近日，山东大学海洋研究院刘纪化教授团队在遥感反演海水碱度/无机碳方面取得重要研究进展，团队利用多层感知机神经网络（MPNN）模型，结合现场观测和卫星遥感数据，首次实现了黄东海海表总碱度（AT）和总溶解无机碳（CT）的卫星反演，并揭示了黄东海海表AT和CT近二十年的季节动态和年际变化特征。相关成果以“Remote Estimations of Total Alkalinity and Total Dissolved Inorganic Carbon in the Yellow and East China Seas Using Machine Learning Approach”为题发表于海洋学领域重要国际期刊Journal of Geophysical Research-Oceans。海洋研究院博士后刘静为该论文第一作者，刘纪化教授和中国海洋大学博士后朱庆为共同通讯作者，山东大学海洋研究院为该论文第一及通讯单位。

总碱度和总溶解无机碳是海水碳酸盐体系的两个关键参数，调控着海洋缓冲酸化和储存碳的能力，直接影响海洋碳收支。然而，受制于观测手段，长期以来AT和CT数据的获取主要依赖船基观测，其成本高昂，获取的数据覆盖率有限，难以捕捉到其在海洋环境中的动态变化，尤其是在物理和生物地球化学过程复杂的边缘海区域。此外，AT和CT均不具有可见光波段的光谱特征，且易受到物理过程以及生物地球化学过程的影响，通过水色卫星遥感反演AT和CT存在较大挑战。新兴的机器学习方法能够精准刻画复杂的多变量非线性关系，显著提升海洋参数的反演精度，在海洋碳循环研究中具有广阔的应用前景。因此，本研究提出了基于机器学习方法实现海表AT和CT卫星反演的思路（图1）。

图1 MPNN模型示意图

本研究以黄东海为研究区域，基于过去17年（2005-2021）的碳酸盐参数以及环境参数观测数据集，利用MPNN模型，将相关环境参数（海表温度、海表盐度、叶绿素a）、经纬度以及时间信息（Julday）作为模型输入，经过多轮迭代优化，最终构建了黄东海海表AT和CT的反演模型。本研究将来源于卫星的环境参数作为模型输入，得到AT和CT模型的均方根误差分别为26.59μmol/kg和37.14μmol/kg，表明模型的泛化能力突出，在通过卫星遥感反演海表AT和CT方面应用前景广阔。本研究还将构建的AT和CT反演模型应用于MODIS卫星产品上，首次生成了覆盖黄东海近二十年（2002-2022）空间分辨率~4 km的月平均AT和CT数据集；该数据集精细刻画了黄东海海表AT和CT的月平均空间分布模式。本研究进一步分析了黄东海海表AT和CT的季节变化及年际变化，揭示了其空间分布与水团环流、上升流和生物过程之间的紧密联系。此外，AT和CT的年际变化与环境因予及气候指数（北太平洋环流振荡）之间也存在显著的相关性。该研究在全球范围内首次针对黄东海提出高精度的海表AT和CT卫星反演方案，不仅突破了传统经验算法在复杂海域中的适用性限制，更为研究海水碱化负排放、碳循环以及评估气候变化对近海生态系统的影响，提供了低成本、广覆盖、高精度的遥感理论支撑。

近年来，海洋研究院刘纪化教授团队一直聚焦于海洋碳汇研究，系列研究成果已在Science Advance、Journal of Cleaner Production、Environmental Science & Technology 等学术期刊上发表，有力推进了ONCE大科学计划的实施，为深入理解海洋碳汇过程、开发新型负排放技术以及应对全球气候变化提供了坚实的科学基础与技术支撑。

该研究得到了国家重点研发计划（2024YFF0507000）等项目的支持。