近日,5123导航联合遥感中心研究团队在海表二氧化碳分压(pCO2)反演方面取得最新进展,相关成果以“Remote sensing estimations of the seawater partial pressure of CO2 using sea surface roughness derived from Synthetic Aperture Radar”为题,发表于地球科学和遥感领域权威期刊IEEE Transactions on Geoscience and Remote Sensing.该研究结合合成孔径雷达(Synthetic Aperture Radar,SAR)获得的海表粗糙度(SSR)数据,反演了高空间分辨率的pCO2,验证了SAR卫星在估算海-气二氧化碳(CO2)通量中的适用性,为全球碳收支研究提供了新思路。
研究背景
工业革命以来,海洋吸收了约25%的人为碳排放总量,在缓解大气中二氧化碳增量方面发挥着巨大作用。准确量化沿海地区海气二氧化碳(CO2)通量是评估全球碳循环的重要环节。海气CO2通量的时空变异性主要由海水中的pCO2分布控制,该分布受热力学、生物过程、物理混合及海气交换的综合影响。在此背景下,海表温度(SST)、叶绿素a(Chl-a)浓度、海表盐度(SSS)和风速等参数对反演pCO2至关重要。在沿海环境中,由于水体较浅且空间尺度较小,风力对垂直混合和水平平流的影响显著。然而,与其它公里级分辨率的遥感产品相比,目前常用风速产品的分辨率相对较低(0.25°×0.25°)。相对风速而言,海表粗糙度是反应海面扰动程度的更直接的物理参数。SAR在海面上测量得到的雷达后向散射系数可用来反演海表粗糙度,其空间分辨率可达米级,为评估亚公里级的海-气通量提供了重要的动力学信息。本研究旨在验证SAR衍生的海表粗糙度数据在估算高空间分辨率pCO2中的应用。
研究结果
研究团队构建了一个高空间分辨率的pCO2模型(0.05°×0.05°,8天周期)测试选择最佳反演方法和输入变量,并利用该模型进行pCO2的反演和分析。之后作者使用2015-2020年的数据训练回归模型比较了20种算法反演pCO2。结果表明,当模型采用一种名为Cubist的机器学习算法,并使用SST、SSS和Chl-a作为输入变量时,模型的表现最好(均方根误差(RMSE)为21.75 μatm,决定系数R2为0.88)。该模型精度在增加海表粗糙度这一新的输入变量后显著提高,R2提升至0.95,RMSE降至14.79 μatm。如图1所示,彩色标注的数据密度图示直观显示在每个6.5微大气压(µatm)的pCO2区间内的数据点密度。该结果反映了海表粗糙度作为模型输入变量的重要性。研究团队进一步使用2021年收集的独立观测pCO2数据进行测试,得到R2为0.82,RMSE为31.73 μatm,验证了该模型的可靠性。
图1.模型独立验证结果,(a)验证数据集的空间分布(2021年),(b)独立验证的统计参数结果
研究团队及资助
该论文的共同第一作者为5123导航硕士毕业生王怡人和博士生吴泽伦,通讯作者为5123导航正高级工程师耿旭朴和美国特拉华大学严晓海教授,共同作者包括中山大学卢文芳副教授、集美大学余舒洁讲师、5123导航助理研究员李诗卉和博士后孟令升。该研究得到国家自然科学基金、国家重点研发计划、教育部产学合作协同育人项目以及MEL优秀博士生奖学金等联合资助。
论文来源及链接
Wang, Y., Wu, Z., Lu, W., Yu, S., Li, S., Meng, L., Geng, X., Yan, X.-H., 2024. Remote sensing estimations of the seawater partial pressure of
CO2 using sea surface roughness derived from Synthetic Aperture Radar. IEEE Trans. Geosci. Remote Sensing 1–1.
https://doi.org/10.1109/TGRS.2024.3379984
供稿|吴泽伦 耿旭朴
编辑|朱佳 苏颖
排版|陈蕾
审核|庄伟 吕柯伟 徐鹏 陈向柳