近日，卫星海洋环境动力学国家重点实验室（以下简称"国重室"）白雁研究员及合作者在国际遥感TOP期刊IEEE Transactions on Geoscience and Remote Sensing（IF=8.2）和环境科学TOP期刊Science of The Total Environment（IF=9.8）分别发表了题为“Construction of a High Spatiotemporal Resolution Dataset of Satellite-Derived pCO2 and Air–Sea CO2 Flux in the South China Sea (2003–2019)”（2003-2019年南海pCO2和海-气CO2通量高时空分辨率卫星数据集的构建）和“Satellite-estimated air-sea CO2 fluxes in the Bohai Sea, Yellow Sea, and East China Sea: patterns and variations during 2003-2019” （基于卫星的渤海、黄海和东海的海-气CO2通量：2003-2019年的模式和变化）的研究论文。论文第一单位均为自然资源部第二海洋研究所，第一作者分别为国重室与河海大学联合培养的博士生宋梓庚，以及与浙江大学联合培养的博士生余舒洁，通讯作者为国重室白雁研究员，合作者包括国重室何贤强研究员、厦门大学郭香会教授、南方海洋科学与工程广东省实验室（珠海）翟惟东教授、国家海洋监测中心赵化德副研究员和厦门大学戴民汉院士。
海洋是地球上最大的活性碳库，吸收了约 26%人为排放的CO2，在全球碳循环中具有重要作用。我国海域辽阔，碳汇潜力巨大，经过近20余年研究，已基本明晰了我国近海源汇状态，但不同海区观测数据的覆盖程度差异巨大，碳汇量估算仍存在较大不确性。因此，构建大空间覆盖、高精度的海水CO2分压（pCO2）卫星遥感反演算法和网格化数据集，认识不同海区海-气CO2通量的时空变化，对准确评估中国海碳源汇格局、变化趋势及增汇潜力评估具有重要的科学意义和实际应用价值。
团队前期创新提出了基于控制因子分析的海水CO2分压半解析遥感模型框架（MeSAA），解析和半解析了温度热力学作用、混合作用、生物作用以及海气CO2通量对海水CO2迭代作用的量化等，有效解决了复杂边缘海海水CO2分压的遥感反演难题。MeSAA算法框架已成功实现了大河影响下的长江-东海系统、珠江-南海北部系统和密西西比河-墨西哥湾系统，以及海盆过程主导的白令海和珊瑚海的海水CO2分压的遥感反演。
由于中国海近海多水团高度变异性和生态系统复杂性，目前MeSAA算法难以适配部分极端复杂过程的参数化问题，本研究创新提出了MeSAA算法和机器学习模型（XGBoost）结合的方法（图1），分别构建了适用于渤黄东海和南海的机制驱动pCO2遥感反演算法MeSAA-ML-ECS和MeSAA-ML-SCS，该算法相比于传统机器学习方法，具有更高的精度和更好的机理可解释性。独立航次数据验证表明，渤黄东海和南海的遥感pCO2产品均方根误差分别为19.60μatm和11.69 μatm，平均绝对误差分别为4.12%和1.59%；与南海SEATS时间序列站观测数据相比，均方根误差仅为5.27 μatm；与东海PN断面多年观测数据比较，均方根误差为16.39 μatm，并具有量化变化趋势的能力。
图1 算法思路（以南海为例）。基于该算法，团队制作和发布了涵盖整个中国海的1 km分辨率月平均海水pCO2和海-气CO2通量遥感网格数据集，为目前空间分辨率和精度最高的中国海海-气CO2通量遥感数据集。该数据集在数据共享平台Zenodo开放获取（东海数据https://doi.org/10.5281/zenodo.7701112，南海数据https://doi.org/10.5281/zenodo. 7743187），也已集成在海洋遥感在线分析平台SatCO2发布共享。
高精度、高时空分辨率的海水pCO2和海-气CO2通量遥感数据集精细刻画了中国海碳源汇格局长时序变化，认识了各海区的碳吸收/排放量（图2-3）。渤海夏季为大气CO2的强源，冬季为强汇，平均每年从大气吸收0.16 Tg C；黄海7–9月为碳源，其余月份为碳汇，平均每年吸收3.85 Tg C；东海全年均为大气CO2碳汇，平均每年吸收14.80 Tg C；南海北部陆架在冬季是碳汇，其余季节为碳源，平均每年吸收2.02 Tg C；南海海盆全年为碳源，平均每年释放9.89 Tg C。研究还初步分析了中国海碳汇的变化趋势，在2003-2019年期间，渤黄东海碳汇能力显著增加，而南海碳排放量显著下降。
图2 2003-2019年2月、5月、8月和11月（分别代表冬季、春季、夏季和秋季）平均pCO2和海气CO2通量空间分布。
图3. (a) - (c) 2003-2019年渤海、黄海、东海的海水和大气CO2分压的变化趋势。(d) - (f) 渤海、黄海、东海的的海气CO2通量变化趋势。虚线为线性拟合曲线。(g)海区海气CO2年通量区域平均，附图显示放大坐标轴的渤海变化。
图4. (a) - (c) 2003-2019年南海、南海中央盆地和北部陆架的海水和大气二氧化碳分压的变化趋势。(d) - (f)南海、南海中央海盆和北部大陆架的海气二氧化碳通量变化趋势。虚线为线性拟合曲线。(g)海区海气CO2年通量区域平均。
01 论文引用
[1] Yu, S., Song, Z., Bai, Y.*, Guo, X., He, X., Zhai, W., Zhao, H. & Dai, M. (2023). Satellite-estimated air-sea CO2 fluxes in the Bohai Sea, Yellow Sea, and East China Sea: Patterns and variations during 2003–2019. Science of The Total Environment, 904, 166804. https://doi.org/10.1016/j.scitotenv.2023.166804.
[2] Song, Z., Yu, S., Bai, Y.*, Guo, X., He, X., Zhai, W., & Dai, M. (2023). Construction of a high spatiotemporal resolution dataset of satellite-derived pCO2 and air-sea CO2 flux in the South China Sea (2003-2019). IEEE Transactions on Geoscience and Remote Sensing. https://doi.org/10.1109/TGRS.2023.3306389.
02 参考论文
[1] Bai, Y.*, Cai, W. J., He, X., Zhai, W., Pan, D., Dai, M., Yu, P. (2015). A mechanistic semi-analytical method for remotely sensing sea surface pCO2 in river-dominated coastal oceans: A case study from the East China Sea. Journal of Geophysical Research Oceans, 120(3), 2331-2349.
[2] Song, X., Bai, Y.*, Cai, W.-J., Chen, C.-T.A., Pan, D., He, X., Zhu, Q., (2016). Remote sensing of sea surface pCO2 in the Bering Sea in summer based on a mechanistic semi-analytical algorithm (MeSAA). Remote Sensing. 8 (7), 558.
[3] Zhang, S., Bai, Y.*, He, X., Yu, S., Song, Z., Gong, F., Zhu, Q., Pan, D. (2023). The carbon sink of the Coral Sea, the world's second largest marginal sea, weakened during 2006–2018. Science of the Total Environment, 162219.
[4] Le, C., Gao, Y., Cai, W.-J., Lehrter, J.C., Bai, Y., Jiang, Z.-P. (2019). Estimating summer sea surface pCO2 on a river-dominated continental shelf using a satellite-based semi-mechanistic model. Remote Sensing of Environ. 225, 115–126.
VIP课程推荐
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
