CN115980773A - 一种海洋中尺度涡旋内部碳循环的估算及演化分析方法 - Google Patents
一种海洋中尺度涡旋内部碳循环的估算及演化分析方法 Download PDFInfo
- Publication number
- CN115980773A CN115980773A CN202310264495.8A CN202310264495A CN115980773A CN 115980773 A CN115980773 A CN 115980773A CN 202310264495 A CN202310264495 A CN 202310264495A CN 115980773 A CN115980773 A CN 115980773A
- Authority
- CN
- China
- Prior art keywords
- vortex
- marine
- night
- total amount
- backscattering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明主要提供了一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,属于海洋碳循环技术领域,具体为基于中尺度涡旋内部发生昼夜垂直迁移的海洋动物总量反演的碳循环估算及演化趋势分析方法,利用遥感与现场观测数据,实现了激光雷达卫星的夜间垂直迁移海洋动物总量反演,进一步通过与涡旋的时空匹配,得到不同极性涡旋在全球海域的昼夜垂直迁移海洋动物总量空间分布特征与年际演化趋势,为基于中尺度涡旋的海洋碳循环模拟、海洋碳汇精确估算预测以及指导人类进行科学碳排放等提供技术方法支撑。
Description
技术领域
本发明属于海洋碳循环技术领域,尤其涉及一种海洋中尺度涡旋内部碳循环的估算及演化分析方法。
背景技术
生物碳泵是指以海洋环境中的海洋生物活动(浮游植物吸收CO2的降解沉降,海洋动物觅食、***、死亡降解沉降等)为动力,将碳元素从海洋表层转移到深层的过程。它作为海洋吸收CO2的主要机制之一,在海洋深层储碳过程中发挥着至关重要的作用。而在海洋生物碳泵机制中,以小型海洋动物为主体的海洋生物昼夜垂直迁移行为是其重要表现形式之一。即每当夜幕降临,数以万计的海洋动物在夜色的掩护下悄悄地从海洋深处向上迁移数百米,游到海洋表层觅食(以浮游植物为主),然后在黎明之前返回200-1000米的海洋中层黑暗区域。海洋动物为了躲避白天在海面上游弋的掠食者,而选择在夜间进行向上迁移的这种行为被称为昼夜垂直迁移(Diel Vertical Migration,DVM),是迄今为止地球生物圈中最大规模的种群迁移现象。而这些海洋动物就像一个巨大的传送带,通过表层的觅食行为,把浮游植物吸收的二氧化碳带回海洋深处,再通过新陈代谢活动排放到深海中,从而实现了碳封存。有研究表明,海洋动物的昼夜垂直迁移贡献了海洋碳总输出量的一半。
中尺度涡旋是海洋中普遍存在的一种动力过程,可谓无时不在、无时不有、数以万计、大小不一,空间尺度约为几十到几百公里,时间尺度从几天到几年,垂直尺度可达千米,每天移动约几公里,是一种相对独立的移动三维旋转流体,覆盖海洋表面积的大约40%,对海洋物质循环和能量级联具有重要作用,已成为当前跨学科研究的天然载体。然而随着全球变暖,一方面,全球海洋中尺度涡旋的强度、尺度和频率等都在一定时空尺度上发生着变化;另一方面,中尺度涡旋因自身的水平搅拌、垂直抽运和区域裹挟特性,具有异常的海洋地球生物化学环境(如研究发现,涡旋内部的叶绿素、溶解氧、温度参数表现为异常),从而维持着一个独特的生态***。因此,海洋中尺度涡旋内部发生昼夜垂直迁移的海洋动物总量一定有其特殊性,其总量、空间分布特征及演变规律等,对构建精细尺度上的海洋碳循环模型、准确估算海洋碳汇并预测气候变化,从而指导人类科学碳排放等都具有重要意义。但是,目前现有技术中缺少一种对中尺度涡旋内部发生昼夜垂直迁移的海洋动物总量估算及其演化趋势分析的有效方法。
发明内容
针对上述问题,本发明提出了一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,包括以下步骤:
步骤1,利用激光雷达卫星数据和被动水色遥感数据联合反演水体颗粒物后向散射系数;可计算获取白天采样的和夜间采样的;
步骤2,通过步骤1获取的水体颗粒物后向散射系数反演计算海洋中发生昼夜垂直迁移的海洋动物总量DVM;
通过拟合夜间海洋动物后向散射系数与同一时空下的海洋动物现场捕捞量间关系,得到夜间垂直迁移海洋动物总量与间的换算因子a,并结合浮游植物的昼、夜后向散射系数差异引入的转换因子c,得到海洋中发生昼夜垂直迁移的海洋动物总量DVM的反演公式为:
;
步骤3,对步骤2获取的DVM与中尺度涡旋进行时空匹配,并按日期将激光雷达卫星反演得到的所有DVM划分为三类数据集,即在反气旋涡AE内、在气旋涡CE内和在涡外;
步骤4,完成DVM与中尺度涡旋的匹配后,分别对不同极性涡旋AE和CE内的海洋动物总量空间分布特征进行统计分析,计算某个时间段内、某一区域或全球的海洋动物总量平均异常;
步骤5,以某一区域或全球为研究对象,分别统计AE和CE内海洋动物总量在某个时间段的平均异常,得到AE或CE内的动物总量平均异常时间序列,然后以所述某个时间段为横坐标,AE或CE内的海洋动物总量平均异常为纵坐标,通过方程拟合,得到AE或CE内部的海洋动物总量演变趋势。
在一种可能的设计中,所述步骤1中水体颗粒物后向散射系数的反演公式为:
其中,为激光波长处的漫射衰减系数,通过被动水色遥感产品反演得到;为总退偏比,通过激光雷达卫星接收到的垂直偏振通道信号与平行偏振通道信号的比值计算得到;为海表面后向散射,利用风速、激光入射角及菲涅尔反射率ρ计算得到;为水下粒子退偏比,由其与的经验关系式计算得到;t为532nm波长的海表透过率,由激光雷达波长决定。
在一种可能的设计中,所述步骤1和步骤2之间还包括结果的校正过程,具体为:
S11,对现场剖面平台获得的颗粒物后向散射系数进行质量控制、插值,同时将其转化为与激光雷达卫星相同波长的颗粒物后向散射系数;
S12,以激光雷达卫星的水下采样积分深度为标准,计算现场剖面平台在该深度范围的平均颗粒物后向散射系数,记为;
S13将现场剖面平台的采样时间、位置与激光雷达卫星的采样时空位置进行匹配,由于二者都具有精确的时刻和经纬度坐标,一般很难进行严格意义上的时空匹配,因此必须选择适宜的时间和空间范围进行匹配;
S14,将匹配后的数据与激光雷达卫星反演的数据进行拟合,建立与之间的拟合方程,通过拟合方程对卫星反演的结果进行校正。
在一种可能的设计中,所述步骤1中用于计算的数据需要进行数据质量控制筛选,包括海表风速筛选,海表风速满足2m/s≤≤9m/s;大气光学厚度AOD筛选,AOD<3;总退偏比筛选,<0.05。
在一种可能的设计中,所述海表面后向散射取决于菲涅尔反射率,激光入射角和海表均方斜率σ,其经验公式为:
海表均方斜率σ是风速的函数,即:
其中,入射角是激光雷达卫星的激光入射角;为菲涅尔反射率。
在一种可能的设计中,所述的反演公式的推导过程为:
具有偏振特性的激光雷达卫星接收的离水后向散射信号包括垂直偏振信号和平行偏振信号,由于垂直偏振信号几乎全部来自于海表面以下水柱积分的颗粒物后向散射,而平行偏振信号既包含来自于海表面以下水柱积分的平行偏振后向散射,也包括来自海表面的平行偏振后向散射,即:
(1)
因此,反演是基于海表面以下水柱积分的垂直偏振后向散射,引入总退偏比,其值等于海表面离水后的垂直偏振信号与平行偏振信号的比值,即:
(1)式中的可以通过海表面以下水柱积分的退偏比求得,定义为水柱积分的垂直偏振信号与水柱积分的平行偏振信号的比值,即:
取0.1,故由(1)(2)(3)式,得到
进一步结合水下粒子退偏比、180度粒子后向体散射相函数参数进行换算,即
其中,t为532nm波长的海表透过率,为激光波长的漫射衰减系数,为水柱积分的垂直偏振后向散射;
通过现场测量,得到与的经验关系为:
联立(4)(5)(6),得到
即为的反演公式。
在一种可能的设计中,所述步骤2中海洋中昼夜垂直迁移的海洋动物总量DVM的反演公式的具体推导过程为:
激光雷达卫星夜间获得的颗粒后向散射信号既包含了夜间浮游植物颗粒的后向散射信号,也包含了海洋动物的后向散射信号,因此得到为
(7)
将换算为,并考虑浮游植物的日循环特征,浮游植物的昼、夜后向散射信号差异主要来源于浮游植物生长率和时长大小,二者转换因子可用c表示,即:
(8)
进一步得到:
(9)
进一步地,通过建立激光雷达卫星获得的夜间海洋动物后向散射系数与同一时空下的海洋动物现场捕捞量间关系,得到夜间海洋动物总量与间的换算因子a,最后得到海洋中昼夜垂直迁移的海洋动物总量DVM的反演公式为:
在一种可能的设计中,所述步骤3的具体过程为:
下载与激光雷达卫星同一时间段的海洋中尺度涡旋数据集,记为气旋涡CE和反气旋涡AE;
将激光雷达反演得到的动物总量与该天的所有中尺度涡旋进行逐一匹配,判断是在某个AE内、CE内或涡外;
当完成全部匹配后,按照日期划分为三类数据集,即分别在AE内、在CE内和在涡外。
在一种可能的设计中,所述步骤4的具体过程为:
将涡外的海洋动物总量作为背景场,统计全球每1°×1°网格内所有涡外海洋动物总量数据在每个月的多年平均值作为该1°×1°网格的月气候态背景值,记为;
统计AE或CE内每1°×1°网格在每个月的多年平均海洋动物总量,记为或,为了表征不同极性涡旋的空间分布特性,进一步计算DVM的月平均异常,记为或,其计算方法为:
同理,可分别计算AE、CE内多年的季节与年平均海洋动物总量异常,从而获得AE、CE内的在全球或某一区域多年间的月、季节或年平均海洋动物总量异常空间分布特征。
与现有技术相比,本发明提出一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,利用激光雷达遥感手段,可以估算全球海洋的高时空分辨DVM值,相对于现场测量,具有覆盖广、时序长、准实时、效率高的综合优势。通过进一步与中尺度涡旋进行时空匹配,可以进一步揭示不同极性涡旋内部的DVM空间分布特征以及随年际变化的DVM演变规律,为全球中尺度海洋碳循环精细模型构建、区域海洋碳汇精确估算、海洋对碳的吸收能力预测等提供技术方法支撑。
附图说明
图1为海洋中尺度涡旋内部碳循环的估算及演化分析方法的流程示意图。
图2为CE内部的DVM演变趋势图。
具体实施方式
下面结合具体实施例对发明进行进一步说明。
激光雷达是目前已知唯一可在夜间观测并同时具备水体穿透能力的遥感手段。本发明拟基于激光雷达卫星获取的昼夜后向散射信号,提出中尺度涡旋内部发生昼夜垂直迁移海洋动物总量的反演及其演变趋势分析方法。总体思路如图1所示:1.利用主动激光雷达卫星数据和被动水色遥感数据联合反演水体颗粒物后向散射系数;2.结合现场实测数据,对1中激光雷达手段反演的bbp结果进行校正,提高反演精度;3.结合现场海洋动物实际捕获量,将bbp值换算为实际海洋动物总量DVM,建立二者间关系式;4.将激光雷达手段反演得到的DVM与中尺度涡旋进行时空匹配,通过匹配,分别把DVM归类为“在AE内、在CE内和在涡外”三类数据集;5.统计分析全球海洋不同极性涡旋在月、季节和年平均的DVM空间分布特征;6.揭示中尺度涡旋内部DVM的演变趋势。
1.利用主动激光雷达卫星数据和被动水色遥感数据联合反演水体颗粒物后向散射系数。
(1)反演方法
一般来说,具有偏振特性的激光雷达卫星接收的离水后向散射信号包括垂直偏振信号和平行偏振信号由于垂直偏振信号几乎全部来自于海表面以下水柱积分的颗粒物后向散射,而平行偏振信号既包含来自于海表面以下水柱积分的平行偏振后向散射,也包括来自海表面的平行偏振后向散射,即:
(1)
因此,反演是基于海表面以下水柱积分的垂直偏振后向散射,而激光雷达卫星接收到的是离水信号穿透大气后的衰减信号,为了消除大气的影响,引入总退偏比,其值等于为卫星接收的垂直偏振信号与平行偏振信号的比值,也等于海表面离水后的垂直偏振信号与平行偏振信号的比值,即:
(1)式中的可以通过海表面以下水柱积分的退偏比求得,定义为水柱积分的垂直偏振信号与水柱积分的平行偏振信号的比值,即:
一般取0.1,故由(1)(2)(3)式,得到:
其中海表面后向散射取决于菲涅尔反射率,激光入射角和海表均方斜率σ,其经验公式为:
其中,入射角是激光雷达卫星的激光入射角;为菲涅尔反射率;海表均方斜率σ是风速的函数,即:
(6)
通过上述过程可以求出水柱积分的垂直偏振后向散射,但如何通过来反演颗粒物总后向散射系数bbp,则需要进一步结合结合水下粒子退偏比、180度粒子后向体散射相函数参数进行换算,即:
其中,t为532nm波长的海表透过率,为激光波长的漫射衰减系数。
通过现场测量,得到与的经验关系为:
联立(4)(7)(8),得到:
其中,为激光波长处的漫射衰减系数,通过被动水色遥感产品反演得到;为总退偏比,通过激光雷达卫星接收到的垂直偏振通道信号与平行偏振通道信号的比值计算得到;为海表面后向散射,利用风速、激光入射角及菲涅尔反射率ρ计算得到;为水下粒子退偏比,由其与的经验关系式计算得到;t为532nm波长的海表透过率,由激光雷达波长决定。
在具体实施时,可以选择CALIPSO激光雷达卫星为例,其激光波长为532nm,每天白天13:40和夜间1:40过境采样,水下采样深度为22.5m,设计有垂直偏振衰减后向散射信号和总衰减后向散射信号IAB(平行偏振衰减后向散射信号等于IAB减去得到)。由bbp的反演公式,即(9)式中的相关参数为532nm波长处的值。
其中,(10)
式中的可由被动水色遥感MODIS产品直接获得;表示532nm的激光波长的漫射衰减系数,表示490nm的激光波长的漫射衰减系数;
通过CALIPSO卫星接收到的532nm垂直偏振通道信号与平行偏振通道信号的比值计算得到;
利用CALIPSO卫星产品中的风速,并通过公式(5)(6)计算得到,其中CALIPSO卫星的激光入射角;532nm通道的海水菲涅尔反射率;
通过与的经验关系式得到,如下:
(11)
532nm波长激光的水体透过率t=0.98;表示532nm的激光波长的漫射衰减系数,表示490nm的激光波长的漫射衰减系数;
综上,bbp反演公式(9)的结果为:
(2)数据质量控制
风速筛选:风速应控制在一定范围内,如果风速太大,将使海表层产生大量白泡,会对水体的垂直偏振通道信号造成较大的噪声干扰。如果风速太小,则风平浪静情况下,海表的镜面反射增强将导致平行偏振通道信号饱和,影响总退偏比的计算结果;
大气光学厚度AOD:AOD应小于某一值,如果太大则说明气溶胶、云对激光的衰减严重,应予剔除;
总退偏比:应小于某一值,如果太大则说明反射面主要来自海冰或积雪,而非海表面,应予剔除;
风速筛选:优选地,海表风速满足2m/s≤≤9m/s;
大气光学厚度AOD:优选地,AOD<3;
总退偏比:优选地,<0.05。
2.结合现场实测数据的结果校正。
对现场剖面平台获得的颗粒物后向散射系数进行质量控制、插值,同时将其转化为与激光雷达卫星相同波长的颗粒物后向散射系数;
以激光雷达卫星的水下采样积分深度为标准,计算现场剖面平台在该深度范围的平均颗粒物后向散射系数,记为;
将现场剖面平台的采样时间、位置与激光雷达卫星的采样时空位置进行匹配,由于二者都具有精确的时刻和经纬度坐标,一般很难进行严格意义上的时空匹配,因此必须选择适宜的时间和空间范围进行匹配;
将匹配后的数据与激光雷达卫星反演的数据进行拟合,建立与之间的拟合方程,通过拟合方程对卫星反演的结果进行校正。
在具体实施时,对BGC-Argo获得的剖面颗粒物后向散射系数进行质量控制、插值,同时将其转化为532nm波长处的颗粒物后向散射系数;
以水下0-22.5m深度范围为标准,计算BGC-Argo在该深度范围的平均颗粒物后向散射系数,记为;
将BGC-Argo剖面的采样时间、位置与CALIPSO卫星的采样(白天13:40和夜间1:40)进行时空匹配。为了取得匹配数据量与匹配结果间的平衡,优选地,空间上考虑1°范围(与中尺度涡旋尺度相当),时间上考虑7天之内(与浮游植物的新陈代谢周期相当),小时上考虑CALIPSO过境的前后2小时(减少浮游植物每日生理变化影响);
将匹配后的数据与CALIPSO卫星反演的bbp数据进行拟合,建立与bbp之间的拟合方程,通过拟合方程对CALIPSO卫星反演的bbp结果进行校正。
3.建立动物总量DVM与bbp间的换算关系。
激光雷达卫星夜间获得的颗粒后向散射信号既包含了夜间浮游植物颗粒的后向散射信号,也包含了海洋动物的后向散射信号,因此得到为:
(13)
考虑到每日发生垂直迁移的海洋动物总是昼伏夜出,所以激光雷达卫星白天获得的颗粒后向散射信号则几乎全部来自于浮游植物的后向散射信号,但由于浮游植物白天进行光和作用,细胞大小和有机碳含量增加,而晚上细胞***和新陈代谢,导致浮游植物的白天散射信号与夜间散射信号存在差异,若要将换算为,需要考虑浮游植物的日循环特征。研究表明,浮游植物的昼、夜后向散射信号差异主要来源于浮游植物生长率和时长大小,二者转换因子可用c表示,可由现有文献查阅得到。即:
(14)
所以可由(11)式进一步得到,
(15)
进一步地,通过建立激光雷达卫星获得的夜间海洋动物后向散射系数与同一时空下的海洋动物现场捕捞量间关系,得到夜间海洋动物总量与间的换算因子a,最后得到海洋中昼夜垂直迁移的海洋动物总量DVM的反演公式为:
(16)
在具体实施时,由CALIPSO卫星获得的夜间海洋动物后向散射系数与同一时空下HOTs和BATs两个站点长期观测的捕捞量进行拟合,得到夜间海洋动物总量DVM与间的换算因子a=1596。最后推导出DVM的反演结果为:
(17)
其中,c取决于不同区域在不同日期内的白天时长和浮游植物生长率,可由现有文献查阅得到。
4.开展DVM与中尺度涡旋的时空匹配。
将基于激光雷达卫星反演得到的DVM与海洋中尺度涡旋进行时空匹配,具体步骤包括:下载与激光雷达卫星同一时间段的海洋中尺度涡旋数据集,记为气旋涡CE和反气旋涡AE;
将激光雷达反演得到的动物总量与该天的所有中尺度涡旋进行逐一匹配,判断是在某个AE内、CE内或涡外;
当完成全部匹配后,按照日期划分为三类数据集,即分别在AE内、在CE内和在涡外。
在具体实施时,将基于CALIPSO卫星反演得到的DVM与海洋中尺度涡旋进行时空匹配,具体步骤包括:下载与激光雷达卫星同一时段(2007-2022)的海洋中尺度涡旋数据集,记为气旋涡(CE)、反气旋涡(AE);将每个激光雷达足印反演得到的DVM与该天的所有中尺度涡旋进行逐一匹配,判断DVM是在某个AE内或CE内或涡外。当完成全部匹配后,则把所有激光雷达足印反演得到的DVM按照日期划分为了三类数据集,即分别在AE内、在CE内和在涡外。
5.获取不同极性涡旋的DVM全球空间特征。
当完成DVM与中尺度涡旋的匹配后,分别对不同极性涡旋AE、CE内的DVM空间分布特征进行统计分析。具体过程包括:将涡外的海洋动物总量作为背景场,统计全球每1°×1°网格内所有涡外海洋动物总量数据在每个月的多年平均值作为该1°×1°网格的月气候态背景值,记为;
统计AE或CE内每1°×1°网格在每个月的多年平均海洋动物总量,记为或,为了表征不同极性涡旋的空间分布特性,进一步计算DVM的月平均异常,记为或,其计算方法为:
(18)
(19)
同理,可分别计算AE、CE内多年的季节与年平均海洋动物总量异常,从而获得AE、CE内的在全球或某一区域多年间的月、季节或年平均海洋动物总量异常空间分布特征。
在具体实施时,将涡外的DVM作为背景场,统计全球每1°×1°网格内所有涡外DVM数据在2007-2022每个月的月平均值作为该1°×1°网格的月气候态背景值,记为DVM背景,月;统计AE(CE同理)内、每1°×1°网格在2007-2022每个月的多年平均DVM,记为,然后根据公式(18)或(19)进一步计算DVM的月、季节或年平均异常的空间分布特征。
6.揭示中尺度涡旋内部的DVM演变趋势。
以某一区域或全球为研究对象,分别统计AE、CE内DVM的每年平均异常,得到多年的DVM年均异常时间序列,然后以年份为横坐标、AE或CE内的DVM年均异常为纵坐标,通过方程拟合,得到AE或CE内部的DVM演变趋势。
以北太平洋亚热带环流区域为研究对象,统计AE(CE)在2007-2022年间的DVM年均异常时间序列,然后以年份为横坐标、CE内的DVM年均异常为纵坐标,通过方程拟合,得到CE内部的DVM演变趋势,如图2所示,其中纵坐标表示DVM年均异常的相对百分比,横坐标为年份。由图2可知,近15年来,该区域CE内的DVM以年均3%的速度下降,这反映出在气候变暖趋势下,该区域的海洋涡旋活动受到抑制,影响了涡旋内浮游植物的生长环境,相应地导致涡旋内的DVM活动下降,由此可以进一步预测,由DVM动力过程产生的碳汇能力也将按相应的速度减少,对人们未来碳排放构成了较大压力,为及早制定科学的碳排放计划提供支撑。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于,包括以下步骤:
步骤1,利用激光雷达卫星数据和被动水色遥感数据联合反演水体颗粒物后向散射系数;可计算获取白天采样的和夜间采样的;
步骤2,通过步骤1获取的水体颗粒物后向散射系数反演计算海洋中发生昼夜垂直迁移的海洋动物总量DVM;
通过拟合夜间海洋动物后向散射系数与同一时空下的海洋动物现场捕捞量间关系,得到夜间垂直迁移海洋动物总量与间的换算因子a,并结合浮游植物的昼、夜后向散射系数差异引入的转换因子c,得到海洋中发生昼夜垂直迁移的海洋动物总量DVM的反演公式为:
;
步骤3,对步骤2获取的DVM与中尺度涡旋进行时空匹配,并按日期将激光雷达卫星反演得到的所有DVM划分为三类数据集,即在反气旋涡AE内、在气旋涡CE内和在涡外;
步骤4,完成DVM与中尺度涡旋的匹配后,分别对不同极性涡旋AE和CE内的海洋动物总量空间分布特征进行统计分析,计算某个时间段内、某一区域或全球的海洋动物总量平均异常;
步骤5,以某一区域或全球为研究对象,分别统计AE和CE内海洋动物总量在某个时间段的平均异常,得到AE或CE内的动物总量平均异常时间序列,然后以所述某个时间段为横坐标,AE或CE内的海洋动物总量平均异常为纵坐标,通过方程拟合,得到AE或CE内部的海洋动物总量演变趋势。
2.如权利要求1所述的一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于:所述步骤1中水体颗粒物后向散射系数的反演公式为:
其中,为激光波长处的漫射衰减系数,通过被动水色遥感产品反演得到;为总退偏比,通过激光雷达卫星接收到的垂直偏振通道信号与平行偏振通道信号的比值计算得到;为海表面后向散射,利用风速、激光入射角及菲涅尔反射率ρ计算得到;为水下粒子退偏比,由其与的经验关系式计算得到;t为532nm波长的海表透过率,由激光雷达波长决定。
3.如权利要求1所述的一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于,所述步骤1和步骤2之间还包括结果的校正过程,具体为:
S11,对现场剖面平台获得的颗粒物后向散射系数进行质量控制、插值,同时将其转化为与激光雷达卫星相同波长的颗粒物后向散射系数;
S12,以激光雷达卫星的水下采样积分深度范围为标准,计算现场剖面平台在该深度范围的平均颗粒物后向散射系数,记为;
S13,将现场剖面平台的采样时间、位置与激光雷达卫星的采样时空位置进行匹配,选择适宜的时间和空间范围进行匹配;
S14,将匹配后的数据与激光雷达卫星反演的数据进行拟合,建立与之间的拟合方程,通过拟合方程对卫星反演的结果进行校正。
4.如权利要求1或2所述的一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于:所述步骤1中用于计算的数据需要进行数据质量控制筛选,包括海表风速筛选,海表风速满足2m/s≤ ≤9m/s;大气光学厚度AOD筛选,AOD<3;总退偏比筛选,<0.05。
5.如权利要求2所述的一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于:所述海表面后向散射取决于菲涅尔反射率,激光入射角和海表均方斜率σ,其经验公式为:
海表均方斜率σ是风速的函数,即:
其中,入射角是激光雷达卫星的激光入射角;为菲涅尔反射率。
6.如权利要求2所述的一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于,所述的反演公式的推导过程为:
具有偏振特性的激光雷达卫星接收的离水后向散射信号包括垂直偏振信号和平行偏振信号,垂直偏振信号几乎全部来自于海表面以下水柱积分的颗粒物后向散射,而平行偏振信号既包含来自于海表面以下水柱积分的平行偏振后向散射,也包括来自海表面的平行偏振后向散射,即:
(1)
因此,反演是基于海表面以下水柱积分的垂直偏振后向散射,引入总退偏比,其值等于海表面离水后的垂直偏振信号与平行偏振信号的比值,即:
(1)式中的可以通过海表面以下水柱积分的退偏比求得,定义为水柱积分的垂直偏振信号与水柱积分的平行偏振信号的比值,即:
取0.1,故由(1)(2)(3)式,得到
进一步结合水下粒子退偏比、180度粒子后向体散射相函数参数进行换算,即
其中,t为532nm波长的海表透过率,为激光波长的漫射衰减系数,为水柱积分的垂直偏振后向散射;
通过现场测量,得到与的经验关系为:
联立(4)(5)(6),得到
即为的反演公式。
7.如权利要求1所述的一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于,所述步骤2中海洋中昼夜垂直迁移的海洋动物总量DVM的反演公式的具体推导过程为:
激光雷达卫星夜间获得的颗粒后向散射信号既包含了夜间浮游植物颗粒的后向散射信号,也包含了海洋动物的后向散射信号,因此得到为:
(7)
将换算为,并考虑浮游植物的日循环特征,浮游植物的昼、夜后向散射信号差异主要来源于浮游植物生长率和时长大小,二者转换因子可用c表示,即:
(8)
进一步得到:
(9)
进一步地,通过建立激光雷达卫星获得的夜间海洋动物后向散射系数与同一时空下的海洋动物现场捕捞量间关系,得到夜间海洋动物总量与间的换算因子a,最后得到海洋中昼夜垂直迁移的海洋动物总量DVM的反演公式为:
。
8.如权利要求1所述的一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于,所述步骤3的具体过程为:
下载与激光雷达卫星同一时间段的海洋中尺度涡旋数据集,记为气旋涡CE和反气旋涡AE;
将激光雷达反演得到的动物总量与该天的所有中尺度涡旋进行逐一匹配,判断是在某个AE内、CE内或涡外;
当完成全部匹配后,按照日期划分为三类数据集,即分别在AE内、在CE内和在涡外。
9.如权利要求1所述的一种海洋中尺度涡旋内部碳循环的估算及演化分析方法,其特征在于,所述步骤4的具体过程为:
将涡外的海洋动物总量作为背景场,统计全球每1°×1°网格内所有涡外海洋动物总量数据在每个月的多年平均值作为该1°×1°网格的月气候态背景值,记为;
统计AE或CE内每1°×1°网格在每个月的多年平均海洋动物总量,记为或,为了表征不同极性涡旋的空间分布特性,进一步计算DVM的月平均异常,记为或,其计算方法为:
同理,可分别计算AE、CE内多年的季节与年平均海洋动物总量异常,从而获得AE、CE内的在全球或某一区域多年间的月、季节或年平均海洋动物总量异常空间分布特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310264495.8A CN115980773B (zh) | 2023-03-20 | 2023-03-20 | 一种海洋中尺度涡旋内部碳循环的估算及演化分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310264495.8A CN115980773B (zh) | 2023-03-20 | 2023-03-20 | 一种海洋中尺度涡旋内部碳循环的估算及演化分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115980773A true CN115980773A (zh) | 2023-04-18 |
CN115980773B CN115980773B (zh) | 2023-07-04 |
Family
ID=85970817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310264495.8A Active CN115980773B (zh) | 2023-03-20 | 2023-03-20 | 一种海洋中尺度涡旋内部碳循环的估算及演化分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115980773B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105486664A (zh) * | 2015-12-31 | 2016-04-13 | 浙江大学 | 探测海洋浮游植物生物量和poc的激光雷达装置及方法 |
CN114295585A (zh) * | 2022-01-04 | 2022-04-08 | 浙江大学 | 一种基于解析模型的多视场海洋激光雷达数据正则化反演方法 |
US20220163640A1 (en) * | 2020-11-20 | 2022-05-26 | Second Institute of Oceanography, Ministry of Natural Resources | Dual-wavelength high-spectral resolution lidar system based on dual-stage virtual image phased array |
CN114997267A (zh) * | 2022-04-25 | 2022-09-02 | 中国科学院计算机网络信息中心 | 一种海洋旋涡演化分析方法、装置、设备及可读存储介质 |
WO2022194045A1 (zh) * | 2021-03-15 | 2022-09-22 | 哈尔滨工程大学 | 一种面向海上平台保障的三维温盐场分析预报方法 |
CN115310051A (zh) * | 2022-10-12 | 2022-11-08 | 中国海洋大学 | 一种海洋异常中尺度涡旋识别方法、设备及存储介质 |
CN115327518A (zh) * | 2022-09-07 | 2022-11-11 | 浙江大学 | 一种基于解析模型的海洋激光雷达多次散射衰减校正方法 |
-
2023
- 2023-03-20 CN CN202310264495.8A patent/CN115980773B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105486664A (zh) * | 2015-12-31 | 2016-04-13 | 浙江大学 | 探测海洋浮游植物生物量和poc的激光雷达装置及方法 |
US20220163640A1 (en) * | 2020-11-20 | 2022-05-26 | Second Institute of Oceanography, Ministry of Natural Resources | Dual-wavelength high-spectral resolution lidar system based on dual-stage virtual image phased array |
WO2022194045A1 (zh) * | 2021-03-15 | 2022-09-22 | 哈尔滨工程大学 | 一种面向海上平台保障的三维温盐场分析预报方法 |
CN114295585A (zh) * | 2022-01-04 | 2022-04-08 | 浙江大学 | 一种基于解析模型的多视场海洋激光雷达数据正则化反演方法 |
CN114997267A (zh) * | 2022-04-25 | 2022-09-02 | 中国科学院计算机网络信息中心 | 一种海洋旋涡演化分析方法、装置、设备及可读存储介质 |
CN115327518A (zh) * | 2022-09-07 | 2022-11-11 | 浙江大学 | 一种基于解析模型的海洋激光雷达多次散射衰减校正方法 |
CN115310051A (zh) * | 2022-10-12 | 2022-11-08 | 中国海洋大学 | 一种海洋异常中尺度涡旋识别方法、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
王亚琪;王繁;陈迤岳;: "海洋水体颗粒有机碳遥感反演研究进展", 杭州师范大学学报(自然科学版), no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
CN115980773B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Deteriorating water clarity in shallow waters: Evidence from long term MODIS and in-situ observations | |
Loescher et al. | Spatial variation of throughfall volume in an old-growth tropical wet forest, Costa Rica | |
Livingstone et al. | The relationship between air and water temperatures in lakes of the Swiss Plateau: a case study with pal\sgmaelig; olimnological implications | |
Das et al. | Reconstruction of paleostorms and paleoenvironment using geochemical proxies archived in the sediments of two coastal lakes in northwest Florida | |
Yates et al. | Diurnal variation in rates of calcification and carbonate sediment dissolution in Florida Bay | |
Anthony et al. | Adaptive variation in coral geometry and the optimization of internal colony light climates | |
Zhang et al. | Radiation dimming and decreasing water clarity fuel underwater darkening in lakes | |
Asmi et al. | Primary sources control the variability of aerosol optical properties in the Antarctic Peninsula | |
Dixon | Establishing light requirements for the seagrass Thalassia testudinum: an example from Tampa Bay, Florida | |
Polsenaere et al. | Spatial and temporal CO 2 exchanges measured by Eddy Covariance over a temperate intertidal flat and their relationships to net ecosystem production | |
Lu et al. | Impact of Typhoon Chan-hom on the marine environment and sediment dynamics on the inner shelf of the East China Sea: In-situ seafloor observations | |
Harrer et al. | Patterns and controls of the dynamics of net primary production by understory macroalgal assemblages in giant kelp forests | |
Shuchman et al. | A model for determining satellite-derived primary productivity estimates for Lake Michigan | |
Roth et al. | High spatiotemporal variability of methane concentrations challenges estimates of emissions across vegetated coastal ecosystems | |
Jones et al. | The flux and emission of dimethylsulfide from the Great Barrier Reef region and potential influence on the climate of NE Australia | |
Diéguez et al. | A multi-year record of atmospheric mercury species at a background mountain station in Andean Patagonia (Argentina): Temporal trends and meteorological influence | |
Manousakas et al. | Aerosol carbonaceous, elemental and ionic composition variability and origin at the Siberian High Arctic, Cape Baranova | |
Clavier et al. | Benthic metabolism in shallow coastal ecosystems of the Banc d’Arguin, Mauritania | |
Lancelotti et al. | Climate variability and trends in the reproductive habitat of the critically endangered hooded grebe | |
McKinney et al. | The wind‐driven formation of cross‐shelf sediment plumes in a large lake | |
CN115980773A (zh) | 一种海洋中尺度涡旋内部碳循环的估算及演化分析方法 | |
Sorensen et al. | Variability of the effective quantum yield for carbon assimilation in the Sargasso Sea | |
Macdonald | Turbidity and light attenuation in coastal waters of the Great Barrier Reef | |
Manzello et al. | Pacific-wide pH snapshots reveal that high coral cover correlates with low, but variable pH | |
Kauer et al. | Development and application of a phytoplankton primary production model for well-mixed lakes. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |