2002-2022年中国近海表层海水pH、DIC、TA和缓冲因子格点数据集

该数据集为根据收集的中国近海酸化参数观测数据，使用逐步集成学习广义回归-前反馈神经网络算法，拟合pCO2和DIC分压与温度、盐度等其他环境参数间的非线性关系，进行时空插值构建得到pCO2和DIC分压，再计算得到其他酸化参数格点数据构建得到。时间范围为2002年8月至2022年12月，分辨率为每月。空间范围为中国近海，分辨率为4km。

This dataset is constructed based on collected observational data of ocean acidification parameters in the offshore waters of China. Firstly, the stepwise ensemble learning generalized regression-feedforward neural network algorithm is applied to fit the nonlinear relationships between the partial pressures of pCO2 and DIC and other environmental parameters such as temperature and salinity, followed by spatiotemporal interpolation to derive the partial pressures of pCO2 and DIC. Finally, grid data of other ocean acidification parameters are calculated to finalize the dataset construction. The temporal scope spans from August 2002 to December 2022, with a monthly temporal resolution. The spatial scope covers the offshore waters of China, with a spatial resolution of 4 km.

搜集汇总

背景与挑战

背景概述

该数据集包含2002年8月至2022年12月中国近海表层海水的pH、DIC、TA和缓冲因子等酸化参数，空间分辨率为4km，时间分辨率为每月。数据通过逐步集成学习广义回归-前反馈神经网络算法构建，适用于海洋化学研究。