北太平洋表层海水pH值的重建

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(pCO_(2))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、pCO_(2)参数模拟最佳,BP神经网络模型基于SST、SSS、Chl-a、pCO_(2)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pCO_(2)、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。