利用衛(wèi)星遙感技術估算區(qū)域性海-氣CO2通量研究綜述

許蘇清 陳立奇

(1國家海洋局海洋-大氣化學與全球變化重點實驗室，福建廈門361005;2國家海洋局第三海洋研究所，福建廈門361005)

0 引言

IPCC第5次評估報告中提出，CO2等溫室氣體的濃度已經上升到過去80萬年以來前所未有的水平。2014年5月，美國國家海洋和大氣管理局NOAA發(fā)布公告，稱在夏威夷Mauna Loa這個全球歷史最悠久的大氣測量站，測得的CO2日均濃度為401.88 ppm，成為氣候學上的里程碑(http://co2now.org/)。這個大氣 CO2觀測值比過去的42萬年冰期間冰期大氣CO2最高濃度280 ppm增加了121 ppm，增加了43%。占地球面積71%的海洋是CO2等溫室氣體的貯存器，自工業(yè)化以來，海洋從大氣中大約吸收了25%-30%的人為排放，大大地減少了大氣中CO2的累積和減緩了人為CO2對全球變暖的作用［3-4］。然而最近研究表明，海洋吸收 CO2的能力正在下降。Schuster和Watson［5］提出 20°-65°N海區(qū)對大氣 CO2的吸收能力從1994/1995至2005年期間以每年大約0.24 GtC的速率下降。 Le Quéré等［6］提出南大洋對大氣CO2的吸收能力在1981-2004年之間以每年0.08 GtC的速率下降。

海洋吸收大氣CO2的能力是一個重要的參數，傳統(tǒng)的計算方法是將單位面積上的海-氣CO2通量乘以海域面積得到該海域對大氣CO2的吸收或釋放的量。海-氣CO2通量的估算有多種方法，其中當前應用最廣泛的是海氣界面分壓差法［7］，分別測量海水和海表大氣中的CO2分壓結合CO2海氣交換速率來計算。海-氣CO2通量通常由如下公式來計算:

其中F為海-氣CO2通量，k為氣體交換系數，α為CO2溶解速率，為海水CO2分壓，為大氣CO2分壓。當海水里的CO2分壓比空氣中的CO2分壓大時，凈通量從海水往大氣方向，我們稱之為“源”，反之稱為“匯”。K是液相傳輸速度，在海氣界面的表現為一些受風場影響的物理過程，如表面湍流、海表面風浪以及氣泡等［8］，一般認為與風速有關，參數化為水面10 m高度風速的函數。目前國際上對其表達式仍存在不少爭議，但目前最廣泛使用的是Wanninkhof［9-10］在1992年和1999年提出的表達式。α為與溫度和鹽度有關的CO2溶解速率。全球大氣 CO2分壓的水平梯度變化很小，可根據常規(guī)的季節(jié)環(huán)流和緯度上的變化，根據大氣常規(guī)觀測站提供的數據獲得(如 NOAA，WDCGG等)。而表層海水CO2分壓的變化范圍和梯度特征是顯著的，因此海-氣CO2通量算法中最關鍵的因素為，是確定海洋碳源匯格局、估算海-氣CO2通量的決定性參數之一［7］。

由于海氣界面間的CO2氣體交換過程受到不同因素的驅動，海洋碳循環(huán)過程不僅受海洋水文學過程等“物理泵”的驅動，同時也受到生物地球化學過程等“生物泵” 的驅動［7，11］。 上層海水和低層大氣的實測數據十分稀缺特別是表層海水樣品的稀缺，增加了海-氣CO2通量時空評估的復雜性和不確定性。國際上開展了眾多與海-氣CO2通量相關的研究計劃［12-13］，大大地提高了CO2觀測的時空分辨率。海洋表層pCO2的船泊走航觀測技術，由于實現從點到線的觀測并可獲取高頻率數據而受到重視和發(fā)展，從早期的現場測量精度±3μatm［14］到近期的測量精度為±1μatm［15］，因此準確估算海-氣CO2通量最重要的是提高海表pCO2觀測的時空分辨率。Garcon等［16］提出從時間上，至少每年要對研究海域開展12次的現場調查來保證對水體年際變化的真實反映。Murphy等［17］提出走航觀測時，當航線經度或緯度間隔空間超過1.5°-3.5°時p CO2的測量值失去自動校準而帶來明顯的誤差。Zeng等［18］提出在北太平洋北部最經典的一個50 km航線上測得的pCO2的誤差范圍為7μatm。這就意味著即使以空間50 km網格大小(在赤道附近是0.5°)每個月調查一次海表pCO2，將數據進行線性內插合成的月平均p CO2數據的誤差為7μatm。這是海盆尺度上海洋碳吸收理想估算誤差的上限［19］。而實際上，現場的大洋船測pCO2調查的空間尺度均超過250 km［20］，因此，強烈需要一種新的海表pCO2插分技術方法來減少由不同航次間大范圍插分帶來的不確定性。

傳統(tǒng)的海洋調查觀測難以進行多變量同步控制觀測，難以做到全面和大尺度上獲取通量計算所需的海洋要素。隨著衛(wèi)星遙感技術的發(fā)展，各種海洋遙感信息的不斷豐富，利用現場測量數據與遙感反演參數間的相關關系，通過衛(wèi)星遙感可直接觀測到的參數來推算通量估算的關鍵要素(如)，實現遙感建模，進而結合遙感手段進行多時空尺度長時間序列的海-氣CO2通量估算方法，是當前國際研究熱點關注的新方法，在熱帶海域、中緯度和高緯度海域已經展開了研究。隨著遙感技術的發(fā)展，人類可以獲取到極端天氣偏遠區(qū)域的海洋要素信息。相比于現場觀測數據，海洋衛(wèi)星遙感具有大范圍實時同步、全天時、全天候多波段成像技術優(yōu)勢，在大面積同步測量、高時空分辨率的實時動態(tài)監(jiān)測以及長時間序列數據累積方面的優(yōu)勢無可比擬［21］。利用遙感獲取的多時空尺度長時間序列的參數，進而實現遙感手段進行區(qū)域尺度的海-氣CO2通量估算，能夠獲得區(qū)域海洋碳源匯時空變化特征，對海域碳吸收能力有更準確的認識。

本文綜述了近幾十年來利用遙感技術估算海-氣CO2通量的研究報道，從單一的參數到多參數遙感建模的研究發(fā)展過程，分析了不同參數建模方法和精度，并分析了遙感建模在極區(qū)海域的應用。

1 遙感估算區(qū)域海-氣CO2通量方法

1.1 單參數算法

早期的遙感產品比較單一，比較成熟的遙感產品主要有SST和風速等數據，最早遙感建模算法主要是應用在SST主控p CO2分布變化的海區(qū)(表1)。

Etcheto［23］等提出 100°W左右的赤道東太平洋海域是涌升強烈的海區(qū)，該海區(qū)的海水p CO2分布主要受涌升和環(huán)流的影響，海水pCO2的變化可用SST的變化來推算。該研究利用1991-1995年14個航次獲得的現場數據分析擬合了pCO2與SST之間的經驗關系，并結合衛(wèi)星遙感的風速數據，計算了研究海域的并計算碳通量。由于當時的遙感SST產品空間分辨率為1°，Etcheto在研究中提出由遙感SST推算得到的pCO2誤差為13.7 ppm，而由遙感風速計算的海氣交換系數帶來的誤差為1.4×10-3mol·m-2·year-1，最后對碳通量的累計誤差為0.32 mol·m-2·year-1。盡管這一估算值存在比較大的誤差，但由于當時對該海區(qū)的時空分布了解相當缺乏，遙感推算得到的該海區(qū)時空分布以及碳收支情況具有重要的意義。Boutin等［24］參考了 Etcheto等［23］提出的方法在赤道太平洋海域內，計算得出在1985-1997年海區(qū)碳通量為0.11 GtC·year-1，是大氣CO2的源，未考慮交換系數帶來誤差的情況下，此通量估算值的誤差＜31%。

為了得到更高分辨率的東太平洋海水pCO2的時空變化特征，Cosca等［25］利用1992-2001年總計89個航次船測的現場數據，建立了厄爾尼諾年和非厄爾尼諾年期間海表層pCO2與SST之間季節(jié)和年際經驗關系，由衛(wèi)星SST推算的均方差分別為22.2μatm和23.3μatm，進一步計算了1985-2001年赤道中、東太平洋海域的季節(jié)和年際碳通量。在該研究中提出，在理論上如果能夠獲得衛(wèi)星遙感的SST、SSS、Chl a以及營養(yǎng)鹽等數據，將能夠使遙感建模的的不確定性降到最低。

由于缺乏大量的現場實測數據沿岸水體碳源匯的分布存在很大的不確定性。Else等［26］在現場實測數據的基礎上建立遙感外推算法，對毗鄰北冰洋的Hudson灣2005年8-10月對進行研究。實測數據分析表明海表SST可以作為的指征，另外CDOM吸收系數與pCO2關系的適當改進也可當做的指征。但是衛(wèi)星遙感的CDOM系數與現場實測數據相關性很差，因此在研究中采用了從MODIS-a衛(wèi)星上獲取的SST作為單一參數線性回歸，均方差為13μatm。研究結果表明，在8月和9月Hudson灣是大氣CO2的源，而在水溫下降的10月，該海灣是大氣CO2的匯。

表1 單參數遙感建模的應用Table 1.The application of remote sensing produced by one parameter

表1 單參數遙感建模的應用Table 1.The application of remote sensing produced by one parameter

研究海域 研究時間 參數選擇 建模方法 p COsw2遙感建模精度赤道東太平洋海域［23］(100°W附近) 1991-1995 SST 線性回歸13.7 ppm赤道太平洋海域［24］(0°N-5°S) 1985-1997 SST 線性回歸 碳通量誤差＜31%赤道中、東太平洋海域［25］(95°W-165°E，10°N-10°S) 1992-2001 SST 線性回歸 22.2μatm(厄爾尼諾年)23.3μatm(非厄爾尼諾年)Hudson灣(55°N-62°N)［26］ 2005.8-10 SST 線性回歸 13μatm

1.2 雙參數算法

隨著衛(wèi)星技術的發(fā)展，1997年8月美國航天局發(fā)射了世界上第一顆專用海洋水色衛(wèi)星SeaWiFS，能夠獲取海水Chla，可溶性有機發(fā)光物質系數(CDOM)等信息。同時隨著對海區(qū)pCO2調控機制認識的不斷深入，更多的學者將pCO2與影響因子Chla、SST和SSS的關系廣泛應用于的遙感建模過程中(表2)。

Stephens等［27］在其研究中提出亞熱帶北太平洋海水pCO2主要受SST影響，對北太平洋的亞熱帶及其東北部海區(qū)1984-1989年的船測數據，采用最小二乘法回歸pCO2和SST、經度(Lon)之間的關系，在不同的經度范圍，按4個季節(jié)的變化分別給出了經驗關系。計算結果顯示在東北部海區(qū)，回歸誤差為17μatm，但是在西北部，回歸誤差上升到40μatm。由于當時的水色遙感產品的局限，他把原因歸結于北太平洋西北部海區(qū)的生物活動對pCO2的影響導致遙感建模失真。

表2 雙參數遙感建模的應用Table 2.The application of remote sensing produced by double parameters

表2 雙參數遙感建模的應用Table 2.The application of remote sensing produced by double parameters

SSSa由水溫推算得到，SSSb為生態(tài)模型計算結果

研究海域 研究時間 參數選擇 建模方法 p COsw2遙感建模精度亞熱帶北太平洋［27］(120°E-100°W，10°N-60°N) 1984-1989 SST，Lon 最小二乘法 17μatm(東北部)40μatm(西北部)14μatm(亞熱帶)17μatm(亞北極區(qū))20μatm(西北部)智利海岸以西海域［32］(22.6°S-24°S，70.5°W-72W) 1997 SST，SSSa 線性回歸 35 μatm南大洋［15］(125°E-205°E，45°S-60°S) 1997-1998 SST，Chl a 線性回歸 6-12μatm Biscay灣［34］(10°W-2°W，42°N-48°N) 1997-2004 SST，Chl a 多項式回歸 0.1±7.5μatm南海北部［35］(106°E-120°E，16°N-22°N) 2004 Chl a，SST 非線性回歸 4.6 μatm比利時近岸海域［36，37］(2°E-3.6°E，51.1°-52°N) 2007 Chl a，SSSb 非線性回歸 比實測值偏高北太平洋［31］(160°E-100°W， 0°-55°N) 1985-1989 Chl a，SST 非線性回歸atm北美太平洋陸架邊緣海［38］(110°W-125°W， 22°N-50°N) 1978-2005 Chl a，SST SOM神經網絡算法 ＜20μatm南大西洋和南印度洋［39］(60°W-80°E，50°S-75°S) 1999-2005 Chl a，SST 線性回歸 碳通量不確定度為45%南大洋［40］(0°-360°E，50°S-75°S) 2009.11-12 Chl a，SST 線性回歸 17.2-31.8 μ

Landrum等［28］指出SST單一參數還不足以完全反映北太平洋的pCO2分布。Inoue和 Ishii［29-30］認為生物活動在北太平洋海區(qū)的海表碳循環(huán)過程中有著不可忽視的作用，尤其是春季到夏初，生物活動會明顯降低海表DIC/pCO2的含量。ONO等［31］學者以Chla來反映生物活動對海表pCO2的影響，在Stephens［27］研究的基礎上，采用遙感Chla和SST數據在海盆尺度上進行非線性回歸，其結果在北太平洋亞熱帶和亞北極區(qū)都取得了較好的精度，回歸誤差分別為14和17μatm，在北太平洋的西北部也取得了較好的回歸精度，誤差在20μatm左右，比早期建模精度［27］提高了50%。

Lefèvre等［32］通過 1997 年 2 個航次的數據，分析了智利海岸以西海域上升流區(qū)pCO2的分布，根據航線上獲得的pCO2、SST、SSS和Chla數據，比較各個影響因子對p CO2的擬合回歸關系，最后確定pCO2與SST和SSS二元線性關系，的回歸誤差為35μatm。由衛(wèi)星遙感外推算法計算得到該海域碳通量為2.19±2.3 mol·m-2·d-1，這一結果與航線實測的通量結果2.13 mol·m-2·d-1相近。

為了得到南大洋較小尺度(10-100 km)的碳源匯分布特征，Rangama等［15］選取了南大洋125-205°E，45-60°S之間的海域，根據船測 p CO2和衛(wèi)星遙感SST和Chl a的線性回歸關系，開展一次獨立的航次進行驗證，驗證結果為外推算法得到的pCO2與船測數據之間偏差為6-12μatm。計算結果表明，1997年12月至1998年12月之間該海域為大氣CO2的匯，碳吸收量為-0.08 GtC，誤差為0.03 GtC。 這一估算值比 Takahashi［33］通過氣候態(tài)模式計算得出的結果偏低38%。由于該海區(qū)在南大洋季節(jié)性海冰區(qū)范圍之外，因此在計算過程中未考慮海冰的影響。

Padin［34］等根據 2003 年在 Biscay灣獲得的現場數據，建立pCO2與Chla和SST二元多項式擬合經驗關系，通過衛(wèi)星遙感的Chla和SST數據推算了Biscay灣內的，誤差為0.1±7.5μatm。 并根據大氣pCO2的年平均增長率將經驗關系擴展計算了1997-2004年海-氣CO2通量。計算結果表明Biscay灣作為大氣CO2的匯，年際平均吸收為1.9±0.1 mol·m-2，Biscay灣對大氣CO2的吸收以每年0.08±0.05 mol·m-2顯著減少。該研究指出，影響大氣CO2吸收長期變化的主要因素是海氣交換速率，比重為57%，其次是SST，所占比重為10%，而Chla的影響比重是2%。

Zhu等［35］利用2004年在南海北部夏季航次的實測數據，進行了海表pCO2與SST單一參數回歸與雙參數(Chla和SST)回歸方法比較，并使用獨立的航次數據對算法進行驗證。驗證結果表明，采用SST單一參數擬合的pCO2誤差為25.1μatm，而采用雙參數的誤差則大大減少，僅為4.6μatm。該研究指出，在南海北部的夏季，生物活動對海表pCO2的影響不能忽略，利用Chla和SST進行pCO2遙感建模才能提高計算精度。

Borges等［36-37］在比利時近岸海域，通過2007年獲得的3個航次(春、夏、秋)的現場實測數據，利用遙感Chla數據和由三維水動力生態(tài)模型(COHERENS)計算得出的SSS數據，將p CO2與Chl a和SSS進行非線性多元回歸，與實測的pCO2相比，遙感外推得到的pCO2偏高，可能與使用的遙感Chla數據偏低有關。該研究提出，在近岸海域，受徑流和潮汐的共同影響，近岸海域水體復雜，pCO2呈現強烈的水平梯度分布以及快速季節(jié)變化，現場調查難以有效的準確估算海-氣CO2通量年際和長時間的變化。對于近岸海域的二類水體，由于復雜的光學屬性，以及pCO2強烈的時空變異性，遙感外推算法在近岸海域還存在一定的挑戰(zhàn)性。

由于受多元物理水文和生物化學驅動影響，陸架邊緣海區(qū)的碳循環(huán)具有復雜的時空變異性，陸架邊緣?，F場實測數據十分缺乏，Hales等［38］利用CDIAC數據庫(http://cdiac.esd.ornl.gov/)中1978-2005年北美太平洋陸架邊緣海域的pCO2數據，提出結合衛(wèi)星數據通過自組織映射神經網絡方法(SOM)和非線性半經驗關系的海水碳化學模型推算。由衛(wèi)星遙感SST和Chla數據推算得到總溶解二氧化碳TCO2和總堿度TALK，再進一步推算，計算得到的pCO2與實測的pCO2相關關系為0.81，誤差＜20μatm。

Chen等［39］根據雪龍船在南大西洋和南印度洋海冰區(qū)航線上船載獲得的現場數據，提出受季節(jié)性海冰變化的影響，海表pCO2與Chla之間存在負相關關系，而在上升流區(qū)海表pCO2則與SST呈現負相關。該研究結合AMSRE衛(wèi)星獲取的分辨率為12.5 km的海冰動態(tài)分布，計算了南大西洋和南印度洋海域12月和1月份的時空分布特征。

該研究比較了中國南極考察第16航次(1999-2000年)和第21航次(2004-2005年)的碳吸收量，提出該海域對大氣CO2吸收的能力在下降。該研究比較了遙感風速和現場風速，相關精度為92%，而遙感的Chla與現場的Chla相關關系為65%，由于遙感數據的誤差以及外推算法帶來的誤差，最后得到的海-氣CO2通量不確定度為45%左右。許蘇清等［40］根據中國第26次南極考察環(huán)南極海冰區(qū)航線上獲得的現場數據，在之前研究的基礎上，進一步改進外推算法，提出根據海區(qū)生產力的不同，建立與Chla和SST不同的經驗關系，標準偏差為17.2-31.8μatm。該研究提出在2009年11月，南大洋為大氣CO2的源，而在2009年12月，該海區(qū)轉變?yōu)榇髿釩O2的匯。50°S以南的南大洋海域碳吸收能力與早期的研究相比，下降了47%。

1.3 多參數算法

Olsen等［41］考慮到不同區(qū)域內pCO2受SST的影響不同，因此將經緯度考慮進經驗關系的建立。該研究建立了加勒比海域pCO2與SST及經緯度相關的經驗方法，比較了幾種衛(wèi)星遙感SST推算的，均方根誤差最大值為9.5μatm。該研究指出，在亞熱帶環(huán)流的海域，與SST之間有很好的相關關系。

Lefèvre等［42］在收集了 1995-1997 年在大西洋次北極環(huán)流獲得的138 000份pCO2實測數據，建立2種方法的比較，一種是pCO2與經緯度和SST之間的經驗算法，另一種是多元回歸自主神經網絡算法(sefl-organizing neural network approach)，采用 Lon、Lat、SST和年份為參數推算。2種算法對海表pCO2時空分布的遙感建模反映與之前的工作一致，但是基于多元回歸的自主神經網絡算法對海表pCO2建模的精度更高，誤差為3-11μatm。

表3 多參數遙感建模的應用Table 3.The application of remote sensing produced bymultiple parameters

表3 多參數遙感建模的應用Table 3.The application of remote sensing produced bymultiple parameters

MLDa為氣候態(tài)平均值;MLDb和MLDc為海洋模型計算結果.SSSc為氣候態(tài)平均鹽度;SSSd為衛(wèi)星遙感CDOM推算而得;SSSe為海洋模型計算結果;SSSf為浮標數據

研究海域 研究時間 參數選擇 建模方法 p COsw2遙感建模精度加勒比海域［41］(90°W-60°W，15°N-30°N) 2002 SST，Lon，Lat 線性回歸 9.5μatm大西洋次北極環(huán)流［42］(60°W-10°W，50°N-70°N) 1995-1997 SST，Lon，Lat，year 自主神經網絡算法 3-11μatm北太平洋［43］(120°E-80°W， 0°N-60°N) 1992-1996 Chl a，SST，SSSc 線性回歸分解恒量守則［44］ 17-23 μatm墨西哥灣北部［45］(91°W-88°W，28°N-31°N) 2003.6 Chl a，SST，SSSd 多元線性回歸 50.2μatm北大西洋［46］(85°W-6°W，10°N-58°N) 1994-1995 Chl a，SST，MLDa 多元線性回歸 10.99-13.36μatm北大西洋［47］(60°W-0°W， 10°N-60°N) 2004-2006 Chl a，SST，MLDb SOM神經網絡算法 11.55 μatm南海北部［48］(110°E-118°E，10°N-58°N) 2001-2004 Chl a，SST，Lon，Lat 神經網絡方法 6.9 μatm北太平洋［49］(120°E-100°W， 10°N-60°N) 2002-2008 Chl a，SST，SSSe， MLDc SOM神經網絡算法 17.6 μatm atm北大西洋［50，51］(100°W-0°W， 15°N-65°N) 2005 SST，Chl a，Lon，Lat，Month KFM神經網絡算法 21.1 μatm SST，SSSf，Lon，Lat，Time SOM神經網絡算法 15.9 μ

Sarma［43］在北太平洋 p CO2遙感算法中加入SSS參數，采用了一種新穎的方法，由遙感Chla和SST及氣候態(tài)平均的SSS數據經過多元回歸方程計算出DIC(溶解無機碳)，由氣候態(tài)平均的SSS數據線性回歸TA(總堿度)數據，再由Mehrbach等［44］提出的分解恒量守則計算出pCO2的濃度數據。遙感建模的pCO2數據與現場走航觀測的pCO2較一致，誤差為17-23μatm。該研究表明基于衛(wèi)星數據的遙感建模算法是估算海盆尺度上pCO2數據重要的手段，更多的現場觀測數據將有助于提高遙感建模的準確度并減少誤差。

Lohrenz等［45］針對由于河口徑流影響的區(qū)域性海氣CO2呈現高度的時空變化特征，對墨西哥灣北部p CO2遙感算法進行探索，提出以SST、SSS和Chla三種環(huán)境參數遙感建模pCO2數據。根據pCO2的梯度分布，現場數據按鹽度10為界進行分區(qū)域多元線性回歸。由MODIS-a水色衛(wèi)星上獲得Chla和SST數據，由該衛(wèi)星測得的CDOM推算SSS數據。通過擬合回歸的pCO2與實測值誤差為50.2μatm。該研究結果表明在墨西哥灣北部海表層水p CO2較低，海-氣 CO2通量為2.0-4.2mmol·C·m-2·d-1。在Borges等［37］的研究中指出SSS和CDOM的相關性并不理想，因此由遙感CDOM來推算SSS顯然將帶來較大的計算誤差。

Jamet等［46］以混合層厚度(MLD)為指征來研究次表層水對表層水p CO2的影響，并以此思路結合遙感SST和Chla數據研究1994-1995年，在英國和牙買加之間的北大西洋海區(qū)海表pCO2的季節(jié)變動。結合MLD的氣候學分析資料和遙感的SST、Chla數據對海區(qū)pCO2遙感建模，相比于建立在SST、經緯度或單一的SST經驗關系上，計算結果更接近實測值，均方差在10.99-13.36μatm之間。海區(qū)p CO2的季節(jié)性分布結果無論是與獨立的數據庫進行檢測，還是與Takahashi等［33］的氣候資料分析得出的結果比較，都具有較高的準確度。

Telszewski等［47］在北大西洋應用了 SOM(自組織映射)神經網絡方法來計算2004-2006年p CO2的分布，采用了Chla，SST和MLD為參數，遙感建模的精度為11.55μatm。Jo等［48］利用神經網絡學的方法，建立了基于SST和Chla以及經緯度的pCO2建模方法，由衛(wèi)星數據推導南海北部海表層水pCO2的分布，誤差為6.9μatm，該研究與Zhu等［35］的結果相近。

Nakaoka等［49］通過SOM方法解釋了海表pCO2與4個主控影響因子SST，MLD，Chla和SSS之間的非線性關系，建立了北太平洋0.25經度×0.25緯度網格的外推模型，時間跨度從2002-2008年。模型推算的pCO2與實測pCO2均方差為17.6 μatm。海表pCO2建模方法的改進在于增加了鹽度作為影響因子，以及考慮了大氣CO2的增長。北太平洋冬季pCO2的異常分布清楚地表明了厄爾尼諾年和拉尼娜年因為水溫變化和垂直混合的區(qū)域性對照。

Friedrich 和 Oschlies［50］根據考察船 2005 年在北大西洋獲得的實測數據，采用Kohonen Feature Map(KFM)神經網絡方法，由 SST、Chla、Lon、Lat和月份外推，在衛(wèi)星遙感數據覆蓋空間理想的情況下，遙感建模的均方差為19μatm。然而由于50°N以北的海域在11月到次年2月之間的遙感Chla無法獲得，當使用氣候態(tài)平均的SST和Chl a彌補遙感數據的空缺時，均方差為21.1μatm。Friedrich和 Oschlies［51］在之前研究的基礎上將ARGO浮標結合觀測船的實測數據，通過SOM神經網絡算法建立了基于SST、SSS、Lon、Lat和時間的五維模型推算，均方差為15.9μatm。該研究提出使用空間覆蓋較均勻的ARGO浮標數據進行插分比用衛(wèi)星遙感數據得到的年平均海盆尺度誤差少42%。

2 遙感建模在極區(qū)海域的應用

極區(qū)海洋在全球碳循環(huán)中扮演極其重要的角色，是大氣CO2的主要匯區(qū)［52-54］。其中占全球海洋面積20%的南大洋每年吸收了0.1-0.7 GtC的大氣，而占全球海洋面積6%的北冰洋由于全球變暖，海冰快速消融，北冰洋對大氣CO2吸收能力的異常變化受到越來越多研究學者的關注［59-62］。目前在高緯度極區(qū)海洋的碳通量研究主要是停留在站點和航線上的分析，對廣袤的南大洋和北冰洋，由于天氣惡劣難以獲得大量實測數據而缺乏多時空尺度的海-氣CO2通量認識。極區(qū)海域對大氣CO2吸收能力的估算主要是通過描述海洋混合和水流的箱模式以及基于海洋動力學的環(huán)流模式研究［63］，包括大洋環(huán)流模式、大氣反轉模式、海域反轉模式、氣候態(tài)模式等?；谀Ｊ降挠嬎阋驗槿狈Σ煌^程(包括涌升混合、海冰變化以及生物過程)參數化的高時空分辨率的了解，以及模式時空分辨率的差異，上述模式在極區(qū)海域的計算結果存在很大的爭議和不確定性。因此在極區(qū)海域應用衛(wèi)星遙感技術進行海氣碳通量的研究是非常重要的手段和研究熱點，對準確評估極區(qū)海域對全球碳收支的貢獻具有重要的意義。目前衛(wèi)星遙感建模主要應用于熱帶海域、中緯度海域以及近岸海域，在高緯度海域的應用特別少，一方面是因為實測數據的稀少，另一方面是因為紅外和光學衛(wèi)星遙感受云的影響比較大，在高緯度地區(qū)由于太陽輻射很低，衛(wèi)星遙感的數據精度和覆蓋率受到一定的影響。如前面所述，Rangama等［10］在南大洋的應用中選取了 45°S-60°S 的海域，避開了季節(jié)海冰的影響。Else等［21］在毗鄰北冰洋的Hudson灣(55°N-62°N)的應用中則選取了無冰的季節(jié)，計算了2005年8-10月海-氣CO2通量。Friedrich 和 Oschlies［50-51］在北大西洋遙感建模方法的研究中，由于50°N以北的衛(wèi)星數據在冬季缺失，精度降低。 Chen等［35］和許蘇清等［36］在南大洋海冰區(qū)進行了探索性的研究，結合海冰的動態(tài)變化計算了南大西洋和南印度洋以及整個南大洋的海-氣CO2通量，但該研究只應用在南半球的夏季。極區(qū)海洋是更加復雜多變的水體，隨著海冰消融，混合層穩(wěn)定性的改變，海域的生產力、水溫、鹽度以及開闊海域面積等均發(fā)生一系列的改變，呈現明顯的時空變異和強烈的季節(jié)變化。在極區(qū)應用遙感外推算法的過程中，除了考慮生物活動的影響，水動力過程的影響，海冰的變化和海域鹽度的變化也是非常關鍵的因素。

3 展望

目前對水體pCO2的測量主要是采用直接測量法，主要有滴定法、電極法、混合敏感膜法、光纖化學法、非色散紅外光度法和膜技術分離法［64］，上述方法測定精度高，但是局限于實驗室，測量數據的空間和時間分布很受限制。既要獲得區(qū)域尺度上的空間分布，又要反映長時間序列變化，應用遙感建模手段是一個重要的方法。遙感手段估算碳通量的局限在于，至今還無法對海表pCO2參數直接實現遙測獲取。加上遙感數據受天氣、云層、氣溶膠等因素的影響會出現部分數據缺失，給遙感建模帶來相對大的誤差。遙感外推算法的發(fā)展與衛(wèi)星技術的發(fā)展息息相關。海洋衛(wèi)星遙感技術的每一次突破都能極大地推動遙感外推算法的發(fā)展。2011年美國宇航局發(fā)射“Aquarius(水瓶座)”海洋監(jiān)測衛(wèi)星，執(zhí)行觀測全球海洋表面鹽分以及海洋環(huán)流的任務。該顆衛(wèi)星的應用可以取代以往海-氣CO2通量計算中采用的氣候態(tài)平均值或是由其他模式計算得出的SSS數據，提高SSS時空分辨率和準確度，提高的遙感建模精度，將大大地推進海洋碳循環(huán)的研究。

利用衛(wèi)星數據估算海洋碳通量的研究已經開展了幾十年，但仍處于探索階段，方法也存在一定的局限性，提高的遙感反演精度是關鍵的問題。隨著衛(wèi)星遙感技術的不斷發(fā)展和多參數算法的改進，進一步提高外推算法中關鍵參數的時空分辨率，在一些源匯表觀明顯的海區(qū)可進行海域分區(qū)，對物理泵和生物泵以及其他驅動作用進行分區(qū)計算，提高以主驅動因子計算通量值的可信水平。相比于傳統(tǒng)的船測調查方法，因其在時空覆蓋上具有的巨大優(yōu)勢，利用衛(wèi)星遙感技術估算區(qū)域性海-氣CO2通量將會成為全球海洋特別是極區(qū)海洋碳通量研究的重要工具。

1 Sabine C L，Feely R A，Gruber N，et al.The oceanic sink for anthropogenic CO2.Science，2004，305(5682):367-371.

2 Canadell JG， QuéréC， Raupach M R， etal.Contributions to accelerating atmospheric CO2growth from economic activity， carbon intensity， and efficiency of natural sinks.Proceedings of the National Academy of Sciences of the United States of America， 2007， 104(47):18870-18886.

3 Fung IY，Doney SC，Lindsay K，etal.Evolution of carbon sinks in a changing climate.Proceedings of the National Academy of Sciences of the U-nited States of America， 2005， 102(32):11201-11206.

4 Friedlingstein P，Cox P，Betts R，et al.Climate-carbon cycle feedback analysis:results from the C4 MIPmodel intercomparison.Journal of Climate， 2006， 19(14):3337-3353.

5 Schuster U，Watson A J.A variable and decreasing sink for atmospheric CO2in the North Atlantic.Journal of Geophysical Research:Oceans(1978-2012)，2007，112(C11):C11006， doi:10.1029/2006JC003941.

6 Le QuéréC， R?denbeck C， Buitenhuis E T， et al.Saturation of the Southern Ocean CO2sink due to recent climate change.Science， 2007， 316(5832):1735-1738.

7 Takahashi T，Sutherland SC，Wanninkhof R，etal.Climatologicalmean and decadal change in surface ocean p CO2，and net sea-air CO2flux over the global oceans.Deep Sea Research II:Topical Studies in Oceanography，2009， 56(8-10):554-577.

8 Bock E J，Hara T，Frew N M，et al.Relationship between air-sea gas transfer and short wind waves.Journal of Geophysical Research:Oceans(1978-2012)，1999，104(C11):25821-25831.

9 Wanninkhof R.Relationship between wind speed and gas exchange over the ocean.Journal of Geophysical Research:Oceans(1978-2012)，1992，97(C5):7373-7382.

10 Wanninkhof R，McGillisW R.A cubic relationship between gas transfer and wind speed.Geophysical Research Letters，1999，26(13):1889-1893.

11 Takahashi T，Sweeney C，Hales B，et al.The changing carbon cycle in the Southern Ocean.Oceanography，2012，25(3):26-37.

12 Hibbard K，Raupach M，Canadell J.The global carbon project:linking the biophysical and human components of the carbon cycle.Global Change Newsletter， 2002， 50:39-41.

13 Wofsy SC，Harriss R C.The North American Carbon Program，Reportof the NACPCommittee of the U.S.Interagency Carbon Cycle Science Program.Washington，DC:USGlobal Change Research Program，2002.

14 Murphy P P，Nojiri Y，Fujimura Y，etal.Measurements of surface seawater f CO2from volunteer commercial ships:techniques and experiences from Skaugran.Journal of Atmosphere and Ocean Technology，2001，18(10):1719-1734.

15 Rangama Y， Boutin J， Etcheto J， etal.Variability of the netair-sea CO2flux inferred from shipboard and satellitemeasurements in the Southern O-cean south of Tasmania and New Zealand.Journal of Geophysical Research:Oceans(1978-2012)， 2005， 110(C9)， doi:10.1029/2004JC002619.

16 Garcon V C，Thomas F，Wong C S，etal.Gaining insight into the seasonal variability of CO2atOcean Station P using an upper oceanmodel.Deep Sea Research Part A.Oceanographic Research Papers， 1992， 39(6):921-938.

17 Murphy P P，Nojiri Y，Harrison D E，etal.Scales of spatial variability for surface ocean p CO2in the Gulf of Alaska and Bering Sea:toward a sampling strategy.Geophysical Research Letters， 2001b， 28(6):1047-1050.

18 Zeng J， Nojiri Y， Wong C S.Seasonal analysis of p CO2along the high latitude route of Skaugranmonitoring in the North Pacific//2nd International Symposium CO2in the Oceans.Tsukuba， Japan(Tsukuba:NIES/CGER)，1999:25-29.

19 Wallace DW R.Monitoring global ocean carbon inventories.OOSDP Background Report Number 5， Ocean Observing System Development Panel，1995.

20 Nojiri Y，Fujinuma Y，Zeng J，et al.Monitoring of p CO2with complete seasonal coverage utilizing a cargo ship M/SSkaugran between Japan and Canada/US//2nd International Symposium CO2in the Oceans.Tsukuba， Japan(Tsukuba:NIES/CGER)，1999:17-24.

21 許蘇清，陳立奇.利用衛(wèi)星數據估算南大洋海-氣CO2通量的展望.極地研究，2007，19(2):151-157.

22 Lagerloef G SE，Swift C T，Le Vine D M.Sea surface salinity:the next remote sensing challenge.Oceanography，1995，8(2):44-50.

23 Etcheto J， Dandonneau Y，Boutin J.Estimating the interannual variability of the air-sea CO2flux in the eastequatorial Pacific.Physics and Chemistry of the Earth， Part B:Hydrology， Oceans and Atmosphere， 1999， 24(5):405-410.

24 Boutin J， Etcheto J， Dandonneau Y， etal.Satellite sea surface temperature:A powerful tool for interpreting in situ p CO2measurements in the equatorial Pacific Ocean.Tellus Series B，1999，51(2):490-508.

25 Cosca C E，Feely R A，Boutin J，etal.Seasonal and interannual CO2fluxes for the central and eastern equatorial Pacific Ocean as determined from f CO2-SST relationships.Journal of Geophysical Research:Oceans(1978-2012)，2003，108(C8):3278， doi:10.1029/2000JC000677.

26 Else B G T， Yackel JJ， Papakyriakou TN.Application of satellite remote sensing techniques for estimating air-sea CO2fluxes in Hudson Bay， Canada during the ice-free season.Remote Sensing of Environment， 2008， 112(9):3550-3562.

27 Stephens M P，Samuels G，Olson D B，etal.Sea-air flux of CO2in the North Pacific using shipboard and satellite data.Journal of Geophysical Research:Oceans(1978-2012)，1995，100(C7):13571-13583.

28 Landrum L L，Gammon R H，Feely R A，etal.North Pacific Ocean CO2disequilibrium for spring through summer，1985-1989.Journal of Geophysical Research:Oceans(1978-2012)，1996，101(C12):28539-28555.

29 Inoue H Y，Matsueda H，IshiiM，etal.Long-term trend of the partial pressure of carbon dioxide(p CO2)in surfacewaters of thewestern North Pacific，1984-1993.Tellus Series B，1995，47(4):391-413.

30 Ishii M，Inoue H Y，Matsueda H，et al.Seasonal variation in total inorganic carbon and its controlling processes in surface waters of the western North Pacific subtropical gyre.Marine Chemistry， 2001， 75(1-2):17-32.

31 Ono T，Saino T，Kurita N，et al.Basin-scale extrapolation of shipboard p CO2data by using satellite SST and Chla.International Journal of Remote Sensing， 2004， 25(19):3803-3815.

32 Lefèvre N， Aiken J， Rutllant J， etal.Observationsof p CO2in the coastalupwellingoff Chile:spatialand temporal extrapolation using satellite data.Journal of Geophysical Research:Oceans(1978-2012)，2002，107(C6):8-1-8-15， doi:10.1029/2000JC000395.

33 Takahashi T，Sutherland SC，Sweeney C，et al.Global sea-air CO2flux based on climatological surface ocean p CO2，and seasonal biological and temperature effects.Deep Sea Research Part II:Topical Studies in Oceanography， 2002， 49(9-10):1601-1622.

34 Padin X A，Nanarro G，Gilcoto M，etal.Estimation of air-sea CO2fluxed in the Bay of Biscay based on empirical relationships and remotely sensed observations.Journal of Marine Systems， 2009， 75(1-2):280-289.

35 Zhu Y，Shang S L，ZhaiW D，et al.Satellite-derived surfacewater p CO2and air-sea CO2fluxes in the northern South China Sea in summer.Progress in Natural Science， 2009，19(6):775-779.

36 Borges A V，Suykens K，Commarieux M V，etal.Estimating p CO2from remote sensing in the Case-IIwatersof the Belgian Coastal zone-First results from the BELCOLOUR-IIproject.Geophysical Research Abstracts， 2008， 10:EGU2008-A-01381.

37 Borges A V，Ruddick K，Lacroix G，etal.Estimating p CO2from remote sensing in the Belgian coastal zone//Proceedings of the European Space A-gency Living Planet Conference.Bergen:ESA Special Publication SP-686，2010.

38 Hales B，Strutton PG，Saraceno M，et al.Satellite-based prediction of p CO2in coastalwaters of the eastern North Pacific.Progress in Oceanography， 2012，103:1-15.

39 Chen L Q，Xu SQ，Gao Z Y，et al.Estimation ofmonthly sea-air CO2flux in the southern Atlantic and Indian Ocean using in-situ and remotely sensed data.Remote Sensing of Environment， 2011， 115(8):1935-1941.

40 許蘇清，陳立奇，陳海穎.中國第26次南極考察南大洋碳通量評估.極地研究，2014，26(2):17-24.

41 Olsen A，Trinanes JA，Wanninkhof R，et al.Sea-air flux of CO2in the Caribbean sea estimated using in situ and remote sensing data.Remote Sensing of Environment， 2004， 89(3):309-325.

42 Lefèvre N， Watson A J， Watson A R.A comparison ofmultiple regression and neural network techniques formapping in situ p CO2data.Tellus B，2005，57(5):375-384.

43 Sarma V V SS， Saino T，Sasaoka K，et al.Basin-scale p CO2distribution using satellite sea surface temperature，Chl a，and climatological salinity in the North Pacific in spring and summer.Global Biogeochemical Cycles， 2006， 20(3):GB3005， doi:10.1029/2005GB002594.

44 Sarma V，Saino T，IshiiM，etal.Estimation of basin-scale surface p CO2using satellite SST，Chl a and climatological salinity in the North Pacific.35th COSPAR Scientific Assembly.Paris， France， 2004:2544.

45 Lohrenz SE， CaiW J.Satellite ocean color assessment of air-sea fluxes of CO2in a river-dominated coastalmargin.Geophysical Research Letters，2006，33(1):L01601， doi:10.1029/2005GL023942.

46 Jamet C， Moulin C， Lefèvre N.Estimation of the oceanic p CO2in the North Atlantic from VOS lines in-situ measurements:parameters needed to generate seasonallymean maps.Annales Geophysicae， 2007， 25(11):2247-2257.

47 Telszewshi M，Chazottes A，Schuster U，etal.Estimating themonthly p CO2distribution in the North Atlantic using a self-organizing neural network.Biogeosciences，2009，6:1405-1421， doi:10.5194/bg-6-1405-2009.

48 Jo Y H，Dai M H，ZhaiW D，etal.On the variations of sea surface p CO2in the northern South China sea:A remote sensing based neural network approach.Journal of Geophysical Research:Oceans(1978-2012)，2012，117(C8):C08022， doi:10.1029/2011JC007745.

49 Nakaoka S，TelszewskiM，Nojiri Y，etal.Estimating temporal and spatial variation of ocean surface p CO2in the North Pacific using a Self Organizing Map neural network technique.Biogeosciences Discussions， 2013， 10:4575-4610.

50 Friedrich T，Oschlies A.Neural network-based estimates of North Atlantic surface p CO2from satellite data:Amethodological study.Journal of Geophysical Research:Oceans(1978-2012)，2009，114(C3):C03020， doi:10.1029/2007JC004646.

51 Friedrich T，Oschlies A.Basin-scale p CO2maps estimated from ARGO float data:A model study.Journal of Geophysical Research:Oceans(1978-2012)，2009，114(C10):C10012， doi:10.1029/2009JC005322.

52 Sweeney C，Hansell D A，Carlson C A，et al.Biogeochemical regimes，net community production and carbon export in the Ross Sea，Antarctica.Deep Sea Research Part II:Topical Studies in Oceanography， 2000， 47(15-16):3369-3394.

53 Morrison JM，Gaurin S，Codispoti L A，et al.Seasonal evolution of hydrographic properties in the Antarctic circumpolar current at170°W during 1997-1998.Deep Sea Research Part II:Topical Studies in Oceanography， 2001， 48(19-20):3943-3972.

54 Metzl N，Brunet C，Jabaud-Jan A，et al.Summer and winter air-sea CO2fluxes in the Southern Ocean.Deep Sea Research Part I:Oceanographic Research Papers， 2006， 53(9):1548-1563.

55 Matear R Jand Hirst A C.Climate change feedback on the future oceanic CO2uptake.Tellus Series B，1999，51(3):722-733.

56 Gurney K R，Law R M，Denning A S，et al.Towards robust regional estimates of CO2sources and sinks using atmospheric transportmodels.Nature， 2002， 415(6872):626-630.

57 Patra P K，Maksyutov S，IshizawaM，etal.Interannual and decadal changes in the sea-air CO2flux from atmospheric CO2inversemodeling.Global Biogeochemical Cycles， 2005， 19(4):GB4013， doi:10.1029/2004GB002257.

58 Gloor M，Gruber N，Sarmiento J，et al.A first estimate of present and preindustrial air-sea CO2flux patterns based on ocean interior carbon measurements and models.Geophysical Research Letters， 2003， 30(1):10-1-10-4， doi:10.1029/2002GL015594.

59 Anderson L G， Katlin S.Carbon fluxes in the Arctic Ocean-potential impact by climate change.Polar Research，2001，20(2):225-232.

60 McGuire A D，Anderson LG，Christensen TR，etal.Sensitivity of the carbon cycle in the Arctic to climate change.EcologicalMonographs，2009，79(4):523-555.

61 Bates N R， Mathis JT.The Arctic Oceanmarine carbon cycle:evaluation of air-sea CO2exchanges，ocean acidification impacts and potential feedbacks.Biogeosciences， 2009， 6:2433-2459.

62 CaiW J， Chen LQ， Chen B S， et al.Decrease in the CO2uptake capacity in an ice-free Arctic Ocean basin.Science，2010，329(5991):556-559.

63 McNeil B I，Metzl N，Key RM，etal.An empirical estimate of the Southern Ocean air-sea CO2flux.Global Biogeochemical Cycles，2007，21(3):B3011.

64 許蘇清，李偉，王偉強，等.兩種海洋二氧化碳現場監(jiān)測技術比對研究.海洋技術，2013，32(3):11-14.