气候震荡与海洋浮游植物 - 浮游植物固碳

研究背景及意义

海洋生态系统与全球气候变化的相互关系是目前备受关注的热点问题。作为海洋生态系统主要生产者的浮游植物，一般被认为是表征海洋环境气候变化非常好的指标。长时间遥感数据集的累积为研究海洋对物理环境的多尺度生态响应提供了可靠的数据源。本专题综合利用多年的水色数据、微波数据以及实测数据，系统研究了西北太平洋和东北印度洋，浮游植物叶绿素浓度以及藻华发生时间的多尺度变化特征，探讨引起多尺度变化的因素，重点分析短周期气候振荡对浮游植物的影响，深入理解这些海域的生态系统及其与物理过程的耦合作用，为进一步认识全球变暖将如何在未来影响海洋生态系统打下基础。

图1 1997-2011年叶绿素a浓度单调变化趋势(p<0.05)
图2 南海叶绿素a浓度气候态月平均图(1998-2017年)
图3 阿拉伯海叶绿素a浓度垂向季节分布特征

成果介绍

北印度洋Cha三维数据集提供Chla浓度数据，单位为mg·m^-3。该数据集具有0.25°×0.25°空间分辨率，覆盖2000年1月至2019年12月的北印度洋区域(40°∼100°E，10°S∼30°N)。模型预测值与实际观测值均有非常好的对应关系，在训练集和验证集中RMSE分别为0.009、0.012，MAPD分别为 8.60%、11.31%， R² 分别为0.973、0.962。将模型获得Chla三维数据与国际上业务化运行的神经网络及数值模式产品比对，发现该模型结果更精确和稳健。
这种方法(RF-Chla)能够精确反演北印度洋Chla 三维分布结构，依据如下三种类型的输入变量：1）遥感提供海洋表层变量，主要包括： SST、 PAR、 Chla、在412、443、490、560 和 665nm 的 Rrs、 Kd490、 SLA 和 SSW 数据； 2）垂向变量，例如 BGC-Argo 提供的压力，温度和盐度剖面；3）时空变量，包括天数，经度和纬度。由于RF-Chla 模型是基于相对较大的数据集，代表了北印度洋多个关键区域（阿拉伯海、赤道印度洋和孟加拉湾）环境状况。所以，该模型可以安全的应用于北印度洋大多数开放水域。另一方面， RF-Chla 也可以作为一种可靠的模式应用于海洋学研究。例如， RF-Chla 产生的气候态数据集可作为数值模式初始化和验证数据集，提升地球生物化学模型的准确性。特别的， RF-Chla也可以用生产长时间序列的海洋Chla 三维分布产品，用来研究气候变化场景中海洋生态系统的变化。RF-Chla 模型为研究北印度洋 Chla 垂向结构特征提供了宝贵的数据源。本研究中我们利用 RF-Chla 模型提供的 Chla 垂向剖面数据获得了垂向高分辨率北印度洋三维Chla 分布结构和浮游植物生物量。这有助于我们更好的定量评估北印度洋浮游植物固碳量。

相关文献

[1] Bai, Y., He, X., Pan, D., Chen, C. T. A., Kang, Y., Chen, X., & Cai, W. J. (2015). Summertime Changjiang River plume variation during 1998–2010. Journal of Geophysical Research Oceans, 119(9), 6238-6257.
  [2] Chen, C., Mao, Z., Tang, F., Han, G., & Jiang, Y. (2017). Declining riverine sediment input impact on spring phytoplankton bloom off the Yangtze River Estuary from 17-year satellite observation. Continental Shelf Research, 135, 86-91.
  [3] Chen, J., Pan, D., Liu, M., Mao, Z., Zhu, Q., Chen, N., et al. (2017). Relationships Between Long-Term Trend of Satellite-Derived Chlorophyll-a and Hypoxia Off the Changjiang Estuary. Estuaries & Coasts, 40(4), 1-11.
  [4] Chen, X., Pan, D., Xianqiang, H. E., Bai, Y., & Wang, D. (2012). Upper ocean responses to category 5 typhoon Megi in the western north Pacific. Acta Oceanologica Sinica, 31(1), 51-58.
  [5] Chen, X., Pan, D., Bai, Y., He, X., Chen, C. T. A., & Hao, Z. (2013). Episodic phytoplankton bloom events in the Bay of Bengal triggered by multiple forcings. Deep Sea Research Part I Oceanographic Research Papers, 73(3), 17-30.
  [6] Dang, X., Chen, X., Bai, Y., He, X., & Zhang, Z. (2020). Impact of enso events on phytoplankton over the sulu ridge. Marine Environmental Research, 157, 104934.
  [7] Dang, X., Bai, Y., Gong, F., Chen, X., & He, X. (2021). Different responses of phytoplankton to the enso in two upwelling systems of the south china sea. Estuaries and Coasts (3–4).
  [8] He, X., Pan, D., Bai, Y., Wang, T., Chen, C.-T. A., Zhu, Q., et al. (2017). Recent changes of global ocean transparency observed by SeaWiFS. Continental Shelf Research, 143, 159-166.
  [9] He, X., Bai, Y., Pan, D., Chen, C. T. A., Cheng, Q., Wang, D., & Gong, F. (2013). Satellite views of the seasonal and interannual variability of phytoplankton blooms in the eastern China seas over the past 14 yr (1998-2011). Biogeosciences, 10(7), 4721-4739.
  [10] Hu, Q., Chen, X., Huang, W., & Zhou, F. (2021). Phytoplankton bloom triggered by eddy-wind interaction in the upwelling region east of Hainan Island. Journal of Marine Systems, 214, 103470.
  [11] Hu, Q., Chen, X., He, X., Bai, Y.,Gong, F., Zhu, Q., & Pan, D. (2021). Effect of El Niño-related warming on phytoplankton's vertical distribution in the Arabian Sea. Journal of Geophysical Research: Oceans, 126, e2021JC017882.

研究背景及意义

产品展示

成果介绍

相关文献

友情链接