科研快讯｜基于卫星观测的半解析算法估算北冰洋生物碳泵通量

  近日，浙江大学基础交叉研究院“海洋+”交叉研究领域成员、海洋学院乐成峰教授团队在Remote Sensing of Environment发表题为Estimating the biological carbon pump from satellite-based observations using a semi-analytical algorithm in the Arctic Ocean的研究成果。

 北冰洋是全球重要的碳汇，其固碳作用主要由生物碳泵（BCP）介导。然而，由于观测数据的时空覆盖度严重不足，定量评估北冰洋BCP的强度和效率一直是一个挑战。现有的卫星遥感方法大多依赖于对_净初级生产力_（NPP）的估算，但这些方法在北冰洋等极端环境下存在较大不确定性，例如算法选择、参数化方案以及难以观测深层碳通量等问题。

  该研究创新性地提出一种结合堆叠随机森林与硝酸盐质量平衡的半分析模型，首次实现了北冰洋生物碳泵的高分辨率遥感定量评估。研究通过构建堆叠随机森林模型，利用海表温度、盐度、叶绿素浓度及混合层深度等多源遥感数据，精准反演海表硝酸盐浓度（R²=0.92）。基于此建立的硝酸盐质量平衡模型，通过解析卷携、平流、垂向输运等物理过程与生物消耗的平衡关系，成功推算出净群落生产力。验证显示模型估算与船测数据高度一致（RMSD=9.52 mmol C m⁻² d⁻¹）。2003-2022年卫星数据分析表明，北冰洋生物碳泵呈现显著空间异质性，73%的碳输出集中于大西洋水流入的陆架区。该研究突破了极地观测数据稀缺的瓶颈，为评估北极碳汇功能及气候变化响应提供了关键方法论支撑和数据产品。