海气CO2通量
海-气二氧化碳通量(碳收支)
      通常采用海-气界面CO2净通量,来表征海洋是吸收还是释放CO2(碳源汇)。国际上主要采用海水和大气的CO2分压差与海-气界面CO2气体交换速率的乘积计算海-气CO2通量。海-气CO2通量的遥感估算方法,与基于现场观测数据(包括断面、浮标和走航监测等)采用同样的计算公式,但计算参数的数据来源主要是遥感及模式数据产品。例如:大气CO2浓度可采用全球CO2本底站观测数据或大气环流模式CO2浓度数据,也可以通过卫星进行观测。美国航空航天局(NASA)、欧空局(ESA)、日本航天局(JAXA)都发射了二氧化碳卫星(NASA: OCO, OCO-2; ESA: SCIAMACHY, CarbonSat; JAXA: GOSAT等),中国碳卫星也于2016年12月成功发射。海-气界面CO2气体交换速率,通常表示为风速和波高等的函数,可使用遥感风速及有效波高等数据进行反演。海水CO2分压(pCO2)与水体生物地球化学环境密切相关,存在很大的时空变异,其遥感反演难度较大,是目前海-气CO2通量遥感估算的难点。
 
海水CO2分压(pCO2)遥感反演
        海水pCO2是指气液平衡状态下CO2气体的分压,它是海水碳酸盐系统中碳的一种形态,受控于水体碳酸根(CO3-2)、碳酸氢根(HCO3-1)及氢离子(H)的化学平衡作用。
        由于海水pCO2无法通过遥感辐亮度直接反演,需要使用替代参量(proxy)进行表征。大多数的海水pCO2遥感反演算法主要基于pCO2和遥感可获取参数(如温度和叶绿素等)之间的线性或者多元回归关系获得。也有研究人员利用更复杂的数学方法建立pCO2的统计模型等。这些统计类算法在其特定的研究区域均获得了良好的效果,但依赖于建模样本的季节、区域代表性和样本量,而且在复杂的边缘海区域很难获得具有显著意义的统计模型。
        海水pCO2反演的另一种途径是基于控制机制解析的方法。Bai et al. (2015)提出了基于控制机制分析的海水pCO2半解析遥感模型(“Mechanistic-based Semi-Analytic-Algorithm” (MeSAA-pCO2))。模型思路为: 首先理清研究海区海水pCO2的主要控制因子,如热力学作用、不同碳酸盐含量水团的混合作用、生物作用、海-气CO2通量的影响等,然后将总的pCO2变化分解为各主控因子引起变化量的叠加;其中利用遥感数据,建立各控制因子(机制)的解析或者半解析遥感量化模型是该算法的关键。MeSAA-pCO2模型目前已成功实现了长江冲淡水影响的东海海区(Bai et al., 2015)和海盆过程主导的白令海海水pCO2的遥感反演(Song et al., 2016)。MeSAA- pCO2模型不仅考虑了陆源的贡献,且通过主控控制因子的累加实现同一种模型在全海域的应用,克服了斑块问题,可在不同边缘海系统拓展,具有较好的应用前景。
 
部分代表性文章:
1. Bai, Y., Cai, W., 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, 120(3), 2331-2349.
2. Chen, C. T. A., Huang, T. H., Chen, Y. C., Bai, Y., He, X., & Kang, Y. (2013). Air-sea exchanges of CO2 in the world's coastal seas. Biogeosciences,10,10(2013-10-15), 10(10), 6509-6544.
3. Chen, C. T. A., Huang, T. H., Fu, Y. H., Bai, Y., & He, X. (2012). Strong sources of CO₂ in upper estuaries become sinks of CO₂ in large river plumes. Current Opinion in Environmental Sustainability, 4(2), 179-185.
4. 
Le, C. ,  Gao, Y. ,  Cai, W. J. ,  Lehrter, J. C. ,  Bai, Y. , &  Jiang, Z. P. . (2019). Estimating summer sea surface pco2 on a river-dominated continental shelf using a satellite-based semi-mechanistic model. Remote Sensing of Environment, 225, 115-126.
5. Song, X., Bai, Y., Cai, W. J., Chen, C. T., Pan, D., He, X., & Zhu, Q. (2015). Remote Sensing of Sea Surface pCO2 in the Bering Sea in Summer Based on a Mechanistic Semi-Analytical Algorithm (MeSAA). Remote Sensing, 8(7), 558.
6. Yu, T., Pan, D., Bai, Y., He, Y., Li, D., & Liang, C. (2016). A quantitative evaluation of the factors influencing the air-sea carbon dioxide transfer velocity. Acta Oceanologica Sinica, 35(11), 68-78.
7. 吕航宇,白雁,李骞,等. 夏季珠江口海域海水CO2分压的卫星遥感反演[J]. 海洋学研究, 2018,36(2):1-11, doi:10.3969/j.issn.1001-909X.2018.02.001