利用卫星遥感技术估算区域性海-气CO2通量研究综述

许苏清 陈立奇

(1国家海洋局海洋-大气化学与全球变化重点实验室，福建厦门361005;2国家海洋局第三海洋研究所，福建厦门361005)

0 引言

IPCC第5次评估报告中提出，CO2等温室气体的浓度已经上升到过去80万年以来前所未有的水平。2014年5月，美国国家海洋和大气管理局NOAA发布公告，称在夏威夷Mauna Loa这个全球历史最悠久的大气测量站，测得的CO2日均浓度为401.88 ppm，成为气候学上的里程碑(http://co2now.org/)。这个大气 CO2观测值比过去的42万年冰期间冰期大气CO2最高浓度280 ppm增加了121 ppm，增加了43%。占地球面积71%的海洋是CO2等温室气体的贮存器，自工业化以来，海洋从大气中大约吸收了25%-30%的人为排放，大大地减少了大气中CO2的累积和减缓了人为CO2对全球变暖的作用［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海区对大气 CO2的吸收能力从1994/1995至2005年期间以每年大约0.24 GtC的速率下降。 Le Quéré等［6］提出南大洋对大气CO2的吸收能力在1981-2004年之间以每年0.08 GtC的速率下降。

海洋吸收大气CO2的能力是一个重要的参数，传统的计算方法是将单位面积上的海-气CO2通量乘以海域面积得到该海域对大气CO2的吸收或释放的量。海-气CO2通量的估算有多种方法，其中当前应用最广泛的是海气界面分压差法［7］，分别测量海水和海表大气中的CO2分压结合CO2海气交换速率来计算。海-气CO2通量通常由如下公式来计算:

其中F为海-气CO2通量，k为气体交换系数，α为CO2溶解速率，为海水CO2分压，为大气CO2分压。当海水里的CO2分压比空气中的CO2分压大时，净通量从海水往大气方向，我们称之为“源”，反之称为“汇”。K是液相传输速度，在海气界面的表现为一些受风场影响的物理过程，如表面湍流、海表面风浪以及气泡等［8］，一般认为与风速有关，参数化为水面10 m高度风速的函数。目前国际上对其表达式仍存在不少争议，但目前最广泛使用的是Wanninkhof［9-10］在1992年和1999年提出的表达式。α为与温度和盐度有关的CO2溶解速率。全球大气 CO2分压的水平梯度变化很小，可根据常规的季节环流和纬度上的变化，根据大气常规观测站提供的数据获得(如 NOAA，WDCGG等)。而表层海水CO2分压的变化范围和梯度特征是显著的，因此海-气CO2通量算法中最关键的因素为，是确定海洋碳源汇格局、估算海-气CO2通量的决定性参数之一［7］。

由于海气界面间的CO2气体交换过程受到不同因素的驱动，海洋碳循环过程不仅受海洋水文学过程等“物理泵”的驱动，同时也受到生物地球化学过程等“生物泵” 的驱动［7，11］。 上层海水和低层大气的实测数据十分稀缺特别是表层海水样品的稀缺，增加了海-气CO2通量时空评估的复杂性和不确定性。国际上开展了众多与海-气CO2通量相关的研究计划［12-13］，大大地提高了CO2观测的时空分辨率。海洋表层pCO2的船泊走航观测技术，由于实现从点到线的观测并可获取高频率数据而受到重视和发展，从早期的现场测量精度±3μatm［14］到近期的测量精度为±1μatm［15］，因此准确估算海-气CO2通量最重要的是提高海表pCO2观测的时空分辨率。Garcon等［16］提出从时间上，至少每年要对研究海域开展12次的现场调查来保证对水体年际变化的真实反映。Murphy等［17］提出走航观测时，当航线经度或纬度间隔空间超过1.5°-3.5°时p CO2的测量值失去自动校准而带来明显的误差。Zeng等［18］提出在北太平洋北部最经典的一个50 km航线上测得的pCO2的误差范围为7μatm。这就意味着即使以空间50 km网格大小(在赤道附近是0.5°)每个月调查一次海表pCO2，将数据进行线性内插合成的月平均p CO2数据的误差为7μatm。这是海盆尺度上海洋碳吸收理想估算误差的上限［19］。而实际上，现场的大洋船测pCO2调查的空间尺度均超过250 km［20］，因此，强烈需要一种新的海表pCO2插分技术方法来减少由不同航次间大范围插分带来的不确定性。

传统的海洋调查观测难以进行多变量同步控制观测，难以做到全面和大尺度上获取通量计算所需的海洋要素。随着卫星遥感技术的发展，各种海洋遥感信息的不断丰富，利用现场测量数据与遥感反演参数间的相关关系，通过卫星遥感可直接观测到的参数来推算通量估算的关键要素(如)，实现遥感建模，进而结合遥感手段进行多时空尺度长时间序列的海-气CO2通量估算方法，是当前国际研究热点关注的新方法，在热带海域、中纬度和高纬度海域已经展开了研究。随着遥感技术的发展，人类可以获取到极端天气偏远区域的海洋要素信息。相比于现场观测数据，海洋卫星遥感具有大范围实时同步、全天时、全天候多波段成像技术优势，在大面积同步测量、高时空分辨率的实时动态监测以及长时间序列数据累积方面的优势无可比拟［21］。利用遥感获取的多时空尺度长时间序列的参数，进而实现遥感手段进行区域尺度的海-气CO2通量估算，能够获得区域海洋碳源汇时空变化特征，对海域碳吸收能力有更准确的认识。

本文综述了近几十年来利用遥感技术估算海-气CO2通量的研究报道，从单一的参数到多参数遥感建模的研究发展过程，分析了不同参数建模方法和精度，并分析了遥感建模在极区海域的应用。

1 遥感估算区域海-气CO2通量方法

1.1 单参数算法

早期的遥感产品比较单一，比较成熟的遥感产品主要有SST和风速等数据，最早遥感建模算法主要是应用在SST主控p CO2分布变化的海区(表1)。

Etcheto［23］等提出 100°W左右的赤道东太平洋海域是涌升强烈的海区，该海区的海水p CO2分布主要受涌升和环流的影响，海水pCO2的变化可用SST的变化来推算。该研究利用1991-1995年14个航次获得的现场数据分析拟合了pCO2与SST之间的经验关系，并结合卫星遥感的风速数据，计算了研究海域的并计算碳通量。由于当时的遥感SST产品空间分辨率为1°，Etcheto在研究中提出由遥感SST推算得到的pCO2误差为13.7 ppm，而由遥感风速计算的海气交换系数带来的误差为1.4×10-3mol·m-2·year-1，最后对碳通量的累计误差为0.32 mol·m-2·year-1。尽管这一估算值存在比较大的误差，但由于当时对该海区的时空分布了解相当缺乏，遥感推算得到的该海区时空分布以及碳收支情况具有重要的意义。Boutin等［24］参考了 Etcheto等［23］提出的方法在赤道太平洋海域内，计算得出在1985-1997年海区碳通量为0.11 GtC·year-1，是大气CO2的源，未考虑交换系数带来误差的情况下，此通量估算值的误差＜31%。

为了得到更高分辨率的东太平洋海水pCO2的时空变化特征，Cosca等［25］利用1992-2001年总计89个航次船测的现场数据，建立了厄尔尼诺年和非厄尔尼诺年期间海表层pCO2与SST之间季节和年际经验关系，由卫星SST推算的均方差分别为22.2μatm和23.3μatm，进一步计算了1985-2001年赤道中、东太平洋海域的季节和年际碳通量。在该研究中提出，在理论上如果能够获得卫星遥感的SST、SSS、Chl a以及营养盐等数据，将能够使遥感建模的的不确定性降到最低。

由于缺乏大量的现场实测数据沿岸水体碳源汇的分布存在很大的不确定性。Else等［26］在现场实测数据的基础上建立遥感外推算法，对毗邻北冰洋的Hudson湾2005年8-10月对进行研究。实测数据分析表明海表SST可以作为的指征，另外CDOM吸收系数与pCO2关系的适当改进也可当做的指征。但是卫星遥感的CDOM系数与现场实测数据相关性很差，因此在研究中采用了从MODIS-a卫星上获取的SST作为单一参数线性回归，均方差为13μatm。研究结果表明，在8月和9月Hudson湾是大气CO2的源，而在水温下降的10月，该海湾是大气CO2的汇。

表1 单参数遥感建模的应用Table 1.The application of remote sensing produced by one parameter

表1 单参数遥感建模的应用Table 1.The application of remote sensing produced by one parameter

研究海域 研究时间 参数选择 建模方法 p COsw2遥感建模精度赤道东太平洋海域［23］(100°W附近) 1991-1995 SST 线性回归13.7 ppm赤道太平洋海域［24］(0°N-5°S) 1985-1997 SST 线性回归 碳通量误差＜31%赤道中、东太平洋海域［25］(95°W-165°E，10°N-10°S) 1992-2001 SST 线性回归 22.2μatm(厄尔尼诺年)23.3μatm(非厄尔尼诺年)Hudson湾(55°N-62°N)［26］ 2005.8-10 SST 线性回归 13μatm

1.2 双参数算法

随着卫星技术的发展，1997年8月美国航天局发射了世界上第一颗专用海洋水色卫星SeaWiFS，能够获取海水Chla，可溶性有机发光物质系数(CDOM)等信息。同时随着对海区pCO2调控机制认识的不断深入，更多的学者将pCO2与影响因子Chla、SST和SSS的关系广泛应用于的遥感建模过程中(表2)。

Stephens等［27］在其研究中提出亚热带北太平洋海水pCO2主要受SST影响，对北太平洋的亚热带及其东北部海区1984-1989年的船测数据，采用最小二乘法回归pCO2和SST、经度(Lon)之间的关系，在不同的经度范围，按4个季节的变化分别给出了经验关系。计算结果显示在东北部海区，回归误差为17μatm，但是在西北部，回归误差上升到40μatm。由于当时的水色遥感产品的局限，他把原因归结于北太平洋西北部海区的生物活动对pCO2的影响导致遥感建模失真。

表2 双参数遥感建模的应用Table 2.The application of remote sensing produced by double parameters

表2 双参数遥感建模的应用Table 2.The application of remote sensing produced by double parameters

SSSa由水温推算得到，SSSb为生态模型计算结果

研究海域 研究时间 参数选择 建模方法 p COsw2遥感建模精度亚热带北太平洋［27］(120°E-100°W，10°N-60°N) 1984-1989 SST，Lon 最小二乘法 17μatm(东北部)40μatm(西北部)14μatm(亚热带)17μatm(亚北极区)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 线性回归 35 μatm南大洋［15］(125°E-205°E，45°S-60°S) 1997-1998 SST，Chl a 线性回归 6-12μatm Biscay湾［34］(10°W-2°W，42°N-48°N) 1997-2004 SST，Chl a 多项式回归 0.1±7.5μatm南海北部［35］(106°E-120°E，16°N-22°N) 2004 Chl a，SST 非线性回归 4.6 μatm比利时近岸海域［36，37］(2°E-3.6°E，51.1°-52°N) 2007 Chl a，SSSb 非线性回归 比实测值偏高北太平洋［31］(160°E-100°W， 0°-55°N) 1985-1989 Chl a，SST 非线性回归atm北美太平洋陆架边缘海［38］(110°W-125°W， 22°N-50°N) 1978-2005 Chl a，SST SOM神经网络算法 ＜20μatm南大西洋和南印度洋［39］(60°W-80°E，50°S-75°S) 1999-2005 Chl a，SST 线性回归 碳通量不确定度为45%南大洋［40］(0°-360°E，50°S-75°S) 2009.11-12 Chl a，SST 线性回归 17.2-31.8 μ

Landrum等［28］指出SST单一参数还不足以完全反映北太平洋的pCO2分布。Inoue和 Ishii［29-30］认为生物活动在北太平洋海区的海表碳循环过程中有着不可忽视的作用，尤其是春季到夏初，生物活动会明显降低海表DIC/pCO2的含量。ONO等［31］学者以Chla来反映生物活动对海表pCO2的影响，在Stephens［27］研究的基础上，采用遥感Chla和SST数据在海盆尺度上进行非线性回归，其结果在北太平洋亚热带和亚北极区都取得了较好的精度，回归误差分别为14和17μatm，在北太平洋的西北部也取得了较好的回归精度，误差在20μatm左右，比早期建模精度［27］提高了50%。

Lefèvre等［32］通过 1997 年 2 个航次的数据，分析了智利海岸以西海域上升流区pCO2的分布，根据航线上获得的pCO2、SST、SSS和Chla数据，比较各个影响因子对p CO2的拟合回归关系，最后确定pCO2与SST和SSS二元线性关系，的回归误差为35μatm。由卫星遥感外推算法计算得到该海域碳通量为2.19±2.3 mol·m-2·d-1，这一结果与航线实测的通量结果2.13 mol·m-2·d-1相近。

为了得到南大洋较小尺度(10-100 km)的碳源汇分布特征，Rangama等［15］选取了南大洋125-205°E，45-60°S之间的海域，根据船测 p CO2和卫星遥感SST和Chl a的线性回归关系，开展一次独立的航次进行验证，验证结果为外推算法得到的pCO2与船测数据之间偏差为6-12μatm。计算结果表明，1997年12月至1998年12月之间该海域为大气CO2的汇，碳吸收量为-0.08 GtC，误差为0.03 GtC。 这一估算值比 Takahashi［33］通过气候态模式计算得出的结果偏低38%。由于该海区在南大洋季节性海冰区范围之外，因此在计算过程中未考虑海冰的影响。

Padin［34］等根据 2003 年在 Biscay湾获得的现场数据，建立pCO2与Chla和SST二元多项式拟合经验关系，通过卫星遥感的Chla和SST数据推算了Biscay湾内的，误差为0.1±7.5μatm。 并根据大气pCO2的年平均增长率将经验关系扩展计算了1997-2004年海-气CO2通量。计算结果表明Biscay湾作为大气CO2的汇，年际平均吸收为1.9±0.1 mol·m-2，Biscay湾对大气CO2的吸收以每年0.08±0.05 mol·m-2显著减少。该研究指出，影响大气CO2吸收长期变化的主要因素是海气交换速率，比重为57%，其次是SST，所占比重为10%，而Chla的影响比重是2%。

Zhu等［35］利用2004年在南海北部夏季航次的实测数据，进行了海表pCO2与SST单一参数回归与双参数(Chla和SST)回归方法比较，并使用独立的航次数据对算法进行验证。验证结果表明，采用SST单一参数拟合的pCO2误差为25.1μatm，而采用双参数的误差则大大减少，仅为4.6μatm。该研究指出，在南海北部的夏季，生物活动对海表pCO2的影响不能忽略，利用Chla和SST进行pCO2遥感建模才能提高计算精度。

Borges等［36-37］在比利时近岸海域，通过2007年获得的3个航次(春、夏、秋)的现场实测数据，利用遥感Chla数据和由三维水动力生态模型(COHERENS)计算得出的SSS数据，将p CO2与Chl a和SSS进行非线性多元回归，与实测的pCO2相比，遥感外推得到的pCO2偏高，可能与使用的遥感Chla数据偏低有关。该研究提出，在近岸海域，受径流和潮汐的共同影响，近岸海域水体复杂，pCO2呈现强烈的水平梯度分布以及快速季节变化，现场调查难以有效的准确估算海-气CO2通量年际和长时间的变化。对于近岸海域的二类水体，由于复杂的光学属性，以及pCO2强烈的时空变异性，遥感外推算法在近岸海域还存在一定的挑战性。

由于受多元物理水文和生物化学驱动影响，陆架边缘海区的碳循环具有复杂的时空变异性，陆架边缘海现场实测数据十分缺乏，Hales等［38］利用CDIAC数据库(http://cdiac.esd.ornl.gov/)中1978-2005年北美太平洋陆架边缘海域的pCO2数据，提出结合卫星数据通过自组织映射神经网络方法(SOM)和非线性半经验关系的海水碳化学模型推算。由卫星遥感SST和Chla数据推算得到总溶解二氧化碳TCO2和总碱度TALK，再进一步推算，计算得到的pCO2与实测的pCO2相关关系为0.81，误差＜20μatm。

Chen等［39］根据雪龙船在南大西洋和南印度洋海冰区航线上船载获得的现场数据，提出受季节性海冰变化的影响，海表pCO2与Chla之间存在负相关关系，而在上升流区海表pCO2则与SST呈现负相关。该研究结合AMSRE卫星获取的分辨率为12.5 km的海冰动态分布，计算了南大西洋和南印度洋海域12月和1月份的时空分布特征。

该研究比较了中国南极考察第16航次(1999-2000年)和第21航次(2004-2005年)的碳吸收量，提出该海域对大气CO2吸收的能力在下降。该研究比较了遥感风速和现场风速，相关精度为92%，而遥感的Chla与现场的Chla相关关系为65%，由于遥感数据的误差以及外推算法带来的误差，最后得到的海-气CO2通量不确定度为45%左右。许苏清等［40］根据中国第26次南极考察环南极海冰区航线上获得的现场数据，在之前研究的基础上，进一步改进外推算法，提出根据海区生产力的不同，建立与Chla和SST不同的经验关系，标准偏差为17.2-31.8μatm。该研究提出在2009年11月，南大洋为大气CO2的源，而在2009年12月，该海区转变为大气CO2的汇。50°S以南的南大洋海域碳吸收能力与早期的研究相比，下降了47%。

1.3 多参数算法

Olsen等［41］考虑到不同区域内pCO2受SST的影响不同，因此将经纬度考虑进经验关系的建立。该研究建立了加勒比海域pCO2与SST及经纬度相关的经验方法，比较了几种卫星遥感SST推算的，均方根误差最大值为9.5μatm。该研究指出，在亚热带环流的海域，与SST之间有很好的相关关系。

Lefèvre等［42］在收集了 1995-1997 年在大西洋次北极环流获得的138 000份pCO2实测数据，建立2种方法的比较，一种是pCO2与经纬度和SST之间的经验算法，另一种是多元回归自主神经网络算法(sefl-organizing neural network approach)，采用 Lon、Lat、SST和年份为参数推算。2种算法对海表pCO2时空分布的遥感建模反映与之前的工作一致，但是基于多元回归的自主神经网络算法对海表pCO2建模的精度更高，误差为3-11μatm。

表3 多参数遥感建模的应用Table 3.The application of remote sensing produced bymultiple parameters

表3 多参数遥感建模的应用Table 3.The application of remote sensing produced bymultiple parameters

MLDa为气候态平均值;MLDb和MLDc为海洋模型计算结果.SSSc为气候态平均盐度;SSSd为卫星遥感CDOM推算而得;SSSe为海洋模型计算结果;SSSf为浮标数据

研究海域 研究时间 参数选择 建模方法 p COsw2遥感建模精度加勒比海域［41］(90°W-60°W，15°N-30°N) 2002 SST，Lon，Lat 线性回归 9.5μatm大西洋次北极环流［42］(60°W-10°W，50°N-70°N) 1995-1997 SST，Lon，Lat，year 自主神经网络算法 3-11μatm北太平洋［43］(120°E-80°W， 0°N-60°N) 1992-1996 Chl a，SST，SSSc 线性回归分解恒量守则［44］ 17-23 μatm墨西哥湾北部［45］(91°W-88°W，28°N-31°N) 2003.6 Chl a，SST，SSSd 多元线性回归 50.2μatm北大西洋［46］(85°W-6°W，10°N-58°N) 1994-1995 Chl a，SST，MLDa 多元线性回归 10.99-13.36μatm北大西洋［47］(60°W-0°W， 10°N-60°N) 2004-2006 Chl a，SST，MLDb SOM神经网络算法 11.55 μatm南海北部［48］(110°E-118°E，10°N-58°N) 2001-2004 Chl a，SST，Lon，Lat 神经网络方法 6.9 μatm北太平洋［49］(120°E-100°W， 10°N-60°N) 2002-2008 Chl a，SST，SSSe， MLDc SOM神经网络算法 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神经网络算法 21.1 μatm SST，SSSf，Lon，Lat，Time SOM神经网络算法 15.9 μ

Sarma［43］在北太平洋 p CO2遥感算法中加入SSS参数，采用了一种新颖的方法，由遥感Chla和SST及气候态平均的SSS数据经过多元回归方程计算出DIC(溶解无机碳)，由气候态平均的SSS数据线性回归TA(总碱度)数据，再由Mehrbach等［44］提出的分解恒量守则计算出pCO2的浓度数据。遥感建模的pCO2数据与现场走航观测的pCO2较一致，误差为17-23μatm。该研究表明基于卫星数据的遥感建模算法是估算海盆尺度上pCO2数据重要的手段，更多的现场观测数据将有助于提高遥感建模的准确度并减少误差。

Lohrenz等［45］针对由于河口径流影响的区域性海气CO2呈现高度的时空变化特征，对墨西哥湾北部p CO2遥感算法进行探索，提出以SST、SSS和Chla三种环境参数遥感建模pCO2数据。根据pCO2的梯度分布，现场数据按盐度10为界进行分区域多元线性回归。由MODIS-a水色卫星上获得Chla和SST数据，由该卫星测得的CDOM推算SSS数据。通过拟合回归的pCO2与实测值误差为50.2μatm。该研究结果表明在墨西哥湾北部海表层水p CO2较低，海-气 CO2通量为2.0-4.2mmol·C·m-2·d-1。在Borges等［37］的研究中指出SSS和CDOM的相关性并不理想，因此由遥感CDOM来推算SSS显然将带来较大的计算误差。

Jamet等［46］以混合层厚度(MLD)为指征来研究次表层水对表层水p CO2的影响，并以此思路结合遥感SST和Chla数据研究1994-1995年，在英国和牙买加之间的北大西洋海区海表pCO2的季节变动。结合MLD的气候学分析资料和遥感的SST、Chla数据对海区pCO2遥感建模，相比于建立在SST、经纬度或单一的SST经验关系上，计算结果更接近实测值，均方差在10.99-13.36μatm之间。海区p CO2的季节性分布结果无论是与独立的数据库进行检测，还是与Takahashi等［33］的气候资料分析得出的结果比较，都具有较高的准确度。

Telszewski等［47］在北大西洋应用了 SOM(自组织映射)神经网络方法来计算2004-2006年p CO2的分布，采用了Chla，SST和MLD为参数，遥感建模的精度为11.55μatm。Jo等［48］利用神经网络学的方法，建立了基于SST和Chla以及经纬度的pCO2建模方法，由卫星数据推导南海北部海表层水pCO2的分布，误差为6.9μatm，该研究与Zhu等［35］的结果相近。

Nakaoka等［49］通过SOM方法解释了海表pCO2与4个主控影响因子SST，MLD，Chla和SSS之间的非线性关系，建立了北太平洋0.25经度×0.25纬度网格的外推模型，时间跨度从2002-2008年。模型推算的pCO2与实测pCO2均方差为17.6 μatm。海表pCO2建模方法的改进在于增加了盐度作为影响因子，以及考虑了大气CO2的增长。北太平洋冬季pCO2的异常分布清楚地表明了厄尔尼诺年和拉尼娜年因为水温变化和垂直混合的区域性对照。

Friedrich 和 Oschlies［50］根据考察船 2005 年在北大西洋获得的实测数据，采用Kohonen Feature Map(KFM)神经网络方法，由 SST、Chla、Lon、Lat和月份外推，在卫星遥感数据覆盖空间理想的情况下，遥感建模的均方差为19μatm。然而由于50°N以北的海域在11月到次年2月之间的遥感Chla无法获得，当使用气候态平均的SST和Chl a弥补遥感数据的空缺时，均方差为21.1μatm。Friedrich和 Oschlies［51］在之前研究的基础上将ARGO浮标结合观测船的实测数据，通过SOM神经网络算法建立了基于SST、SSS、Lon、Lat和时间的五维模型推算，均方差为15.9μatm。该研究提出使用空间覆盖较均匀的ARGO浮标数据进行插分比用卫星遥感数据得到的年平均海盆尺度误差少42%。

2 遥感建模在极区海域的应用

极区海洋在全球碳循环中扮演极其重要的角色，是大气CO2的主要汇区［52-54］。其中占全球海洋面积20%的南大洋每年吸收了0.1-0.7 GtC的大气，而占全球海洋面积6%的北冰洋由于全球变暖，海冰快速消融，北冰洋对大气CO2吸收能力的异常变化受到越来越多研究学者的关注［59-62］。目前在高纬度极区海洋的碳通量研究主要是停留在站点和航线上的分析，对广袤的南大洋和北冰洋，由于天气恶劣难以获得大量实测数据而缺乏多时空尺度的海-气CO2通量认识。极区海域对大气CO2吸收能力的估算主要是通过描述海洋混合和水流的箱模式以及基于海洋动力学的环流模式研究［63］，包括大洋环流模式、大气反转模式、海域反转模式、气候态模式等。基于模式的计算因为缺乏对不同过程(包括涌升混合、海冰变化以及生物过程)参数化的高时空分辨率的了解，以及模式时空分辨率的差异，上述模式在极区海域的计算结果存在很大的争议和不确定性。因此在极区海域应用卫星遥感技术进行海气碳通量的研究是非常重要的手段和研究热点，对准确评估极区海域对全球碳收支的贡献具有重要的意义。目前卫星遥感建模主要应用于热带海域、中纬度海域以及近岸海域，在高纬度海域的应用特别少，一方面是因为实测数据的稀少，另一方面是因为红外和光学卫星遥感受云的影响比较大，在高纬度地区由于太阳辐射很低，卫星遥感的数据精度和覆盖率受到一定的影响。如前面所述，Rangama等［10］在南大洋的应用中选取了 45°S-60°S 的海域，避开了季节海冰的影响。Else等［21］在毗邻北冰洋的Hudson湾(55°N-62°N)的应用中则选取了无冰的季节，计算了2005年8-10月海-气CO2通量。Friedrich 和 Oschlies［50-51］在北大西洋遥感建模方法的研究中，由于50°N以北的卫星数据在冬季缺失，精度降低。 Chen等［35］和许苏清等［36］在南大洋海冰区进行了探索性的研究，结合海冰的动态变化计算了南大西洋和南印度洋以及整个南大洋的海-气CO2通量，但该研究只应用在南半球的夏季。极区海洋是更加复杂多变的水体，随着海冰消融，混合层稳定性的改变，海域的生产力、水温、盐度以及开阔海域面积等均发生一系列的改变，呈现明显的时空变异和强烈的季节变化。在极区应用遥感外推算法的过程中，除了考虑生物活动的影响，水动力过程的影响，海冰的变化和海域盐度的变化也是非常关键的因素。

3 展望

目前对水体pCO2的测量主要是采用直接测量法，主要有滴定法、电极法、混合敏感膜法、光纤化学法、非色散红外光度法和膜技术分离法［64］，上述方法测定精度高，但是局限于实验室，测量数据的空间和时间分布很受限制。既要获得区域尺度上的空间分布，又要反映长时间序列变化，应用遥感建模手段是一个重要的方法。遥感手段估算碳通量的局限在于，至今还无法对海表pCO2参数直接实现遥测获取。加上遥感数据受天气、云层、气溶胶等因素的影响会出现部分数据缺失，给遥感建模带来相对大的误差。遥感外推算法的发展与卫星技术的发展息息相关。海洋卫星遥感技术的每一次突破都能极大地推动遥感外推算法的发展。2011年美国宇航局发射“Aquarius(水瓶座)”海洋监测卫星，执行观测全球海洋表面盐分以及海洋环流的任务。该颗卫星的应用可以取代以往海-气CO2通量计算中采用的气候态平均值或是由其他模式计算得出的SSS数据，提高SSS时空分辨率和准确度，提高的遥感建模精度，将大大地推进海洋碳循环的研究。

利用卫星数据估算海洋碳通量的研究已经开展了几十年，但仍处于探索阶段，方法也存在一定的局限性，提高的遥感反演精度是关键的问题。随着卫星遥感技术的不断发展和多参数算法的改进，进一步提高外推算法中关键参数的时空分辨率，在一些源汇表观明显的海区可进行海域分区，对物理泵和生物泵以及其他驱动作用进行分区计算，提高以主驱动因子计算通量值的可信水平。相比于传统的船测调查方法，因其在时空覆盖上具有的巨大优势，利用卫星遥感技术估算区域性海-气CO2通量将会成为全球海洋特别是极区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， Rödenbeck 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 许苏清，陈立奇.利用卫星数据估算南大洋海-气CO2通量的展望.极地研究，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 许苏清，陈立奇，陈海颖.中国第26次南极考察南大洋碳通量评估.极地研究，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 许苏清，李伟，王伟强，等.两种海洋二氧化碳现场监测技术比对研究.海洋技术，2013，32(3):11-14.