3月9日，記者從中國科學院海洋所獲悉，由該所宋金明團隊設計的國內首套全球海洋表層海水二氧化碳分壓(pCO2)數據產品正式發布，并面向全球公開共享(數據集鏈接：https://doi.org/10.12157/iocas.2021.0022)。該研究成果于近日在線發表于國際學術期刊Biogeosciences，中科院海洋所在讀博士生鐘國榮為第一作者，該所宋金明研究員、李學剛研究員為通訊作者。

宋金明介紹，該產品基于逐步前反饋神經網絡(Stepwise FFNN)的pCO2數據產品重構算法，構建了1992年1月至2019年7月全球大洋表層海水pCO2格點數據，為研究表層海水pCO2、二氧化碳通量、海洋碳源匯提供重要數據基礎。

海洋是地球系統中最大的碳庫，自工業革命以來，人類活動排放的二氧化碳約有三分之一被海洋吸收。長期、連續、廣覆蓋度的全球海洋表層海水二氧化碳分壓(pCO2)數據產品對于海洋碳源匯準確評估具有重要意義，在評估海氣界面二氧化碳通量、探析海洋對二氧化碳的吸收與釋放過程、預測海洋吸收人類排放二氧化碳能力的未來變化中起著重要作用。

然而，目前與海洋碳源匯評估相關的海洋實測數據較少、時空分布極不均勻，并且傳統的插值方法誤差較大，造成國際上缺乏成熟的全球尺度數據產品，海洋碳源匯強度估算不確定性大。針對這一問題，國內外開始探索基于人工智能的長時間序列格點數據產品研制技術，通過不同神經網絡來擬合pCO2與關聯參數的關系，進而構建格點數據產品。但現有pCO2產品研制技術通常在全球使用相同的一套擬合參數，忽略了不同海域pCO2影響因素的差異，并且參數選取的主觀性大，無法準確反映海洋真實變化情況。

全球大洋1°×?1°表層海水二氧化碳分壓數據產品

記者了解到，宋金明團隊研發的該套數據產品時間分辨率為月，空間分辨率為1°。與現有產品相比，該產品考慮了不同海域pCO2影響因素的差異，將全球大洋劃分為11個區域，在不同海域分別挑選與pCO2變化最密切相關的關聯參數，并且使用了基于統計學依據的參數選擇算法，減少了主觀選擇二氧化碳關聯參數帶來的不確定性，顯著提高了數據的準確度和精度。與國際同類產品相比，本數據產品的誤差更低。Stepwise FFNN算法在構建格點數據的同時，還給出了不同海域插值誤差最低的關聯參數表，為研究表層海水pCO2和二氧化碳通量的區域差異及主要影響因素、海洋碳源匯提供了重要的數據基礎。

關鍵詞： 二氧化碳 二氧化碳分壓 影響因素 神經網絡 區域差異