南海北部表层颗粒有机碳的季节和年际变化遥感分析

崔万松，潘德炉，白雁*，何贤强，朱乾坤，胡子峰，李腾，龚芳，张琳

(1.国家海洋局第二海洋研究所 卫星海洋环境动力学国家重点实验室，浙江 杭州 310012)

南海北部表层颗粒有机碳的季节和年际变化遥感分析

崔万松1，潘德炉1，白雁1*，何贤强1，朱乾坤1，胡子峰1，李腾1，龚芳1，张琳1

(1.国家海洋局第二海洋研究所 卫星海洋环境动力学国家重点实验室，浙江 杭州 310012)

海洋颗粒有机碳(POC)是海洋固碳的一个关键参数。为了研究南海北部陆架及海盆表层POC浓度的时空分布特征以及变化趋势，本文利用2009-2011年4个季节的实测数据，对NASA发布的MODIS/AQUA卫星月平均POC遥感产品，进行了验证和校正；并利用校正后的遥感数据分析了2003-2014年POC的时空分布特征和变化趋势。发现POC遥感产品与南海北部实测数据具有较好的线性关系(R2=0.72)，但存在系统性偏高，需利用实测数据对遥感数据进行区域性校正。分析校正后的遥感数据发现，南海北部陆架POC浓度较高，平均为(33.34±8.02) mg/m3；吕宋海峡西南海域浓度较低，平均为(29.25±6.20) mg/m3；中央海盆区浓度最低，平均为(27.02±4.84) mg/m3。春夏季POC浓度较低，最低值一般出现在5月，冬季(12月至翌年1月)POC浓度达到最高。利用2003-2014年的长时间序列遥感叶绿素(Chla)和海表温度(SST)、混合层深度(MLD)模式数据，以及实测数据对南海北部POC浓度的影响机制进行了分析。发现POC与Chla在秋冬呈现较好的相关关系(R2=0.51)，但在春夏季较离散，表明秋冬季生物作用对POC影响较大。2003-2014年期间，POC与Chla、MLD及SST存在明显的年际变化，但并没有显著的上升或下降趋势。

南海北部；颗粒有机碳；生物作用；遥感反演；长时间序列变化

1 引言

颗粒有机碳(particulate organic carbon, POC)是指海水中有机颗粒物的碳含量，是海洋中重要的碳库之一，也是海洋碳循环研究的一个关键参数[1]。在海洋碳循环中POC以颗粒沉降的方式将有机碳从上层海洋输运到深海，能在很长的时间尺度上将二氧化碳从大气中移除，因此，POC向下输出通量可反映海洋的净固碳能力[2]，而上层海洋POC浓度和储量的变化可影响POC输出通量的大小[3]。在逐步发展的POC遥感估算模型基础上，结合剖面分布模型，可以进一步估算上层海洋POC储量[4]，并判断评估POC输出通量[3]。因此，了解表层POC浓度的分布特征对POC输出通量及海洋固碳研究是一个关键的因素。

南海北部既有生产效率较高的近岸和陆架[5]，也有寡营养盐且叶绿素浓度和初级生产力都较低的陆坡和海盆区[6]，POC浓度及输出通量在南海不同海域必然呈现不同的分布特征及季节变化，两者的对比研究有利于更好的了解南海北部碳循环过程及固碳能力。由于实测数据缺乏，目前关于南海北部POC的研究并不多。陈建芳等[7]利用沉积物捕获器研究了南海颗粒有机碳通量，发现其受季风影响明显。Hung等[8]研究了南海颗粒有机碳的分布特性和控制机制，发现陆架受陆源物质和垂直混合过程的显著影响，POC浓度较高，珠江口冲淡水POC浓度能达到156 mg/m3；而海盆地区POC浓度较低，一般在12～60 mg/m3，且与叶绿素浓度(Chla)有较好的相关关系，受生物作用影响较大。Liu等[9]研究了南海北部海盆SEATS站的POC浓度分布及同位素比重，发现POC浓度为12～36 mg/m3，呈现垂向递减分布。陈蔚芳[2]对南海北部POC浓度与POC通量的季节变化进行了研究，发现陆架区(水深小于200 m)POC输出通量较高，但没有明显的季节变化；陆坡和海盆(水深大于200 m)输出通量冬季最高，与初级生产力相一致。Wang等[10]发现在珠江口藻华期间POC浓度较平常增加数倍，浮游植物生长可产生了大量POC。Cai等[3]利用234Th/238U不平衡法计算了南海北部POC真光层输出通量，发现沿岸区输出通量与硅藻比重有很好的相关关系；在海盆，冬季的输出通量要小于春季，可能是由于冬季产生藻华使得POC聚集与POC输出在时间上有延迟所致。以上这些工作对南海碳循环研究奠定了良好的基础。由于南海幅员辽阔，船测方式耗时耗力耗财，且易受到海况等影响，目前仍缺乏足够的数据对POC浓度及通量进行大面积、长时间尺度的分析研究。

近年来，利用遥感数据反演POC浓度已经有了较大的发展[11—14]，其中包括NASA网站采用的POC算法[12]，可以较好地反演全球大洋POC表层浓度，获得高时空分辨率的遥感产品，为POC研究提供了良好的数据源。此外，Hu等[14]利用南海实测数据集，建立了一个南海区域POC遥感算法。

本文将利用Cai等[3]文章中2009-2011年4个季节航次的实测数据，对MODIS/AQUA卫星月平均POC遥感产品以及Hu等[14]反演算法进行验证。在基于实测数据校正算法的基础上，制作了2003-2014年南海北部POC遥感产品，分析12年间南海北部表层POC浓度的时空分布特征及变化趋势，并结合其他遥感产品，如遥感叶绿素(Chla)和海表温度(SST)、混合层深度模式数据，以及实测Chla和总悬浮物(TSM)等数据对南海北部POC浓度变化的影响因子进行分析。

2 数据和方法

2.1 研究区域

南海是西北太平洋最大的边缘海，总面积约3.5×106km2，属热带和亚热带季风气候。南海常年受季风影响，冬季盛行东北季风，整个南海海流呈气旋式环流；夏季盛行西南季风，反气旋式环流占据主导[15—17]。本文的研究区域位于南海北部(16°～24°N,108°～121°E)(图1)，包括珠江冲淡水区、南海北部陆架、海盆北部以及吕宋海峡西部等区域。南海北部夏季，在西南季风的驱动下，主要被反气旋式环流控制[5,16]。夏季是珠江径流量高峰期，此时广东沿岸海域受陆源水的影响较大，给南海北部近岸和内陆架带来充足的营养盐，使其有较高的初级生产力[6]，而海盆区域夏季则由于温度高，海水层化明显，营养盐供给不足，初级生产力较低[5]。冬季东北季风占主导，南海北部的海流方向与夏季相反，呈气旋式环流[16]，南海北部混合层深度达到最深，且深于营养盐跃层[18]，在海盆区，冬季相比夏季有更大的初级生产力；在吕宋岛西北部由于Ekman效应形成了冷涡，并且在吕宋海峡区域存在高温高盐的黑潮水入侵[19—21]。另外，南海北部常年受到台风、中尺度涡以及内波[22—23]等物理扰动的影响。

图1 南海地形和环流示意图(参考Liu等[6])Fig.1 Sketch map of the South China Sea with isobaths (in meters) and currents referenced from Liu et al.[6]实线代表冬季环流，虚线代表夏季环流；蓝框表示南海北部研究区域The solid and the dashed curves with arrows indicate the currents in winter and summer, respectively; the blue rectangle shows the study area of northern South China Sea

2.2 实测数据

本文使用的POC及Chla和TSM等实测数据来自Cai等[3]，为973“中国近海碳收支、调控机理及生态效应研究”CHOICE-II项目支持的4个季节南海北部航次。夏季航次为2009年7月18日至8月16日(41个站位)；冬季航次为2010年1月6日至1月30日(30个站位)；秋季航次为2010年10月26日至11月24日(19个站位)；春季航次为2011年4月30日至5月24日(33个站位) (图2)。本文主要采用表层数据进行分析。

航次样品的详细采样和测试方法请参考Cai等[3]文章。简要概述如下：颗粒有机碳(POC)样品处理方法按照JGOFS实验规范进行，利用直径47 mm孔径0.7 μm的GF/F玻璃纤维膜过滤，放置冰箱保存，带回实验室，利用元素分析仪进行分析。叶绿素(Chla)样品通过直径47 mm孔径0.7 μm的GF/F膜过滤，使用锡纸包装滤膜，放在液氮(-20℃)保存，带回实验室，采用HPLC方法进行测量[24]。总悬浮物(TSM)样品经过直径47 mm孔径0.45 μm的醋酸纤维膜过滤，放置冰箱保存，带回实验室，在60℃下烘干直到恒重，利用十万分之一电子天平进行称重(样品膜和空白滤膜质量差)。

图2 2009-2011年4个季节航次站点分布图Fig.2 The map of sampling stations in four seasons from 2009 to 2011

2.3 遥感数据

遥感数据采用NASA网站下载的MODIS/AQUA卫星POC、Chla、海表温度SST产品，空间分辨率为4 km×4 km。日平均POC遥感数据用于实测数据匹配，以验证遥感产品精度；月平均POC遥感数据用于分析南海北部POC的时空变化特征，时间跨度为从2003年1月至2014年12月(http://oceancolor.gsfc.nasa.gov/cgi/l3)。

混合层数据(MLD)采用HYCOM数值模式计算的混合层深度产品，时间跨度为2009年1月至2014年12月，分辨率为(1/6)°×(1/6)°，(http://orca.science.oregonstate.edu/1080.by.2160.monthly.hdf.mld.hycom.php)。HYCOM模式是美国全球海洋数据同化实验组改进的一种数据同化海洋模式，可以较准确反映出较高分辨率的海洋三维状态(http://hycom.org/hycom/overview)。混合层深度数据集是按照密度阈值计算，即将海水密度相比表层海水密度升高0.125 kg/m3的深度称为混合层深度[25—26]；

目前NASA水色网站POC遥感产品采用的是Stramski等[12]的蓝、绿波段(443 nm、555 nm)比值法算法：

(1)

Stramski等[12]利用南太平洋东部和大西洋东海岸53组实测的海表POC、Chla浓度，以及不同波段的遥感反射率(Rs)分析，发现海水中POC浓度变化引起的遥感反射率变化在440 nm附近最为显著；随着POC浓度增加，波长520 nm以上的遥感反射率几乎没有变化。在低浓度POC和Chla下，遥感反射光谱有相对较高的蓝绿波段比值，相应光谱变化在Chla的反演算法中也有体现[27—28]，因此，Stramska和Stramski[11]基于上述POC与光谱变化特征，借鉴Chla反演方法，采用波段比值法反演POC；通过实测数据分析，发现443 nm与555 nm波段的遥感反射率比值与POC有最佳的指数相关性(R2=0.871)，RMSE为21.29 mg/m3，平均误差为2.26%，能够较好地估算POC浓度，并且在浓度低于20 mg/m3的热带和亚热带太平洋与大西洋等海域反演结果也较好。

Hu等[14]基于覆盖南海大部分区域的120组实测数据，并结合其他海域POC算法文献[11,13]发现POC算法具有区域性差异，利用南海实测光谱数据和实测POC数据拟合得到一个南海区域POC算法：

(2)

NASA采用的Stramski等[12]算法与Hu等[14]算法形式一样，但系数有所不同。本文利用Cai等[3]文章的2009-2011年4个航次数据，同时对两种算法进行比较和验证。

3 结果

3.1 POC遥感产品检验

本文从NASA网站下载了443 nm和555 nm遥感反射率，根据Hu等[14]算法制作了相应的遥感产品(POCHu)，并与NASA网站的POC遥感产品(POCNASA)进行比较。按照航次时间，我们将POC实测数据与日平均的遥感数据进行匹配。考虑遥感数据(日平均、1 km)与实测数据(瞬时、单点)的时空不一致，以及水色遥感数据受云掩膜影响而造成的数据量不足问题，我们对遥感数据依次采取3×3网格平均和5×5网格平均两种方法处理；如果以上2种情况仍旧没有数据，我们认为此处无有效匹配值；以上匹配原则参考He等[29]。

经过以上方式匹配之后，一共获得19组匹配数据(图3a)，包括琼东沿岸(3个)，陆架陆坡(9个)，海盆(5个)及吕宋海峡(4个)等南海北部的典型区域。19个匹配点，仅有一个数据点为5×5网格，其他均为3×3网格平均数据。由于缺乏近岸的匹配数据，本文主要讨论南海北部陆架和海盆区域的POC变化。

图3 遥感数据与实测数据比较Fig.3 Comparison of the in situ POC data and satellite-derived POC dataa.遥感与实测数据有效匹配点分布图；b.实测POC(POCin situ)与Hu等[14]算法计算的遥感产品(POCHu)拟合图；c.实测POC与NASA的POC遥感产品[12](POCNASA)拟合图；黑点代表3×3网格平均，红点代表5×5网格平均a.The location of match-up stations；b.satellite-derived POC from Hu et al[14] algorithm; c.NASA algorithm[12]; black dots are the 3×3 satellite-derived values, while the red dot is the 5×5 satellite-derived value

对19组匹配数据进行线性拟合(图3b,c)，可以获得遥感产品的校正公式：

POCin situ=0.319·POCNASA+11.821,

(3)

POCin situ=0.252·POCHu+10.822,

(4)

式中，POCin situ表示实测POC浓度；POCNASA表示NASA遥感POC产品，POCHu表示Hu等[14]算法计算的遥感POC浓度。

结果显示两种遥感数据与实测数据的线性关系较好，但两者在POC浓度的低值区都表现较为离散，且均存在系统偏高的现象，其中式(3)R2=0.718，RMSE(SD)=6.54 mg/m3；式(4)R2=0.691，RMSE(SD)=6.849 mg/m3。因此，本文将采用式(3)对2003-2014年MODIS/AQUA的月平均POC产品进行校正，分析其时空变化趋势。

3.2 南海北部POC季节变化

本文将采用式(3)对2003-2014年MODIS/AQUA的月平均POC产品进行校正，分析其时空变化趋势。由于遥感产品校正匹配成功的站位水深都在100 m以上，且近岸悬浮物浓度较高会影响遥感反演精度，我们在分析中将100 m以浅的海域进行掩膜，主要关注南海北部陆架和海盆区域。南海北部气候态月平均(2003-2014年)遥感POC浓度分布呈现了显著的空间变化(图4)，高值基本分布在陆架海域，低值主要分布在海盆区。在本文研究区域中，近岸区域(100 m等深线附近)POC浓度相对较高(约50 mg/m3)，且高值区范围随着季节变化而不同；海盆北部POC浓度较低(约23.5 mg/m3)。夏季6-8月份POC低值区几乎占据了整个南海北部，但是10月至翌年1月的秋冬季节POC浓度有不同程度的升高，最高可达40 mg/m3。吕宋海峡西南部海区的冬季POC浓度相比其他季节有明显增高，可以达到50 mg/m3，并且高值可维持到翌年3月份；春夏季，吕宋海峡POC浓度基本回落到和海盆区相同的浓度水平，大约为23.5 mg/m3左右。

图4 南海北部气候态月平均(2003-2014年)遥感POC表层浓度分布图Fig.4 The climatologic monthly averaged (2003-2014) sea surface POC distribution in the northern South China Sea a.1月;b.4月;c.7月;d.10月;白色区域代表水深小于100 m的近岸掩膜区和云掩膜等数据空缺；a中矩形框数字1、2、3分别代表选取的北部陆架、吕宋海峡西南部、北部海盆区域a-d indicates POC in January, April, June, and October, respectively; the white area indicates the depth less than 100 m and other area with invalid data; the number in three rectangles indicate the shelf of the northern South China Sea, the southwest area of Luzon Strait, the northern basin of South China Sea, respectively

通过2003-2014年的月平均POC变化图可看出(图5a)，南海北部POC具有较稳定的季节变化特征。夏季POC处于最低值，约24 mg/m3，变化很小。冬季POC达到最高值，且存在年际变化；冬季的最高值发生2009年1月，约40.61 mg/m3，最低值发生在2010年2月，约29.59 mg/m3，其他年份冬季一般在35 mg/m3以上。我们将2003-2014年每月的月平均浓度进行平均后，得到12年气候态变化特征(图5b)，大致上POC月变化趋势呈U型，1月浓度比较高，约36.91 mg/m3，然后逐渐下降；5月份POC达到最小值，约24.47 mg/m3；之后POC浓度开始上升，6-8月份上升速度较慢，相比5月份浓度变化只是有小幅度上升；而9-11月份处于一个比较快速的上升阶段，直到12月份POC浓度升到全年次高值，约35.75 mg/m3。总的来说，POC存在明显的季节变化，最大值出现在冬季(12-2月)，最小值出现在春季(3-5月)，并且夏季(6-8月)POC浓度维持在一个较低的水平，秋季POC浓度开始迅速升高，直到冬季增到峰值。春夏季浓度最低且变化小(SD约0.78 mg/m3)，冬季浓度最高且变化大(SD约2.83 mg/m3)。

图5 南海北部2003-2014年逐月POC浓度变化序列图(a)和月平均气候态变化图(b，红线代表SD)Fig.5 The monthly-averaged POC concentration from 2003 to 2014(a) and the climatologic monthly variation of POC(b, red line means SD) of northern South China Sea

图6 3个典型区域2003-2014年POC、Chl a、SST、MLD的时间序列变化Fig.6 The time series variation during 2003-2014 of POC, Chl a, SST, MLD in three chosen area a.南海北部陆架区; b.吕宋海峡西南部; c.北部海盆a. The shelf of the northern South China Sea; b. the southwest area of Luzon strait; c. the northern basin of the South China Sea

3.3 南海北部POC年际变化

为了更准确的研究南海北部POC浓度空间分布特征及相关因素(如海表温度Chla浓度以及混合层深度等)在2003-2014年间的变化趋势，我们选取了3个典型区域进行讨论：(1)南海北部陆架区(20.5°～21.5°N, 115.5°～117°E)；(2)吕宋海峡西南部(19°～20°N,118.5°～120°E)；(3)北部海盆(17.5°～18°N,114°～116°E)(图4a)。分别计算了选择区域内的平均值在2003-2014年间的变化(图6)。由图6看出，3个区域的SST、Chla、MLD与POC，都存在较显著的季节变化。Chla浓度增加的同时POC浓度也增加，表现出了同步涨消的趋势；MLD与Chla浓度也有着相似的周期变化趋势，但SST存在相反的季节变化。夏季温度最高，混合层深度最浅，Chla浓度达到最低值，POC浓度最低；冬季温度最低，混合层最深，Chla浓度最高，POC浓度最高。南海北部陆架区POC浓度相比其他两个区域浓度最高，平均为(33.34±8.02) mg/m3，存在明显的季节变化；相比其他两个海域，该区域离岸较近且陆架水深较浅，受陆源物质影响相对较大[3,10]。吕宋海峡西南部海域POC浓度稍低一些，平均为(29.25±6.20) mg/m3；北部海盆海域POC浓度最低，平均为(27.02±4.84) mg/m3；可以发现这两个海域SST在上升时，Chla、POC、MLD同处于下降趋势；SST下降时，Chla、POC、MLD同处于上升趋势，且存在比较明显的季节变化。吕宋海峡西南部海域冬季表现出较高的浓度，认为冬季此处形成的一个冷涡造成[5,18]。

对2003-2014年的POC、Chla、SST、MLD进行趋势变化分析(图6)，结果显示虽然各参数存在显著的年际变化，但是在2003-2014年间并没有明显增加或减少的变化趋势(3个区域均为R2<0.1，P>0.1，没有通过显著性检验)。

4 讨论

4.1 南海北部表层POC浓度遥感反演结果分析

根据文献资料的实测数据，南海北部陆架和海盆的表层POC浓度在大约10～70 mg/m3[2—3,8—9]。Hung等[8]发现夏季珠江口冲淡水POC浓度能达到156 mg/m3；而海盆地区POC浓度全年都较低，一般在12～60 mg/m3。Liu等[9]在南海北部海盆SEATS站获得的全年POC浓度在12～36 mg/m3之间变化。由于受到陆源物质和垂直混合的显著影响，POC高值一般都集中在陆架区，秋冬季浓度高于春夏季；南海北部海盆的POC浓度一般在70 mg/m3以下[8]。Hu等[14]算法中实测的POC浓度可能稍有偏高，且南海中部海盆POC均大于30 mg/m3，造成其拟合的区域POC算法精度有一些偏差。本文利用Cai等[3]文章4个季节的POC实测数据对遥感产品校正，得到的陆架POC浓度在25～60 mg/m3之间，海盆浓度在20～45 mg/m3之间(图4)，与前人研究结果较一致[2—3,8—9]，说明我们校正过后的遥感产品比较符合实际情况。

图7 4个季节航次[3]实测POC浓度的频数分布Fig.7 The frequency distributions of POC concentration in four seasons

由图7可以看出，4个季节航次[3]实测POC浓度在20～60 mg/m3的范围分别约占96.9%、73.2%、84.2%、93.3%，而大于60 mg/m3的浓度所占百分比很小，其中比重最大在秋季，仅占约15.8%，表明南海北部POC浓度大部分集中在20～60 mg/m3；夏季仍有约22%的浓度值处于较低水平，大约在10～20 mg/m3之间。通过遥感图像(图4c)也可以看出夏季海盆地区大部分是处于一个较低的浓度，约20 mg/m3左右，说明经过区域性矫正的遥感数据能够较好的反映南海北部POC浓度变化。

南海北部地处亚热带和热带地区，大部分属于显著的寡营养盐区，营养盐浓度在可检测范围以下[30—31]。春夏季，南海光照变强且温度迅速上升，海水层化显著，不利于水团的垂直混合[32]，混合层较浅，深层营养盐物质无法进入表层，叶绿素浓度极低[18,33]，造成了春夏季表层较低的POC浓度。秋冬季，太阳光照变弱，海表温度下降，且东北季风开始占主导，海水垂直混合加剧，冬季混合层变深达到最大[32]，这使得深层的营养盐能够达到表层，从而促进浮游植物的生长，Chla浓度升高，初级生产力提高[6,21,34]，由此也增加了POC的浓度。另外，冬季在吕宋海峡西南部海域出现冷涡形成上升流[5,18]，深层富营养盐的海水涌升，混合层加深出现海水夹带营养盐现象，从而促进了表层的浮游植物生长[35—36]，Chla浓度升高，POC浓度也随之升高，说明南海北部POC浓度的变化是物理-生物地球化学综合作用且生物占主导的过程。此外，通过对2003-2014年的POC时间序列变化趋势分析，发现POC浓度在12年间没有出现显著的增长或递减的趋势，表明南海北部的海洋生物作用及生物地球化学环境相对于全球气候变化具有一定的适用性或调节性，也说明了POC变化机制的复杂特性。

4.2 POC浓度变化的影响因素分析

海洋中POC的来源主要有3种，陆源、海源以及海底沉积物的再悬浮[8]。河流入海径流带来的陆源有机碳，是近岸有机碳的重要来源；对于受陆源影响较小的海盆，浮游植物活动是POC的主要来源[2,8]。本节，我们首先利用4个季节实测的POC数据与相应的Chla和TSM数据来研究浮游植物和陆源物质对南海北部POC的影响；然后利用遥感长时间序列数据，对POC和Chla的关系再次进行验证和分析。

从实测数据可以看出，南海北部Chla和POC的相关关系存在季节性变化图(8a)。春、夏季表层Chla平均浓度分别为(0.15±0.11) mg/m3(n=33)和(0.19±0.24) mg/m3(n=41)，表层POC平均浓度分别为(31.8±9.24) mg/m3(n=33)和(29.76±23.4) mg/m3(n=41)；而且数值较集中，两者没有明显的线性关系(春季R2=0.13,P>0.05; 夏季R2=0.05,P>0.05)。秋、冬季节的表层Chla平均浓度为(0.53±0.2) mg/m3(n=17)和(0.49±0.18) mg/m3(n=29)，表层POC平均浓度为(45.48±23.4) mg/m3(n=19)和(42±11.64) mg/m3(n=30)，比春夏季节明显上升，且相互之间存在较好的线性关系(秋季R2=0.39,P<0.005;冬季R2=0.51,P<0.001)。表明秋冬季浮游植物的生长同时也增加了POC的浓度，出现了较好的相关关系，因此，有学者根据这种关系，利用Chla浓度估算POC浓度[10,37—38]。

在某些陆源影响较大的河口海域，POC的浓度会有极大的增高，如长江口海域TSM和POC会呈现较好的线性关系[39—40]，珠江口也发现了类似的关系[10]，说明TSM对POC的影响是比较大的。通过POC和TSM的散点图(图8b)看出，南海北部两者关系在夏季比较离散(R2=0.16,P<0.05)，冬季则出现了较好的关系(R2=0.64,P<0.001)，表明冬季TSM对POC浓度的变化也产生了一定的影响。但是从浓度数值来看，冬季和夏季表层TSM平均浓度分别为(180±200) mg/m3(n=30)和(120±100) mg/m3(n=37)，两个季节差别不大，大多集中在50～250 mg/m3之间，数值较小，可能是航次采样站位离岸距离较远，受冲淡水影响较小，表明南海北部TSM对POC的影响很小。

图8 实测数据POC与Chl a及TSM的散点图Fig.8 The scatter plots of POC concentration versus Chl a (a, c), and POC concentration versus TSM (b, d) in the surface layera和b按季节划分，c和d按水深划分Data are divided by season (a,b) and by depths (c,d)

图9 遥感POC与遥感Chl a及SST散点图Fig.9 The scatter plots between the POC vs. Chl a (a,c,e) and POC vs. SST (b,d,f)a,b.南海北部陆架；c,d.吕宋海峡西南部；e,f.北部海盆；区域划分见图4a a,b. The shelf of north Southern China Sea; c,d.the southwest area of Luzon Strait; e,f. the northern basin

按照陆架(水深50～200 m)，海盆(水深大于200 m)分别做散点图比较(图8c，8d)。陆架区存在少量的陆源影响，除去这些较高的异常值，海盆和陆架区POC与Chla都存在较好的关系(图8c)，但是海盆区(R2=0.44,P<0.001)要好于陆架区(R2=0.38,P<0.001)，表明在海盆区Chla对POC的影响更加显著。TSM与POC关系图中(图8d)，陆架区(R2=0.74,P<0.001)要好于海盆(R2=0.23,P<0.05)，并且陆架TSM浓度为(170±110) mg/m3(n=26)，稍高于海盆为(100±40) mg/m3(n=19)，陆架相比海盆受到了更多的陆源影响，由此对POC造成了一定的影响。但两区域的大部分TSM的大部分浓度小于400 mg/m3，说明TSM对POC的影响有限，POC主要影响因素仍是叶绿素。

为了获得更多的时空变化数据，我们将3.3节中划分的3个典型区域(图4a)的遥感反演POC与遥感Chla及SST数据进行相关分析(图9)。在北部陆架，遥感反演POC与Chla存在很好的关系(R2=0.942,P<0.000 1,SD=0.032 mg/m3)， POC浓度随着Chla浓度的升高而升高，生物作用对南海北部POC的影响显著；同时，北部陆架POC与温度的关系较好(R2=0.593,P<0.000 1,SD=1.491 mg/m3)，但弱于Chla，说明温度也在一定程度的影响POC浓度变化，但温度主要表征季节的演替。吕宋海峡西南部及北部海盆区，POC与Chla均具有较好的关系，但相对南海北部略为离散，吕宋海峡西南部及北部海盆区拟合系数分别为R2=0.66,P<0.000 1,SD=0.085 mg/m3；R2=0.796,P<0.000 1,SD=0.026 mg/m3。吕宋海峡西南部及北部海盆区，生物量水平较低，容易受到海流和中尺度涡等物理过程影响，造成POC与Chla的关系不如生物量较高的南海北部陆架明显。吕宋海峡西南部及北部海盆区POC与温度拟合系数分别为R2=0.673,P<0.001,SD=1.138 mg/m3；R2=0.636,P<0.001,SD=1.193 mg/m3，关系要稍好于陆架，温度对POC的影响高于陆架，但总体上3个区域POC与SST的相关性均小于POC与Chla的相关性，说明温度对POC的影响要小于生物作用。由图8b、8d、8f看出POC随着温度的升高而下降，温度上升MLD变浅，海洋上层营养物质供给不足，生物量(Chla)较低，这样也间接的影响了POC的浓度大小。

5 结论

本文利用4个季节航次实测的POC浓度与遥感POC产品进行比较验证，发现两者存在较好的线性关系，但现有的遥感POC产品系统性高于实测POC浓度，因此，利用南海北部的实测数据对NASA的遥感产品进行校正，得到2003-2014年南海北部月平均表层POC浓度。分析发现南海北部陆架和海盆区表层POC浓度在10～60 mg/m3之间，且存在明显的时空变化。POC浓度随着离岸距离增加而降低；秋冬季POC浓度高而春夏季较低。对2003-2014年月平均遥感Chla、SST等产品以及HYCOM数值模式的2009-2014年混合层深度MLD分别了进行时间序列变化分析，结果显示南海北部POC浓度、Chla浓度、SST、MLD等存在显著的年际变化，但并没有明显的升高或者降低的趋势性变化。南海北部POC与Chla存在较好的相关关系，表明生物作用是影响POC浓度变化的主要因素；其他因素，如陆源物质及中尺度涡等物理过程对POC也有一定的影响。由于实测数据限制，本文研究区域主要为南海北部陆架和海盆区域，但经过4个季节航次实测数据的验证和校正，可以获得准确的大面积长时间序列分布的表层POC遥感数据，进一步结合其他的卫星数据(如风速、海面高度等)和数值模式(水团剖面结构和输运等)数据，可以更好的研究南海POC变化机制，并进一步估算POC储量和输出通量。

致谢:感谢厦门大学蔡平河教授提供POC等实测数据。

[1] 王桂芬, 曹文熙, 殷建平, 等. 海洋颗粒有机碳浓度水色遥感研究进展[J]. 热带海洋学报, 2012, 31(6): 48-56.

Wang Guifen, Cao Wenxi, Yin Jianping, et al. Progress on ocean-color remote sensing of particulate organic carbon[J]. Journal of Tropical Oceanography, 2012, 31(6): 48-56.

[2] 陈蔚芳. 南海北部颗粒有机碳输出通量, 季节变化及其调控过程[D]. 厦门: 厦门大学, 2008.

Chen Weifang. On the export fluxes, seasonality and controls of particulate organic carbon in the Northern South China Sea[D]. Xiamen: Xiamen University, 2008.

[3] Cai P, Zhao D, Wang L, et al. Role of particle stock and phytoplankton community structure in regulating particulate organic carbon export in a large marginal sea[J]. Journal of Geophysical Research: Oceans, 2015, 120(3): 2063-2095.

[4] Pan Delu, Liu Qiong, Bai Yan. Review and suggestions for estimating particulate organic carbon and dissolved organic carbon inventories in the ocean using remote sensing data[J]. Acta Oceanologica Sinica, 2014, 33(1): 1-10.

[5] Chen Y L. Spatial and seasonal variations of nitrate-based new production and primary production in the South China Sea[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2005, 52(2): 319-340.

[6] Liu K K, Chao S Y, Shaw P T, et al. Monsoon-forced chlorophyll distribution and primary production in the South China Sea: observations and a numerical study[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2002, 49(8): 1387-1412.

[7] 陈建芳, 郑连福, Wiesner M G, 等. 基于沉积物捕获器的南海表层初级生产力及输出生产力估算[J]. 科学通报, 1998, 43(6): 639-642.

Chen Jianfang, Zheng Lianfu, Wiesner M G, et al. Estimations of primary production and export production in the South China Sea based on sediment trap experiments[J]. Chinese Science Bulletin, 1998, 43(6): 639-642.

[8] Hung J J, Wang S M, Chen Y L. Biogeochemical controls on distributions and fluxes of dissolved and particulate organic carbon in the Northern South China Sea[J]. Deep Sea Research Part II: Topical Studies in Oceanography, 2007, 54(14): 1486-1503.

[9] Liu K K, Kao S J, Hu H C, et al. Carbon isotopic composition of suspended and sinking particulate organic matter in the northern South China Sea—from production to deposition[J]. Deep Sea Research Part II: Topical Studies in Oceanography, 2007, 54(14): 1504-1527.

[10] Wang G, Zhou W, Cao W, et al. Variation of particulate organic carbon and its relationship with bio-optical properties during a phytoplankton bloom in the Pearl River estuary[J]. Marine Pollution Bulletin, 2011, 62(9): 1939-1947.

[11] Stramska M, Stramski D. Variability of particulate organic carbon concentration in the north polar Atlantic based on ocean color observations with Sea-viewing Wide Field-of-view Sensor (SeaWiFS)[J]. Journal of Geophysical Research: Oceans, 2005, 110(C10): C10018.1-C10018.16.

[12] Stramski D, Reynolds R A, Babin M, et al. Relationships between the surface concentration of particulate organic carbon and optical properties in the eastern South Pacific and eastern Atlantic Oceans[J]. Biogeosciences, 2008, 5(1): 171-201.

[13] Allison D B, Stramski D, Mitchell B G. Empirical ocean color algorithms for estimating particulate organic carbon in the Southern Ocean[J]. Journal of Geophysical Research: Oceans, 2010, 115(1):1-16.

[14] Hu S, Cao W, Wang G, et al. Empirical ocean color algorithm for estimating particulate organic carbon in the South China Sea[J]. Chinese Journal of Oceanology and Limnology, 2015, 33(3): 764-778.

[15] Pohlmann T. A three dimensional circulation model of the South China Sea[J]. Elsevier Oceanography Series, 1987(45): 245-268.

[16] Hu J, Kawamura H, Hong H, et al. A review on the currents in the South China Sea: seasonal circulation, South China Sea warm current and Kuroshio intrusion[J]. Journal of Oceanography, 2000, 56(6): 607-624.

[17] Su J. Overview of the South China Sea circulation and its influence on the coastal physical oceanography outside the Pearl River Estuary[J]. Continental Shelf Research, 2004, 24(16): 1745-1760.

[18] Chen Y L, Chen H Y. Seasonal dynamics of primary and new production in the northern South China Sea: The significance of river discharge and nutrient advection[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2006, 53(6): 971-986.

[19] Ning X, Chai F, Xue H, et al. Physical-biological oceanographic coupling influencing phytoplankton and primary production in the South China Sea[J]. Journal of Geophysical Research: Oceans, 2004, 109(C10): 1-20.

[20] Qu T, Mitsudera H, Yamagata T. Intrusion of the North Pacific waters into the South China Sea[J]. Journal of Geophysical Research: Oceans, 2000, 105(C3): 6415-6424.

[21] Qu T. Upper-layer circulation in the South China Sea[J]. Journal of Physical Oceanography, 1999, 30(6): 1450-1460.

[22] Wu C R, Chiang T L. Mesoscale eddies in the northern South China Sea[J]. Deep-Sea Research Part II: Topical Studies in Oceanography, 2007, 54(14): 1575-1588.

[23] Liu A K, Zhou Y, Hsu M K. Nonlinear Internal Waves in the South China Sea[M]. Advances in Engineering Mechanics: Reflections and Outlooks. World Scientific, 2005:297-313.

[24] Furuya K, Hayashi M, Yabushita Y. HPLC determination of phytoplankton pigments using N, N-dimethylformamide[J]. Journal of Oceanography, 1998, 54(2): 199-203.

[25] Monterey G, Levitus S. Seasonal Variability of Mixed Layer Depth for the World Ocean[M]. NOAA Atlas NESDIS 14. Natl. Oceanic and Atmos. Admin, 1997.

[26] Renaudie C, Baraille R, Morel Y, et al. Adaptation of the vertical resolution in the mixed layer for HYCOM[J]. Ocean Modelling, 2009, 30(2): 178-189.

[27] Clarke G L, Ewing G C, Lorenzen C J. Spectra of backscattered light from the sea obtained from aircraft as a measure of chlorophyll concentration[J]. Science, 1970, 167(3921): 1119-1121.

[28] O'Reilly J E, Maritorena S, Mitchell B G, et al. Ocean color chlorophyll algorithms for SeaWiFS[J]. Journal of Geophysical Research: Oceans, 1998, 103(C11): 24937-24953.

[29] He X, Bai Y, Pan D, et al. Satellite views of the seasonal and interannual variability of phytoplankton blooms in the eastern China seas over the past 14 years[J]. Biogeosciences, 2013, 10(7): 4721-4739.

[30] Tseng C M, Wong G T F, Lin I I, et al. A unique seasonal pattern in phytoplankton biomass in low-latitude waters in the South China Sea[J]. Geophysical Research Letters, 2005, 32(8):1-4.

[31] 刘洋. 南海次表层, 中层水团结构及其运动学特征的研究[D]. 青岛：中国海洋大学, 2010.

Liu Yang. Study on the structures and the kinetics characteristics for the subsurface and intermediate water masses in the South China Sea[D]. Qingdao: Ocean University of China, 2010.

[32] Duan Rui, Yang Kunde, Ma Yuanliang, et al. A study of the mixed layer of the South China Sea based on the multiple linear regression[J]. Acta Oceanologica Sinica, 2012, 31(6): 19-31.

[33] 李小斌, 陈楚群, 施平, 等. 南海1998-2002年初级生产力的遥感估算及其时空演化机制[J]. 热带海洋学报, 2006, 25(3): 57-62.

Li Xiaobin, Chen Chuqun, Shi Ping, et al. Estimation of primary production of South China Sea from 1998 to 2002 by remote sensing and its spatio-temporal variation mechanism[J]. Journal of Tropical Oceanography, 2006, 25(3): 57-62.

[34] Chen C C, Shiah F K, Chung S W, et al. Winter phytoplankton blooms in the shallow mixed layer of the South China Sea enhanced by upwelling[J]. Journal of Marine Systems, 2006, 59(1): 97-110.

[35] Wang J J, Tang D L, Sui Y. Winter phytoplankton bloom induced by subsurface upwelling and mixed layer entrainment southwest of Luzon Strait[J]. Journal of Marine Systems, 2010, 83(3): 141-149.

[36] Shang S, Li L, Li J, et al. Phytoplankton bloom during the northeast monsoon in the Luzon Strait bordering the Kuroshio[J]. Remote Sensing of Environment, 2012, 124: 38-48.

[37] Legendre L, Michaud J. Chlorophyllato estimate the particulate organic carbon available as food to large zooplankton in the euphotic zone of oceans[J]. Journal of Plankton Research, 1999, 21(11): 2067-2083.

[38] Sathyendranath S, Stuart V, Nair A, et al. Carbon-to-chlorophyll ratio and growth rate of phytoplankton in the sea[J]. Marine Ecology Progress Series, 2009, 383: 73-84.

[39] 赵继胜, 姬泓巍, 郭志刚. 冬季东海典型海域颗粒有机碳的垂直分布[J]. 海洋科学, 2003, 27(6): 59-63.

Zhao Jisheng, Ji Hongwei, Guo Zhigang. The vertical distribution of particulate organic carbon in the typical areas of the East China Sea in winter[J]. Marine Sciences, 2003, 27(6): 59-63.

[40] 金海燕, 林以安, 陈建芳, 等. 黄海, 东海颗粒有机碳的分布特征及其影响因子分析[J]. 海洋学报, 2005, 27(5): 46-53.

Jin Haiyang, Lin Yian, Chen Jianfang, et al. Analysis of driving factors and distribution of particulate organic carbon in the Huanghai Sea and the East China Sea[J]. Haiyang Xuebao, 2005, 27(5): 46-53.

王蔓蔓，柯长青，邵珠德. 基于CryoSat-2卫星测高数据的北极海冰体积估算方法[J]. 海洋学报, 2017, 39(3): 135-144, doi: 10.3969/j.issn.0253-4193.2017.03.013

Wang Manman, Ke Changqing, Shao Zhude. Arctic sea ice volume estimation method based on CryoSat-2 Satellite altimeter data[J]. Haiyang Xuebao, 2017, 39(3): 135-144, doi:10.3969/j.issn.0253-4193.2017.03.013

Satellite views of the seasonal and interannual variations of the particulate organic carbon in the northern South China Sea

Cui Wansong1, Pan Delu1, Bai Yan1, He Xianqiang1, Zhu Qiankun1, Hu Zifeng1, Li Teng1, Gong Fang1, Zhang Lin1

(1.StateKeyLaboratoryofSatelliteOceanEnvironmentDynamics,SecondInstituteofOceanography,StateOceanicAdministration,Hangzhou310012,China)

The particulate organic carbon (POC) plays an important role in the marine carbon cycle. It transports the organic carbon from the surface layer to the deep sea, and consequently removes the carbon dioxide (CO2) from the air, thus it is an important component of biological pump. To study the temporal and spatial distribution and long-term variation of sea surface POC concentration in the northern South China Sea (nSCS), we used the in situ data of four cruises from June 2009 to May 2011 to validate and calibrate MODIS/AQUA satellite monthly average POC products. The results shown the satellite-derived POC and in situ data had a good linear relationship in the nSCS (R2=0.72), but with a systematic bias. With the validated satellite POC products, we found that POC concentration in the shelf of the bias was high (33.34±8.02) mg/m3; the POC values of the southwest area of Luzon Strait was low (29.25±6.20) mg/m3, and POC had lowest values in the northern basin of SCS (27.02±4.84) mg/m3. The POC concentration was lower in spring and summer than that in winter and autumn; the lowest values generally appeared in May, and it remained a relative low and stable value from June to August, then the POC concentration began to rise in September, and reached the highest value in December. We analyzed the controlling factors on the POC distribution in the nSCS using the satellite-derived chlorophylla(Chla) concentration, sea surface temperature (SST), the model-derived mixed layer depth (MLD), as well as the in situ Chlaand total suspended matter concentration(TSM). The results demonstrated that the POC and Chlain the autumn and winter had a relatively good correlation(R2=0.51), but it was dispersed in the spring and summer, indicating that Chlahad significant influence on POC variation in the nSCS in autumn and winter. The POC, Chla, MLD and SST had the significant inter-annual variability, but had no significant increase or decrease trend in the period of 2003-2014. The mechanism of controlling POC spatial and temporal variation was complex.

the northern South China Sea; particulate organic carbon; biological effect; remote-sensing inversion; time series variation

2016-03-10；

2016-05-15。

973项目(2015CB954002)；海洋公益项目(201505003)；国家自然科学基金项目(41476155, 41322039)；“全球变化与海气相互作用”专项(GASI-02-SCS-YGST01, GASI-02-PAC-YGST01, GASI-03-03-01-01)。

崔万松(1992—)，男，山东省德州市人，从事海洋水色遥感研究。E-mail：cws0534@163.com

*通信作者：白雁，女，研究员，主要从事海洋遥感研究。E-mail:baiyan@sio.org.cn

P715.7;P714+.4

A

0253-4193(2017)03-0122-13