SST产品误差在海-气CO2通量计算中的传递及贡献分析*

窦文洁 蒋锦刚 周 斌 于之锋 白 雁 何贤强



SST产品误差在海-气CO2通量计算中的传递及贡献分析*

窦文洁1蒋锦刚1周 斌1①于之锋1白 雁2何贤强2

(1. 杭州师范大学遥感与地球科学研究院 杭州 311121; 2. 卫星海洋环境动力学国家重点实验室国家海洋局第二海洋研究所 杭州 310012)

海-气CO2通量; 遥感测量; 海表温度(SST); 误差传递; Monte Carlo模拟

随着人类社会的发展, 特别是19世纪中叶的工业化以来, 人类活动向大气排放的CO2不断增加, 预计在未来的100年里, 大气CO2浓度还将不断升高达到当今的2倍(马红亮等, 2008)。由“温室效应”导致的冰雪融化、海平面上升等一系列变化将会对生态系统和人类的生存发展带来深远的影响。

海洋和大气之间的互动是非常紧密的。研究表明, 人类每年产生的CO2约有一半停留在大气中, 而大约40％被海洋所吸收; 海洋圈含碳量为大气圈的50倍和生物圈的20倍(张远辉等, 2000; 陈立奇等, 2008), 因此海洋是一个强大的碳库。研究CO2在海洋和大气之间的转移已经成为当今国际气候和海洋科学研究前沿领域的重要内容。

国际上利用CO2分压差法研究海-气界面CO2通量的方法主要为现场测量技术, 数据采集方式虽真实性强, 但是具有操作繁琐, 测定时间长, 覆盖率低, 不能满足大范围测区监测的需求等不足。遥感技术具有成本低、大范围同步观测且数据获取量大等优点, 已逐渐成为海-气界面CO2通量计算的新手段。

由于遥感测量属于间接测量, 基于遥感估算海-气CO2通量的精度一直受到关注。Rangama等(2005)用卫星数据计算了南大洋45°—60°S, 125°—205°E之间海域的年际碳通量, 与Takahashi等(2002)通过气象数据得到的碳通量比较误差达到38%; Cosca等(2003)通过10年的实测数据建立CO2sw-关系, 并与卫星遥感SST数据进行耦合, 计算出1985— 2001赤道太平洋10°N到10°S, 95°W到165°E之间海域的季节和年际碳通量, 平均误差为(0.3±0.1)pgC/yr。

本文通过分析通量计算中各参量的精度影响因素, 对三个主要的参量(气体交换系数、溶解度和表层海水CO2分压CO2sw)分别建立了误差结构框架图, 以影响这三个参量的公共因子——海表面温度SST为例, 通过Monte Carlo方法模拟SST遥感产品误差在通量计算过程中的传递规律及贡献性。此研究思路和方法可为后期研究其它因素, 如叶绿素或者风速等因子的遥感产品误差传递和贡献提供理论参考。

1 研究方法及过程

海-气界面CO2分压差法一般采用Wanninkhof (1992)估算公式:

本文通过分析参量、、CO2sw和CO2air的参数化方法, 建立各参量在参数化过程中的误差传递结构框架图, 并找出可以通过遥感准确获取的因子, 利用Monte Carlo模拟遥感产品误差在通量计算过程中的传递规律及对通量误差的贡献性。

1.1 参数化过程分析及误差框架的构建

其中10m为海面以上10m处的风速;为Schmidt系数; 660是20°C时海水的, 为SST的函数(Wanninkhof, 1992), 表达式为:

其中为摄氏温度(单位: °C)

对于海水中的CO2:′=2073.1,′=125.62,′= 3.6276,′=0.043219

1.1.2CO2sw参数化过程及误差框架的构建CO2sw受到诸多因素影响, 如SST、CDOM、浮游植物(Chl-)及混合层厚度MLD等, 在现已发表的相关文献中, 研究者根据不同的数据特点, 已经形成许多单变量或多变量的估算模型。但利用SST作为CO2sw唯一变量用于基于遥感测量估算CO2sw的模型居多(Stephens, 1995; Hood, 1999; Nelson, 2001; Olsen, 2004; Else, 2008; 许苏清, 2008), 且相关性基本保持在0.8—0.9之间。研究表明, 在寡营养盐的大洋及海盆区域,CO2sw的主要受控因子为SST(王郝京, 2001), SST可以较准确的单独用于估算CO2sw(Else, 2008)。但是随着研究的深入, 越来越多的研究为了更全面的体现CO2sw的影响因素, 得到精度更高的参数化结果, 在模型中引入的控制参量也越来越丰富, 如加入体现生物作用的叶绿素、混合层厚度MLD等(Chierici, 2009)。

CO2sw参数化误差包括模型本身缺陷导致的误差及控制因子数据来源误差两部分。模型本身缺陷主要是由于控制因子多样但选择的有限性, 控制因素的季节变化性(如可代表生物作用的Chl的季节性选择), 模型形式(线性/非线性)的不确定性等导致的。在数据源方面, Chl和SST都可通过遥感的方式获取, 数据准确性同样受到传感器精度、反演模型精度以及数据的时空转换等的影响。由此作者可得CO2sw的参数化误差结构框架如图1b所示。

图1 的三个主要计算参数(k、S、pCO2sw)误差结构图

(1) CO2溶解度参数化过程及误差框架的构建

CO2溶解度一般表示为SST(公式中简写为T)和盐度值SAL的函数(Weiss, 1974), 表达式为:

其中,单位为k。

由公式可以看出, 其控制因素主要为海表面温度SST与盐度SAL。若要实现遥感对溶解度测量, 除SST外, 作者还需要解决SAL数据的遥感获取。目前通过遥感的方式获取SAL数据可靠性和稳定性较差。在一些研究中发现SST和SAL之间有很好的线性相关性(Else, 2008), 所以本文主要考虑计算中的误差来源之一: SST遥感数据获取误差的传递, 以及SST与SAL之间拟合关系的不确定性而引入的误差, 误差结构框架如图1c所示。

(2)CO2air参数化过程及误差框架的构建

目前, 基于遥感测量海-气界面CO2通量的研究中, 利用遥感数据反演获取CO2air的研究尚未成熟, 不能通过遥感手段获取准确、可靠的数据。在已开展的研究中, 大部分采用现场测量数据或者利用大气本底站和大气化学环流模型结合的模型数据, 最早则是采用研究区域临近的NOAA大气本底站观测的CO2数据, 认为CO2air变化不大, 在整个海域均使用同一个大气数据, 因此在本研究中作者将CO2air作为固定值(370μatm)分析(Takahashi, 2008)。

1.2 SST与k、S和pCO2sw之间的关系分析

通过以上、和CO2sw的误差结构框架图发现, 在各参量的计算中都涉及一个共同的影响因子——海表面温度SST, 在此作者将其提取, 简化SST与三者之间的关系。

(1) SST-关系分析

目前海-气气体交换速率计算以Wanninkhof (1992)模式(简称W92)最为普遍, 由于此参数化模型适合用于稳定风速、船只定点风速测量等气体传输的推断, 并适合应用于利用散射计和辐射计反演得到的风速的气体传输推断(Wanninkhof, 1992), 所以在此分析中作者选择W92模型。表达式为:

表现为SST的函数(式(3)), 因此SST和之是通过建立的一种间接关系。图1a中的误差框架图表明参数化误差源丰富, 在此将除SST外其它的一切控制因素的不确定性统一为一个量, 定义为k, 即值精度的最终影响因子为SST和k(图2a)。

(2) SST-CO2sw关系分析

根据2.1中的分析, 在主要的海盆区域SST可以较准确的单独用于估算CO2sw。在此作者选择SST作为唯一影响因子对CO2sw进行参数化, 选用Else(2008)在加拿大哈德逊湾的研究中利用MODIS SST数据建立的模型:

CO2sw=15.0+280.72= 0.89= ±13(6)

其中单位为k。

(3) SST-关系分析

作为SST和SAL的函数, 在海-气界面CO2通量研究中的计算方法较统一(式(4)), 并且SST与SAL

之间存在较高的相关性。本文选用Else(2008)SAL计算公式:

=-0.86+ 33.22=0.76= ±1(7)

其中单位为k。

因此, 作者可以将溶解度表达式(式(4))表示为SST为唯一变量的函数:

同样, 作者将参数化中除SST外其它的一切误差源都定义为S。因此,精度最终的影响因子为SST和S(图2c)。

1.3 Monte Carlo模拟

基于以上分析, 根据Wanninkhof(1992)提供的通量计算公式(式(1)), 最终建立SST误差传递流程(图3), 其中选定模型见表1。MODIS数据反演SST值在东海最大的误差表现为±0.5°C(郑嘉淦, 2006), 作者以此为遥感SST数据误差依据。同时假设风速变化范围为1—15m/s (苏纪兰, 2005), 并假设其符合正态分布且对各参量因子影响相互独立。为了最大限度提高模拟精度, 设定的随即发生器个数为1×106个, 基于MATLAB2009a软件, 利用Monte Carlo分析SST遥感反演数据误差在海-气界面CO2通量遥感估算中的传递模式及对通量误差的贡献。

图2 k、S、pCO2sw与SST关系图

图3 SST建模流程图

表1 SST误差在通量计算中的传递模拟所用公式

Tab.1 Equations used in the simulation for the error transmission of SST

注:单位: °C;单位: k,=+ 273.15

2 模拟结果与分析

图4 SST对k、S、pCO2sw的误差传递模拟频率分布直方图

3 讨论与结论

3.1 讨论

本文是在假设SST作为单一因子能够准确计算CO2sw时, 对SST遥感产品误差在海-气界面CO2通量估算过程中的传递性和贡献性展开了分析和讨论。在不同的研究区域,CO2sw=()的误差表现迥异, 导致SST的误差对最后通量误差的贡献也会有很大的差异; 且目前的研究中CO2sw参数化模型的不确定性也被认为是一个重要的误差源, 并且已经发展了大量的、复杂的CO2sw参数化模型, 但是SST在各种模型中都有考虑, 因此其遥感产品误差对通量的影响也会存在。本文提供的研究思路更加适用于特定区域的研究。而基于遥感测量的海-气界面CO2通量估算不确定性研究中, 各种经验模型的建立引入的不确定性被认为是最重要的, 这也是作者以后的重点研究方向和内容。

图5 SST对k、S、pCO2sw的误差传递正态分布概率检验图

Tab.2 Contribution of SST error to the parameterization of k, S, pCO2sw and

海表面碳通量交换过程是一个非常复杂的过程, 众多科学研究和建模过程都试图从不同角度来描述这个过程, 如经典的海气分压差CO2通量计算模型。在理论情况下, 建模估算考虑的因素越多、不同因素间相互作用机理描述得越清楚, 其模型的精度就越高。随着观测技术和手段的多样化, 基于实测数据的通量计算模型和基于遥感估算的通量模型成为了目前研究区域和全球海洋碳通量的两个重要手段。实测数据具有建模参数获取完整、数据精度高的特点, 遥感数据具有大区域和全球性的特点。随着遥感探测技术的不断进步, 利用遥感手段进行碳通量观测和规律分析必然越来越受重视。

利用遥感手段进行碳通量观测时需要面临如下两个突出问题: (1) 建模多参数难以遥感同时获取, 给建模过程带来困难; (2) 不同遥感数据误差特征参差不齐, 给反演结果带来更多的不确定性。

为了解决上述两个问题, 目前众多学者都采用了SST单因子进行通量估算, 事件证明该方法在大洋开阔水体的精度也得到验证。此外, SST是可遥感参量中精度相对较高、较稳定的产品, 对于后续的业务化及规律分析都能得到参数一致性的保证。

当然, 对于其它的遥感参量, 如Chl、10m、CDOM等, 遥感产品的误差分析同样可以采取本文思想, 因此能够实现所有可遥感参量误差在通量产品中的误差积累的分析, 这也是作者后期在结合已发展的、成熟的各参量模型来研究基于遥感监测的海- 气界面CO2通量精度评价的方向, 从而实现通量产品精度评价, 为产品发布提供服务。

3.2 结论

研究遥感产品误差对基于遥感估算海-气界面CO2通量估算不确定性的影响, 是碳通量产品的质量控制及评价、决策利用等的非常重要的工作。本文从海-气界面CO2通量各控制因素(特别是、和CO2sw)的参数化过程出发, 分析并建立了各控制因素的误差框架图, 以MODIS SST(误差表现为±0.5°C且为正态分布)为例, 风速为1—15m/s, 大气CO2分压数据为固定值(370μatm)的情况下, 并在SST造成的误差都是相互独立的假设前提下, 通过Monte Carlo模拟, 得到了SST误差经过模型传递给、和CO2sw三个参数时的规律分别为指数分布、近似指数分布和正态分布传递; 在寡营养盐大洋及海盆区域, 认为SST为CO2sw的唯一控制因子, 即CO2sw=()成立时, 由遥感SST误差引起的通量误差可能为±1.2mmol (m2·d)左右, 即具有明显的放大效应。

本文从单一终端控制因子(SST)出发, 将其它的误差源定义为统一量, 以此分析选定因子误差的传递规律和贡献性, 具有显著的优点, 即分析因素单一, 便于模拟; 可以将其它的不确定因素进行整合, 将包含有所有的已知和未知的误差源, 所以最终能够表现SST完整的误差传递性和贡献性; SST作为主要的原始控制参量之一, 对遥感在通量计算中的精度表现具有很好的代表性, 同时可以为后期的其它遥感数据产品的误差传递及贡献分析提供思想依据。

马红亮, 朱建国, 谢祖彬, 2008. 大气中CO2浓度的变化和影响研究. 环境科学与技术, 31(12B): 7—12

王郝京, 2011. 大洋海区海-气CO2通量单参数遥感算法的适用性检验. 台湾海峡, 30(2): 286—291

许苏清, 2008. 利用现场和卫星遥感数据估算南大洋碳通量. 厦门: 厦门大学博士学位论文, 18—21

苏纪兰, 2005. 中国近海水文. 第1版. 北京: 海洋出版社, 99—114

张远辉, 王伟强, 陈立奇, 2000. 海洋二氧化碳的研究进展. 地球科学进展, 15(5): 559—564

陈立奇, 杨绪林, 张远辉等, 2009. 海洋-大气二氧化碳通量的观测技术. 海洋技术, 27(4): 9—12

郑嘉淦, 李继龙, 杨文波, 2006. 利用MODIS遥感数据反演东海海域海表温度的研究. 海洋渔业, 28(2): 141—146

鲁中明, 戴民汉, 2006. 海-气CO2通量与涡动相关法应用研究进展. 地球科学进展, 21(10): 1046—1057

Bock E J, Hara T, Frew N M, 1999. Relationship between air-sea gas transfer and short wind waves. Journal of Geophysical Research, 104: 25821—25831

Chierici M, Olsen A, Johannessen T, 2009. Algorithms to estimate the carbon dioxide uptake in the northern North Atlantic using shipboard observations, satellite and ocean analysis data. Deep-Sea Research II, 56: 630—639

Cosca C E, Feely R A, Boutin J, 2003. Seasonal and interannual CO2fluxes for the central and eastern equatorial Pacific Ocean as determined fromCO2-SST relationships. Journal of Geophysical Research, 108(C8): 3278, doi: 10.1029/2000JC000677

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

Hood E M, Merlivat L, Johannessen T, 1999. Variations of ƒCO2and air-sea flux of CO2in the Greenland Sea gyre using high-frequency time series data from CARIOCA drift buoys. Journal of Geophysical Research, 104(C9): 20571—20583

Liss P S, Merlivat L, 1986. Air-sea Gas Exchange Rates: Introduction and Synthesis. In: The Role of Air-sea Exchange in Geochemical Cycling, Hingham: edited by P. Buat-Menard, D. Riedel, 113—129

Nelson N B, Bates N, Siegel D A, 2001. Spatial variability of the CO2sink in the Sargasso Sea. Deep-Sea ResearchⅡ, 48: 1801—1821

Nightingale P D, Malin G, Law CS, 2000.evaluation of air-sea gas exchange parameterizations using novel conservative and volatile tracers. Global Biogeochemical Cycles, 14(1): 373—387

Olsen A, Triñanes J A, Wanninkhof R, 2004. Sea-air flux of CO2in the Caribbean Sea estimated using in situ and remote sensing data. Remote Sensing of Environment, 89: 309—325

Rangama Y, Boutin J, Etcheto J2005. Variability of the net air-sea CO2flux inferred from shipboard and satellite measurements in the Southern Ocean south of Tasmania and New Zealand. Journal of Geophysical Research, 110: C09005

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

Sweeney C, Gloor E, Jacobson A R, 2007. Constraining global air-sea gas exchange for CO2with recent bomb14C measurements. Globe Biogeochemical, 21: 2015

Takahashi T, Sutherland S C, 2008. Global Ocean Surface Water Partial Pressure of CO2Database: Measurements Performed During 1968—2007 (Version 2007). ORNL/CDIAC-152. NDP-088a. Carbon Dioxide Information Analysis Center

Takahashi T, Sutherland S C, Sweeney C, 2002. Global sea-air CO2flux based on climatological surface oceanCO2, and seasonal biological and temperature effects. Deep-Sea Research Ⅱ, 49: 1601—1622

Tans P P, Fung I Y, Takahashi T, 1990. Observational constraints on the global atmospheric CO2budget. Science, 247: 1431—1438

Wanninkhof R H, Doney S, Peng T H, 1999a. Comparison of methods to determine the anthropogenic CO2invasion into the Atlantic Ocean. Tellus, 51B: 511—530

Wanninkhof R, 1992. Relationship between gas exchange and wind speed over the ocean. Journal of Geophysical Research, 97: 7373—7382

Wanninkhof R, McGillis W R, 1999b. A cubic relationship between air-sea CO2exchange and wind speed. Geophysical Research Letters, 26(13): 1889—1892

Weiss R F, 1974. Carbon dioxide in water and seawater: The solubility of a non-ideal gas. Marine Chemistry, 2: 203— 215

Zhai W D, Dai M H, 2009. On the seasonal variation of air-sea CO2fluxes in the outer Changjiang (Yangtze River) Estuary, East China Sea. Marine Chemistry, 117: 2—10

Zhai W D, Dai M H, Guo X H, 2007. Carbonate system and CO2degassing fluxes in the inner estuary of Changjiang (Yangtze) River, China. Marine Chemistry, 107: 342—356

ERROR IN SST PRODUCT: PROPAGATION IN THE ESTIMATION OF SEA-AIR CO2FLUX

DOU Wen-Jie1, JIANG Jin-Gang1, ZHOU Bin1, YU Zhi-Feng1,BAI Yan2, HE Xian-Qiang2

(1. Institute of Remote Sensing and Earth Sciences, Hangzhou Normal University, Hangzhou 311121, China; 2. Key Laboratory of Zhejiang Urban Wetland and Regional Change Research, State Key Laboratory of Satellites Ocean Environment Dynamics, Second Institute of Oceanography, State Oceanic Administration, Hangzhou 310012, China)

Estimation of sea-air CO2flux is indispensable for a wide range of research especially for carbon biogeochemical cycles and globe climate change. The distribution and CO2flux are highly variable in surface seawater and vary over a broad spectrum in time and space scales, and there is considerable interest in the use of satellite remotely sensed data to provide synoptic maps of sea-air CO2flux. However, a great deal of uncertainties are associated with the current remote sensing products of sea-air CO2flux due to many error sources, which limits largely its application on decision making. Taking SST, the major impact factor on the estimation of sea-air CO2flux as an example, we presented in a flowchart how the error propagates during the flux calculation with parameters including gas transfer velocity (), sea surface CO2solubility (), and the partial pressure of CO2at sea surface(pCO2sw). In addition, using Monte Carlo simulation, we analyzed the transfer law and the final contribution from the error to understand how SST error affects the flux interaction. The results indicate that under the assumption that remote sensing SST error is ±0.5°C and in normal distribution, the SST error transfer law was exponential distributed inparameterization, and approximately exponential distributed inparameterization, while normally distributed in pCO2swparameterization and exponential distributed in CO2flux; and when atmospheric CO2partial pressure was fixed at the value of 370μatm, SST brought an error of ±1.2 mmol·m-2·day-1to the final result of the flux. These results may provide a basis and reference for analyzing other parameters of remote sensing.

sea-air CO2flux; remote sensing; SST; error propagation; Monte Carlo simulation

10.11693/hyhz20121107001

* 海洋公益性行业科研专项经费项目, “中国近海海-气二氧化碳通量遥感监测评估系统研究与示范”, 200905012-07号; “海洋环境要素水色遥感技术与应用示范”, 201005030-06号; 国家自然科学基金项目, 40971193号, 41206169号。窦文洁, 助教, E-mail: douwenjie2002@163.com

周斌, 教授, E-mail: hznu_bzhou@126.com

2012-11-07,

2013-01-26

P731