近日,我室白雁研究员团队及合作者在环境科学与生态学TOP期刊Science of The Total Environment(IF=10.75)上发表了题为“The carbon sink of the Coral Sea, the world's second largest marginal sea, weakened during 2006–2018(世界第二大边缘海-珊瑚海碳汇能力正在减少(2006-2018))”的研究论文。论文第一作者为我室与中国科学院大学联合培养的博士生张思琪,通讯作者为我室白雁研究员,合作者包括我室何贤强研究员、龚芳高级工程师、朱乾坤正高级工程师、潘德炉研究员。
全球碳计划GCP 2022报告显示,海洋吸收了约26%的人为CO2,在大气CO2浓度不断增加的背景下,全球海洋的碳汇能力也在不断增加,但不同边缘海系统碳汇变化特征各有差异。利用遥感手段认知全球不同边缘海系统的碳源汇格局和变化,将有助于我们深入理解全球气候变化和人类活动多重压力下的海洋固碳能力变化。
珊瑚海是世界第二大边缘海,包括了广阔的寡营养海盆和生物多样性热点区大堡礁,海水生物地球化学过程复杂;受制于时空分布不均匀的观测样本,珊瑚海海-气CO2通量及海水碳汇能力变化一直缺乏足够的研究。本研究在团队前期构建的基于控制机制的海水CO2分压半分析反演算法(MeSAA)基础上(Bai*, et al., 2015),针对珊瑚海的区域海洋特征,增加了大气CO2浓度增长影响的量化作用,重建了2006-2018年珊瑚海高空间分辨率pCO2和海-气CO2通量遥感数据集(图1)。经过大量独立实测数据验证,该数据集在海盆(RMSE<10μatm,R2>0.72)和珊瑚礁区域(RMSE<12μatm,R2>0.8)具有较高的精度,且能很好的还原珊瑚海海水pCO2的长时序变化(图2)。
图1 2006-2018年珊瑚海气候态月平均海水pCO2空间分布图。
图2 (A-F)2006-2018年期间6个1º×1º子区域内pCO2、温度和盐度的月变化时间序列图。空心圆圈表示来自SOCAT数据集的实测月平均数据,实线是同时空匹配下的模式或卫星遥感月平均数据。(G)六个子区域位置示意图。(H)子区域内卫星反演的MeSAA-pCO2和来自CarbonTracker的大气pCO2的年平均增长速率(P值均小于0.001)。
我们发现在大气CO2增加的强迫下,珊瑚海海水pCO2也在持续增加(增速为1.8~2.7μatm/年),且增长速度高于大气。受近岸珊瑚礁高pCO2海水沿海岸输送及水团滞留等因素,近岸海水pCO2增长速度更快(>2.5μatm/年)。2006-2018年,珊瑚海整体上为碳汇,但海水对大气CO2的吸收量呈现降低趋势(2016年海-气CO2通量仅为2006年52%)。海水pCO2升高、近岸受珊瑚礁影响的高pCO2海水,以及寡营养海盆低生产力等因素共同导致了珊瑚海碳汇逐渐减弱。这种碳汇减弱现象在强烈的厄尔尼诺事件之后更加明显(如2007年、2010年和2016年),相应的高SST和低风速进一步降低了海-气CO2通量,削弱了碳汇。
不同于其他传统的基于大数据量匹配的环境参数和目标参数pCO2区域算法(如多元回归方法或机器学习算法等),我们在珊瑚海构建的MeSAA算法,仅使用了14.2%的数据用于算法构建(单因子主控且其他机制干扰较小的小区域数据),剩下完全独立的85.8%数据用于验证。MeSAA-pCO2算法不仅可以提供更多独立数据用于验证,而且由于其建模过程是对海水pCO2控制机制的量化,也有利于我们分析和理解不同过程对pCO2变化的影响。我们使用2月和8月之间的差异来表征年内变化,发现温度热力学作用影响的pCO2约为~5-45 µatm,生物作用的影响约为~5-20 µatm。从趋势变化来说,使用研究时间段的早五年(2006年-2010年)和最后五年(2014年-2018年)平均海水pCO2之间的差值量化热力学、生物和其他因素(主要是大气CO2升高的影响)在年际变化中的相对贡献,发现2006-2018年珊瑚海海水pCO2受到大气强迫:热力学作用:生物作用的贡献比约为27:3:1(图3)。尽管温度控制着海面pCO2的季节性变化,但大气中CO2的逐年增加是2006-2018珊瑚海海水pCO2上升的关键原因之一。这些对珊瑚海长期序列变化的认识,可为边缘海碳酸盐系统变化和海水碳汇能力演变提供新的视角。
图3.(A)2006-2018年pCO2增速空间分布图(单位:μatm/年),以及P06-10(2006-2010年气候态海水pCO2)和P14-18(2014-2018年气候态海水pCO2)之间由热力学作用(B)、大气强迫(C)和生物效应(D)引起的海水pCO2变化。珊瑚海2006-2010年和2014-2018年温度(B1)、盐度(B2)和Chla(D1)的增量。*注:在增速计算中P值均小于0.001。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 p CO2 in the Bering Sea in Summer Based on a Mechanistic Semi-Analytical Algorithm (MeSAA). Remote Sensing, 8(7), 558.
© 2021卫星海洋环境动力学国家重点实验室 版权所有.
浙ICP备10040255号-4 流量统计