黄海东南部近岸浅水区海洋酸化研究：文石饱和度(ΩAR)的时空特征与生态风险

针对黄海近岸浅水区海洋酸化数据匮乏的问题，研究人员通过七次季节性调查结合人工神经网络(ANN)算法，首次量化了该区域文石饱和度(ΩAR)的时空变化。研究发现冬季ΩAR低至1.6（部分区域<1），可能威胁钙化生物生存，为制定近岸酸化应对策略提供了关键科学依据。

　　

海洋酸化正以"静默危机"的形式重塑全球海洋生态系统，而黄海这一半封闭陆架海更是首当其冲。尽管黄海西北部和西南部的酸化研究已取得进展，但水深不足20米的近岸浅水区——这片连接陆地与海洋、承载渔业养殖和蓝碳功能的关键地带，却长期缺乏系统研究。更棘手的是，近岸水域受河流输入、海底地下水排放(SGD)和潮汐混合等多重因素影响，其碳酸盐体系比外海复杂得多。韩国海洋环境管理公团(KOEM)的常规监测也未能覆盖关键参数如文石饱和度(Ω_AR)，导致政策制定者难以评估酸化对贝类等经济生物的潜在威胁。

为填补这一空白，韩国大学等机构的研究团队在《Regional Studies in Marine Science》发表了一项开创性研究。他们整合了两年间七次季节性航测数据，创新性地采用人工神经网络(ANN)算法重建了九年(2014-2022)的碳酸盐参数，首次绘制出黄海东南部近岸浅水区Ω_AR的完整时空图谱。

研究团队通过采集水温、盐度、营养盐等常规参数，结合溶解无机碳(DIC)和总碱度(TA)的实验室测定，构建了ANN训练数据集。该算法优选32个神经元架构，对DIC和TA的预测误差分别控制在12μmol kg^-1和14μmol kg^-1以内。基于这些预测值，研究人员计算了Ω_AR并分析其驱动机制。

数据采样与测量
通过KOEM的季度监测网络获取水文和生物地球化学参数，补充DIC和TA的船载测量。ANN训练集包含温度、盐度、溶解氧等12个预测变量。

ANN算法性能
优化后的ANN模型对TA和DIC的预测R²达0.97，成功捕捉近岸碳酸盐体系的非线性特征，为长期趋势分析提供可靠工具。

Ω_AR时空变化的影响因素
冬季平均Ω_AR低至1.6（局部<1），主因黄海初级生产力季节性降低；夏季值最高(2.1-2.4)但变幅大，受河流输入和生物过程共同调控。与远海相比，近岸Ω_AR的冬季降幅更显著。

结论
研究揭示近岸水域Ω_AR已频繁低于贝类生存安全阈值(1-2)，尤其在冬季。ANN重建显示2014-2022年八月Ω_AR均值较单次观测低0.3，暗示单次调查可能低估酸化风险。该成果为近岸生态系统管理提供了首个碳酸盐系统基准，对制定贝类养殖适应策略具有迫切指导价值。

这项研究的创新性在于将机器学习与传统海洋化学相结合，破解了近岸复杂环境下的监测难题。特别是发现冬季近岸Ω_AR低于远海的"反常"现象，提示陆地输入和沉积物再悬浮可能加剧了近岸酸化。考虑到该区域养殖着韩国70%的牡蛎，研究团队呼吁建立Ω_AR的常态化监测体系，并将这一指标纳入水质标准评估框架。