近日，4166金沙之选主页通道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4166金沙之选主页通道硕士毕业生王怡人和博士生吴泽伦，通讯作者为4166金沙之选主页通道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、4166金沙之选主页通道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
