划（GLODAP）观测数据构建海水pH与环境参数间的非线性关系，获得了近30年来的月平均全球大洋海水三维pH格点数据集（图1）。

图1 全球大洋平均pH垂直分布

相比国际上目前仅限于表层海水的pH同类产品，该研究获取的pH格点数据集将海水深度扩展到2000米，技术层面存在的优势包括：1）根据pH变化和影响因素将全球大洋进行分区，在不同的区域用逐步前反馈算法来筛选和pH最相关的环境参数（图2），使用的输入参数更能反映pH影响因素的区域差异，显著提高了格点数据集的区域准确度。2）利用观测数据基于交叉边界的分区最优插值，可更准确地构建格点数据集，这种方法与以往国内外海洋化学参数格点数据构建相比体现出了显著的优势。3）使用年际交叉验证法和定点连续观测站的独立验证，更好地避免了神经网络模型过拟合及其对数据准确性评估的影响，可更加合理地评估和验证pH格点数据的准确性。

图2 全球大洋pH三维格点数据构建技术

该格点数据集扩展了对大洋不同深度酸化状况以及进程的系统认识，对探究海洋酸化的生态环境效应乃至全球变化响应意义重大。

海洋研究所钟国荣特别研究助理为论文第一作者，宋金明和李学刚为论文共同通讯作者，王凡、张斌、王彦俊等为共同作者。研究得到了国家自然科学基金、国家重点研发计划、崂山实验室项目等课题资助。

pH格点数据集面向全球公开共享，可以通过中国科学院海洋科学数据中心网站（http://dx.doi.org/10.12157/IOCAS.20230720.001）免费获取。

相关论文：

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.