论中国南海初级生产力的时空变化
On the Spatial and Temporal Variations of Primary Production in the South China Sea
位于太平洋西侧的南海（SCS）是研究太平洋和全球气候以及浮游植物相互作用的重要区域，它还通过吕宋海峡与 "全球气候的发动机"（西太平洋暖池）进行碳交换。然而，目前对于南海初级生产力（PP）的空间和时间特征了解仍然有限。因此，本研究不仅评估了三种基于水色遥感数据的主流初级生产力模型的性能，并对南海PP的空间格局和时间变化进行了表征。研究结果表明，基于吸收系数的PP模型能够很好地捕捉到吕宋海峡（冬季）和越南海岸（夏季）由上升流引发的高PP现象（图1）。此外，针对整个南海盆地的月平均PP统计结果显示，南海初级生产力的季节变化并不明显。这些结果凸显了稳健的PP遥感模型在研究海洋环境中揭示大尺度时空动态初级生产力方面的重要性。
图1 南海季节性气候态初级生产力（PP）的空间分布，基于17年（从2003年1月至2019年12月）的卫星观测数据。(a) 春季（3-5月，MAM）；(b) 夏季（6-8月，JJA）；(c) 秋季（9-11月，SON）；(d) 冬季（12-2月，DJF）。
------------------------------------------------------------------------------------------------------------------------------------------------------------
基于碳的初级生产力模型对卫星海洋水色产品的敏感性
Sensitivity of a carbon-based phytoplankton production model on satellite ocean color products
卫星遥感在估算全球浮游植物生产中发挥着至关重要的作用。其中一种著名的初级生产力模型是基于碳的生产模型（CbPM），该模型侧重于通过443 nm处的颗粒后向散射系数（bbp(443)）估算碳生物量（Cph），并强调浮游植物的生理特性。然而，由于存在用于估算bbp(443)和叶绿素浓度（Chl）的各种遥感算法，因此不同的bbp(443)和Chl产品对由CbPM估算的水柱积分初级生产（PPeu）的影响尚不清楚，尤其是使用新的CbPM版本（CbPM08）。在本研究中，我们进行了分析，以检查遥感参数（Chl、bbp(443)和490 nm处的漫反射衰减系数（Kd(490)））对CbPM08估算的PPeu的影响。我们的结果显示，Kd(490)是调控上层水柱中光传播的关键属性，构成模型不确定性的主要来源，其次是Chl，而bbp(443)的变化对PPeu的估算几乎没有影响。在Chl和Cph之间，敏感性研究表明，由CbPM08估算的PPeu值基本上受Chl的驱动，而不是受Cph（或bbp(443)）的影响（图2）。这些结果为了解与CbPM08估算的PPeu相关的不确定性以及通过该模型进一步改进PPeu估算的未来方向提供了重要的见解。
图2. CbPM08估算的PP对Chl（蓝线）和Cph（黑线）敏感性的比较。不同的线代表在0.1: 0.7: 5倍的乘法扰动下的年均PP变化。
亚热带太平洋环流中心叶绿素与光合有效辐射之间“梯形”关系的解析
A "trapezoidal" relationship between solar radiation and chlorophyll concentrations at the center of the South Pacific Gyre
了解浮游植物的驱动机制对于预测未来海洋变化至关重要。然而，我们目前的理解大多基于稳态假设，而真实的海洋可能更接近于一个非稳态的系统。基于18年的MODIS Aqua观测数据，我们在南太平洋环流中心（cSPG）发现表层光合有效辐射（PAR(0)）与叶绿素浓度（Chl）之间明显的“梯形”关系。我们将光适应模型得到的由光驱动的叶绿素和遥感所得的叶绿素进行比较，发现仅由光适应无法解释Chl的动态变化。相反，Chl的动态是由光适应、营养盐以及浮游动物的摄食压力在一年中不同时间里所共同调控的。Chl和PAR(0)之间长时间尺度的“梯形”螺旋上升关系表明，cSPG的浮游植物类群在一年内处于交替地稳态和非稳态。因为这种“梯形”关系在其他亚热带环流中也存在，所以，该解析不仅有助于在稳态和非稳态条件下模拟和预测浮游植物动态，而且还为解释浮游植物如何响应全球变化下多重因素的影响提供了一个全新的视角。
图3. 在cSPG中，共调控机制的交替驱动了Chl和PAR(0)之间的“梯形”模式。（a）颜色代表不同时期。蓝色：4月到7月；紫色：8月；绿色：9月到10月；红色：11月到12月；橙色：1月到3月。（b）模式图，光适应、营养盐、浮游动物的摄食压力在一年中的不同时间里交替共调控。
浮游植物光适应模型的建模系数稳健性解析
On the modeling coefficients of a photoacclimation model for phytoplankton in the global ocean
前人建立的光适应模型可以很好地估算出浮游植物对光的响应。但这个模型中的两个重要常数，是由全球海洋划分为特定的“空间框”而拟合得到的。因此，目前尚不清楚这个模型是否可以普遍适用于不同的“空间框”。该模型在“空间框”的敏感性研究结果显示，基于光适应模型得到的浮游植物碳和叶绿素之比（θModel）与卫星数据得到的碳和叶绿素之比（θSat）在最初随机选择的小“空间框”中匹配较差。然而，随着“空间框”的扩大，匹配度显著提高。这种趋势无论“空间框”中是只含有一个叶绿素变化水平还是混合多个叶绿素变化水平都存在。因此，结果表明，该光适应模型的建模系数并不普遍适用，而更适合应用于开发模型时“空间框”的大小。未来仍需要努力开发更加稳健的浮游植物光适应模型。
图4 . θSat和θModel在SRB L1（37° - 39° S，95° - 97° W 到 27° - 49° S，85° - 107° W）之间的关系。（a）红色小方框代表初始“空间框”，大方框代表最终扩展的“空间框”。背景颜色代表Chl的变化水平是L1。（b-l）随着SRB L1“空间框”的扩大，θSat和θModel之间的关系。蓝线是1:1线，红线是线性拟合线。
真光层深度的光学-生物学定义的统一
Reconciling Between Optical and Biological Determinants of the Euphotic Zone Depth
在过去的几十年里，通常用光学定义的1%的表面PAR（Z1%PAR）作为真光层深度（Zeu）的标准，这是一个一直以来都引起争论的话题，因为它与生物学定义的真光层底部，即补偿深度（Zc）时常有不一致。在本研究中，我们使用从到热带、亚热带和温带地区的开阔大洋水，以及从两个长时间序列站HOT和BATS的航次中获得的下行辐照度和初级生产力的匹配剖面分布曲线来进行研究。本节的研究目标是研究真光层深度的变化并对光学和生物学真光层定义进行统一。结果显示，与Zc相比，Z1%PAR 太浅（约15.5%），而Z0.1%PAR 太深（约27.3％）。此外，Zc处的辐照度（即补偿光强Ic）的变化范围超过5倍，但是其与表面辐照度的比率相对稳定。通常，Ic对应于表面PAR（λ = 400 ~ 700 nm）的0.48% ± 0.23%，或表面可用太阳辐射（USR, λ = 400 ~ 560 nm）的0.87 ± 0.40％，或在490 nm处的表面下行辐照度的1.50 ± 0.67％。这些结果表明，Z0.9%USR或Z0.5%PAR或Z1.5%490可能是真光层深度有效的替代方案，至少可以在中低纬度的开阔大洋中中弥合真光层深度的光学和生物学定义之间的差异。
图5. 所有航次匹配的站点的Zc和（a）Z0.9%USR，Z0.5%PAR，Z1.5%490以及（b）Z1%USR，Z1%PAR，Z1%490之间的相关性。
构建基于浮游植物吸收系数（aph）的南海及其邻近的台湾海峡不同水深浮游植物类群（PFTs）的机器学习识别方法
Vertical distribution of phytoplankton functional types in the South China Sea and adjacent Taiwan Strait based on phytoplankton absorption spectra and machine learning
基于课题组积累的近20年时间尺度南海及邻近的台湾海峡现场浮游植物类群与浮游植物吸收系数匹配数据集，本研究构建了基于支持向量机机器学习模型的浮游植物类群反演模式，经过独立数据集验证，模型精度可靠。在此基础上，我们通过浮游植物吸收系数解译出了南海某断面浮游植物类群的空间分布格局，其与现场调查结果相接近。
图6. 本研究工作主要流程图
【关闭】
