工业革命以来,由于化石燃料使用和对森林乱砍滥伐等人为活动,过量的二氧化碳被排放到大气中,这其中约有三分之一的二氧化碳被海洋吸收。海洋生态系统碳汇过程减缓了全球变暖和气候变化的趋势。然而海水对人为排放二氧化碳的吸收也在降低海水的pH和碳酸根离子浓度,后者同时还会降低碳酸钙饱和度——这一过程被称为海洋酸化。pH是表征水体中氢离子浓度的重要参量。海水剖面的pH分布并不均匀,其整体上呈现海表pH高,海底pH低的特点。而根据不同海区的生地化特征不同,其在剖面不同深度上会出现pH的极小值。随着深度增加,海水压力增大,温度降低,其pH也逐渐上升,但也远低于海表的pH值。因此深层海水的酸化往往比表层更加严重,而表层海水的pH往往能反映出深层海水的一些特征。
本研究针对如何构建高精度的全球海表pH遥感反演模型及产品的科学问题,确立了研究思路为基于实测海水CO2分压(pCO2)数据集扩充现有的实测pH数据,再在此数据集基础上构建pH遥感反演的机器学习模型,生产海表pH遥感产品,并对全球海表pH的分布及长时序变化做分析和讨论。