近日，我室陈双玲研究员以第一作者兼通讯作者在国际知名期刊Journal of Geophysical Research: Oceans发表了题为“Remote Estimates of Sea Surface Nitrate and Its Trends From Ocean Color in the Northwest Pacific”的研究成果。合作者包括我室硕士研究生孟宇、王云涛研究员、厦门大学商少凌教授和柴扉教授以及北京大学郑玫教授。

硝酸盐（NO₃^-），作为海洋氮循环过程中的一种主要存在形态，是浮游植物赖以生长的重要营养盐。海洋上层硝酸盐浓度的时空变化对研究浮游生物碳泵和海洋碳循环意义重大。海水中的硝酸盐不具备任何电磁波信号特征，且与相关海洋环境要素之间的关系复杂多变，海表硝酸盐浓度（SSN）的卫星遥感反演一直是当前水色卫星海洋遥感的研究热点和难点之一。

西北太平洋（图1）是全球重要的碳汇区。随着全球变化的加剧，西北太平洋上层硝酸盐的变化趋势问题备受关注。基于有限的历史船测资料，以往研究展现相悖结论：西北太平洋表层硝酸盐呈微弱下降或增加趋势。相比传统观测手段，卫星遥感具有大尺度、长时序稳定观测的优势。因此，本研究聚焦西北太平洋，首次利用机器学习方法构建了高精度的西北太平洋海表硝酸盐卫星遥感反演算法，生产了过去20年（2002-2022年）硝酸盐的日均遥感影像，且首次从卫星遥感的角度探究西北太平洋表层硝酸盐的变化趋势。研究表明，在过去20年，西北太平洋表层硝酸盐整体呈微弱下降趋势（-0.01 μmol kg^-1 yr^-1），主导因素为海洋增温。

图1. 西北太平洋及主要洋流分布。

基于前期研究（Yu & Chen et al., 2021; Chen et al., 2023），本文所采用的SSN反演模型为堆栈式随机森林（Stacking Random Forest，SRF）。该模型的输入变量包括海表叶绿素浓度和海表温度，输出变量为SSN。图2为本研究所用海表硝酸盐现场观测数据资料的分布情况。图3为本研究所构建SRF硝酸盐反演模型的结果，其中，验证数据集显示，模型的均方根误差（RMSD）约为1.34 μmol/kg（5.3%），R²为0.92。

 图2. 海表硝酸盐现场观测数据资料的分布情况。

图3. 基于SRF模型的硝酸盐反演结果。

此外，本研究还对模型进行了大量独立验证（不同季节、不同海域）和敏感性分析，证明反演模型的可靠性。图4为基于多源独立航次数据的模型独立验证结果，该独立数据集显示，模型的均方根误差（RMSD）约为1.15 μmol/kg（2.0 %），R²为0.8。图5为沿某一航次卫星遥感反演SSN与实测SSN的比较。图6为从卫星遥感影像获得的2002-2022年西北太平洋SSN的月均分布图。

图4. 基于多源独立航次数据的硝酸盐反演模型独立验证结果。

图5. 基于单一航次数据的硝酸盐反演模型独立验证结果。

图6. 2002-2022年西北太平洋SSN的月均分布图。

论文引用：

Chen S*, Meng Y, Shang S, Zheng M, Wang Y, & Chai F (2024). Remote estimates of sea surface nitrate and its trends from ocean color in the northwest Pacific. Journal of Geophysical Research: Oceans, 129, e2023JC019846. https://doi.org/10.1029/2023JC019846

相关论文：

[1] Yu X, Chen S*, Chai F (2021). Remote estimation of sea surface nitrate in the california current system from satellite ocean color measurements. IEEE Transactions on Geoscience and Remote Sensing, 2021, 60: 1-17. https://doi.org/10.1109/TGRS.2021.3095099

[2] Chen S*, Meng Y, Lin S, Yu Y, Xi J (2023). Estimation of sea surface nitrate from space: Current status and future potential. Science of The Total Environment, 2023: 165690. https://doi.org/10.1016/j.scitotenv.2023.165690