近日，bat365在线平台官方网站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，海洋吸收了超过25%人类活动排放的二氧化碳，对缓解全球气候变化起到了至关重要的作用。准确量化沿海地区海-气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）和风速等是反演pCO2的重要参数。在沿海区域，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，而目前常用风速产品的分辨率相对较低（0.25°×0.25°），且在靠近陆地区域数据较为匮乏。相对风速而言，海表粗糙度能更直接地反映海面扰动程度。SAR在海面上测量得到的雷达后向散射系数反映了海表粗糙度，其空间分辨率可达米级，为评估亚公里级的海-气CO2通量提供了重要的动力学数据。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
该研究展示了结合SAR的海表粗糙度数据反演高空间分辨率pCO2的有效性和优势。SAR的高空间分辨率能够精细捕捉海面粗糙度的微小差异，从而更准确地反映pCO2变化。该研究是利用SAR卫星进行海洋无机碳遥感研究的一次尝试，虽然存在一定局限性（如独立验证的RMSE较高，SAR卫星的时间空间覆盖度不足），但随着SAR图像可用性的增加，预计未来海表粗糙度数据将更加广泛地被应用于海气相互作用研究，为全球碳收支研究提供更精确的数据来源。
研究团队及资助
该论文的共同第一作者为我校硕士毕业生王怡人和博士生吴泽伦，通讯作者为我校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、集美大学博士生余舒洁、我校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
审核：庄伟 吕柯伟 徐鹏 陈向柳
