第40卷第1期2023年2月海洋预报MARINEFORECASTSVol.40，No.1Feb.2023收稿日期：2022-03-20；修回日期：2022-06-15。作者简介：王洁（1982-），女，副教授，博士，主要从事海洋遥感研究。E-mail:wangjie@shou.edu.cn*通信作者：栾奎峰（1981-），男，副教授，博士，主要从事海洋测绘与遥感研究。E-mail:kfluan@shou.edu.cn北太平洋表层海水pH值的重建王洁1,2，毛景景1，吕阳阳1，王杰1，栾奎峰1,2*（1.上海海洋大学海洋科学学院，上海201306；2.上海河口海洋测绘工程技术研究中心，上海201306）摘要：以1993—2018年北太平洋海表面温度（SST）、海表面盐度（SSS）、叶绿素a浓度（Chl-a）、二氧化碳分压（pCO2）等数据为基础，利用传统线性回归分析和BP神经网络算法，建立表层海水pH值的预测模型。结果表明：两种方法对于重建北太平洋表层海水pH值都能达到较高的精度，其中线性回归模型基于SSS、Chl-a、pCO2参数模拟最佳，BP神经网络模型基于SST、SSS、Chl-a、pCO2参数模拟最佳。对比两种最佳模型的均方根误差和拟合系数发现，BP神经网络模型优于线性回归模型。除此之外，最佳BP神经网络模型在4个季节的拟合效果均很好，不同季节的适用性远高于最佳线性回归模型。表层海水pH值受到多种因素的综合影响，与pCO2、SST呈负相关关系，与SSS、Chl-a呈正相关关系。应用最佳BP神经网络模型重建北太平洋表层海水pH值发现，本研究模型的预测结果与已有研究、哥白尼欧洲地球观测计划数据、站点实测数据都存在很好的一致性，表层海水pH值冬季高于夏季，整体呈现西北高东南低的趋势。关键词：线性回归；BP神经网络；表层海水pH值；模型；重建中图分类号：P734.2+5文献标识码：A文章编号：1003-0239（2023）01-0046-11DOI:10.11737/j.issn.1003-0239.2023.01.0061引言太平洋作为世界上最大的大洋，对全球气候变化起着关键作用，丰富的渔业资源也为太平洋岛屿国家的经济发展提供了机遇[1-3]。由于近年来人为排放CO2增加，被海洋吸收后导致北太平洋酸化现象愈发严重，其正在改变并影响着海洋生物赖以生存的化学环境[4-5]，也破坏着海洋生物多样性和生态系统的平衡[6-8]。表层海水pH值作为衡量海水酸化程度的关键指标，是海洋酸化研究的主要参数，北太平洋海水pH值实测数据的缺失使得重建表层海水pH值非常有必要。表层海水pH值的重建有助于加强对北太平洋海域酸化的认识，提高海洋酸化预测的准确性，更好地理解海洋环境因子与海洋酸化之间的作用机理，对填补该海区酸化...
