研究论文

基于浮标观测的春季青岛近岸海水pCO2变化及海-气CO2通量研究

  • 周学杭 , 1 ,
  • 张洪海 2 ,
  • 马昕 1, 3 ,
  • 陈朝晖 , 1, 3, *
展开
  • 1.中国海洋大学 物理海洋教育部重点实验室,山东 青岛 266100
  • 2.中国海洋大学 海洋化学理论与工程技术教育部重点实验室,山东 青岛 266100
  • 3.崂山实验室,山东 青岛 266237
*陈朝晖(1984—),男,教授,主要从事海洋多尺度过程观测与机理的研究,E-mail:

周学杭(1998—),男,山东省青岛市人,主要从事物理海洋学方面的研究,E-mail:

Copy editor: 段焱

收稿日期: 2023-01-19

  修回日期: 2023-03-22

  网络出版日期: 2023-10-24

基金资助

国家自然科学基金杰出青年基金项目(42225601)

中央高校基本科研业务费专项项目(202172001)

山东省“泰山学者”青年专家项目(tsqn201812022)

Variations of pCO2 and sea-air CO2 flux in Qingdao coastal seawater in spring based on buoy observations

  • ZHOU Xuehang , 1 ,
  • ZHANG Honghai 2 ,
  • MA Xin 1, 3 ,
  • CHEN Zhaohui , 1, 3, *
Expand
  • 1. Key Laboratory of Physical Oceanography, MOE, Ocean University of China, Qingdao 266100, China
  • 2. Key Laboratory of Marine Chemistry Theory and Technology, MOE, Ocean University of China, Qingdao 266100, China
  • 3. Laoshan Laboratory, Qingdao 266237, China

Received date: 2023-01-19

  Revised date: 2023-03-22

  Online published: 2023-10-24

摘要

利用海-气界面浮标观测得到的高频数据,分析了春季青岛近岸海域海表二氧化碳分压(pCO2)的变化规律及驱动因素,并对海-气CO2通量进行了估算。观测期间该海域由大气的碳汇转变为碳源,主要是由海表pCO2的不断增长所致。对海表pCO2控制因素进行分析,发现温度升高是pCO2增长的主要驱动因素,生物过程起到一定的抑制作用。海表pCO2呈现出日变化特征,温度和生物因素对海表pCO2日变化的作用均与太阳辐射相关,但两者的作用相反。此外,分析发现浮标的不同采样频率会对海-气CO2通量估算产生影响,缩短采样间隔能有效降低海-气CO2通量估算的偏差,提高估算的准确性。

本文引用格式

周学杭 , 张洪海 , 马昕 , 陈朝晖 . 基于浮标观测的春季青岛近岸海水pCO2变化及海-气CO2通量研究[J]. 海洋学研究, 2023 , 41(3) : 14 -21 . DOI: 10.3969/j.issn.1001-909X.2023.03.002

Abstract

Based on the high frequency data of sea-air interface buoys, the variation pattern and driving factors of sea-air partial pressure of carbon dioxide (pCO2) were analyzed and the sea-air CO2 flux in the coastal waters of Qingdao in spring was estimated. During the observation period, the sea area changed from a carbon sink of atmospheric CO2 to a carbon source, which was mainly caused by the continuous increase of sea surface pCO2. By analyzing the controlling factors of pCO2, it was found that temperature was the main driving factor of pCO2 growth, and biological processes played a certain inhibiting role. The sea surface pCO2 showed a diurnal variation. The effects of temperature and biological factors on the diurnal variation of pCO2 were related to solar radiation, but they had opposite effects. In addition, the analysis showed that different sampling frequencies of buoys affected the estimation of sea-air CO2 flux and shortening the sampling interval could effectively reduce the deviation of CO2 flux estimation and improve the accuracy of estimation.

0 引言

海洋占地球表面积近71%,在全球碳循环中发挥着重要作用,自1850年以来,海洋已经吸收了人为排放二氧化碳(CO2)的26%[1]。为了实现《巴黎协定》的目标,实现碳中和以应对快速的全球变暖,减排和增汇是两种必要措施[2]。持续的海洋碳汇是实现碳中和目标的有力保障,对缓解全球变暖至关重要。尽管边缘海在全球海洋面积中的占比较小,但因其可以吸收大量人为排放的CO2,是实现碳固定和海洋增汇的关键区域,在调节气候变化中扮演着重要角色[3]
目前,海洋表层二氧化碳分压(pCO2)及海-气CO2通量的监测多采用船载走航观测的方式来开展,受限于航次行程和海况影响,数据的采样频率较低且采样间隔不均,时空分辨率较低[4-5],会直接影响到海-气CO2通量的准确估算[6]。采用浮标测量的方式可以实现对固定地点pCO2的长时间连续观测,弥补了船测数据时间分辨率较低的不足[7]。近年来,已有国内外学者通过浮标观测开展海表pCO2变化及其机理的研究[8-10]。此外,浮标的高频观测有助于更好地理解短时间尺度过程和偶发性事件对海-气CO2通量的影响[11]
近岸海域具有独特的地理、化学和生物特征及复杂的碳循环过程,在不同海域或不同时间尺度呈现出大气的碳源或碳汇的转换[12]。这不仅给地球系统模式的构建和研究带来挑战,还给全球海-气CO2通量的估算带来不确定性,影响了对未来地球气候系统变化的预估。目前,对青岛近岸海域pCO2变化已有不少研究,但这些研究大多基于船载走航观测且聚焦于胶州湾内[13-14],缺少在近岸开阔海域的观测,特别是缺乏浮标的连续高频观测数据。本研究基于在青岛近岸海域布放的海-气界面浮标观测数据,综合分析了春季CO2源-汇转换期间海表pCO2变化的原因,估算了海-气CO2通量,有助于进一步理解近岸海域CO2源-汇转化的控制机制和碳循环过程。

1 数据与方法

1.1 数据来源

于2022年4月4日至5月9日在青岛近岸海域(36.047°N,120.437°E)布放了一套海-气界面观测浮标(图1),获得了连续5周的逐小时观测时间序列数据。浮标搭载了GMX600气象传感器(Gill Instruments公司),可测量大气温度、湿度、风速、风向等气象数据;搭载了SBE-37SM(Sea-Bird Scientific公司),可测量海表面温度(sea surface temperature, SST)和海表面盐度(sea surface salinity, SSS)数据;搭载了SPP(The Eppley Laboratory公司),可测量短波辐射数据;搭载了CO2-Pro(Pro-Oceanus Systems公司),可测量大气和海表的pCO2数据。这些传感器采集的数据每隔1 h取平均值进行存储,并以北京时间(UTC+8)进行传输。
图1 研究区域及浮标位置示意图

Fig.1 Sketch map of study area and buoy location

通过美国国家海洋和大气管理局海岸观测网站(National Oceanic and Atmospheric Administration CoastWatch,NOAA CoastWatch,https://coastwatch.noaa.gov)获取浮标所在位置的海表面叶绿素a(Chl a)日平均卫星数据[15];通过浮标附近的小麦岛海洋观测站获取研究海域的逐小时溶解氧(dissolved oxygen, DO)数据和潮高数据,根据浮标观测的SST和SSS数据计算DO饱和度[16];通过欧洲中尺度天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF,https://www.ecmwf.int/)获取浮标所在位置的ERA5再分析资料每小时SST数据[17]
根据全球海表CO2地图(surface ocean CO2 atlas, SOCAT)指南[18]对上述数据进行了质量控制,具体包括:1)找出偶发性的数据传输中断并标记缺失值;2)根据各传感器精度范围设置数据的上下限,并采用3σ检验原则标记异常值;3)对缺失值和异常值通过相邻数据的线性插值进行补全和更正,确保数据的准确性和连续性。

1.2 海-气CO2通量计算方法

海-气CO2通量正值表示海洋向大气释放CO2,为大气CO2的源;负值表示海洋从大气吸收CO2,为大气CO2的汇。海-气CO2通量具体计算公式如下:
F = k K 0 ( p C O 2 s e a - p C   O 2 a i r )
式中:F表示海-气CO2通量;K0表示CO2溶解度,可由浮标传感器测量的SST和SSS计算得出[19];pC O 2 s e apC O 2 a i r分别表示表层海水和上层空气的CO2分压;k表示CO2气体传输速率,可由下式计算得出[19]:
k=0.251×U2×(Sc/660)-0.5
式中:U表示海面上方10 m处的风速,根据浮标传感器测量的风速计算得到[20];Sc为施密特数,可由下式计算得出[21]:
Sc=A+Bt+Ct2+Dt3+Et4
式中:A=2 116.8,B=-136.25,C=4.735 3,D=-0.092 230 7,E=0.000 755 5,t表示海表面温度。

2 结果与分析

2.1 浮标高频观测数据时间序列变化特征

观测期间青岛近岸海域SST不断升高,变化范围为8.3~14.7 ℃,且昼夜变化幅度较大,具有明显的日变化特征(图2a)。SSS的变化范围为30.85~31.05,平均值为30.94,变化幅度较小(图2a)。DO的变化范围为6.9~8.5 mg/L,呈下降趋势。DO饱和度的变化范围为81.9%~93.5%,变化幅度较小(图2b)。观测期间研究海域主要以北风为主,除4月8日经历的一次强风事件(最高风速超过17.0 m/s)外,其余时间风速较小,平均值仅为3.4 m/s(图2c)。
图2 海表、大气pCO2与交换通量及相关环境参数的时间序列

Fig.2 Time series of sea surface and atmospheric pCO2, exchange fluxes and related environmental parameters

大气pCO2的变化范围为402~425 μatm(1 μatm=0.101 325 Pa),平均值为415 μatm,总体较为平稳(图2d)。海表pCO2的变化范围为390~480 μatm,增长了约90 μatm,呈现出和SST相近的变化趋势(图2d)。观测期间海表pCO2的日变化平均幅度为10 μatm,呈现出较为明显的日变化特征。

2.2 海表pCO2变化的控制因素

为消除pCO2日变化对时间序列的影响,取pCO2日平均值对海表pCO2及其相关影响因素的变化趋势进行分析(图3)。
图3 日平均海表pCO2及相关影响因素时间序列

Fig.3 Time series of daily mean sea surface pCO2 and related influencing factors

2.2.1 温度效应

图3a所示,观测期间浮标测得的SST和ERA5再分析数据资料的SST呈相同的上升趋势,两者的变化特征较为一致。温度可以通过影响海水CO2溶解度以及碳酸盐体系的内部平衡来影响pCO2的数值变化,海表pCO2和SST呈显著的正相关关系(Pearson相关系数为0.97)。
根据TAKAHASHI等[22]通过实验得到的pCO2和海水温度的关系,通过公式(4)可以得到去除温度效应后其他因素对海表pCO2日平均值的影响,用NpCO2 (d)表示,再根据公式(5)可以得到温度对海表pCO2日平均值的影响,用TpCO2(d)表示[3]:
N p C O 2 ( d ) = p C O 2 ( d ) × e 0.042   3 × ( t m e a n - t )
TpCO2(d)=pCO2(d)-NpCO2(d)
式中:t表示海表面温度,tmean表示观测期间的平均海表面温度,pCO2(d)表示海表pCO2日平均值,TpCO2(d)表示温度对pCO2(d)的影响,NpCO2 (d) 表示去除温度效应后其他因素对pCO2(d)的影响。
图3c可知,NpCO2 (d)的变化幅度约为29 μatm,而TpCO2 (d)的变化幅度约为96 μatm。通过计算TpCO2(d)在pCO2(d)中的占比后取平均值来衡量温度因素对海表pCO2变化的贡献,观测期间温度对海表pCO2变化的贡献约为64%。春季青岛近岸海域温度的平稳升高影响了海水CO2的溶解度,温度是海表pCO2变化的主控因素。

2.2.2 混合效应

近岸海域的海表pCO2变化受潮汐影响,一般表现为低潮时pCO2较低,高潮时pCO2较高[23]。而在本次观测期间,潮高和海表pCO2之间没有明显的相关性(图4),表明在研究海域潮汐不是控制海表pCO2变化的主要因素。
图4 海表pCO2和潮高时间序列

Fig.4 Time series of sea surface pCO2 and tide height

盐度不仅可以反映河流输入带来的陆源物质对近岸海域的影响,还可以反映平流输送以及与深层水体的垂向混合作用对表层海洋的影响。由于浮标布放区域没有河流的淡水输入,且SSS一直维持在30.9的较低水平,总体变化幅度很小(图3d),表明观测期间没有明显的平流输送和垂向混合,水体混合效应较弱,对海表pCO2变化的作用较小。

2.2.3 生物效应

图3e所示,观测期间DO受温度升高影响不断下降,DO饱和度一直低于100%,说明水体中的DO处于不饱和的状态,且变化幅度较小。如图3f所示,Chl a质量浓度在4月18日前比较平稳,在18日—21日大幅升高,之后略有下降,对应的NpCO2(d)在Chl a升高的时期不断下降(图3c)。这指示浮游植物光合作用的增强,造成了NpCO2(d)的降低,表明在观测期间生物过程对pCO2增长起到了一定的抑制作用。

2.3 海表pCO2的日变化特征及影响因素

在观测期间,海表pCO2呈现一定的日变化特征。为了辨析日变化特征,将每小时pCO2数据减去当天的日平均值得到pCO2距平值,再对每小时的距平值取平均值即可得到 pCO2的日变化信息(图5a)。以同样的方式可以计算得到 NpCO2和TpCO2的日变化信息NpCO2(h)和TpCO2(h)(图5b)。将浮标测得的SST和短波辐射取每小时的平均值即可得到SST和短波辐射的日变化信息(图5c)。
图5 海表pCO2,SST和短波辐射的日变化信息

(图中阴影部分代表一个标准差范围。)

Fig.5 Diurnal cycle of sea surface pCO2, SST and shortwave radiation

(The shaded part represents a range of standard deviations.)

前文分析中发现潮汐作用对pCO2的影响较为微弱且浮标所在海域的深度较浅,水平平流和垂向混合的作用较弱。LEINWEBER等[24]在对圣莫妮卡湾的观测研究中也同样指出潮汐不是SST和pCO2日变化的主要驱动因素。因此,本文将不再探讨潮汐的影响。
图5可知,海表pCO2在每日午后达到最高值,之后逐渐降低,凌晨的变化较为缓慢,于日出后开始不断增长,完成一个日循环过程。其中由温度因素引起的pCO2日变化的偏移量TpCO2(h)的平均日变化和SST基本一致:日出后海表面吸收太阳短波辐射带来的热量,SST逐渐升高,TpCO2(h)增大,于下午两点至四点达到峰值,随后海表吸收的热量逐渐下降,SST逐渐降低,TpCO2(h)减小,于日出前后达到最小值。
短波辐射的变化同时影响了生物因素引起的pCO2变化。日出后浮游植物光合作用增强,吸收CO2,使得NpCO2(h)不断下降;而在夜间,短波辐射为零,生物的呼吸作用使得NpCO2(h)不断增加。通过计算TpCO2(h)在pCO2(h)中的占比来衡量温度因素对海表pCO2日变化的贡献。结果表明,观测期间温度因素对海表pCO2日变化的贡献约为53%,其余47%的变化由生物等因素共同驱动,两者呈现相反的变化趋势,共同影响了海表pCO2的日变化过程。

2.4 海-气CO2通量及采样频率的影响

在观测期间,大气pCO2变化幅度不大,而海表pCO2不断升高(图2d),使得海-气CO2分压差由负变正,研究海域由大气的碳汇转变为碳源。4月8日受强风的影响,海洋与大气间CO2的气体传输速率大大增加,海洋吸收了大量的CO2,海-气CO2通量达到-10.4 mmol/(m2·d)(图2e),表明风速对海-气CO2通量有重要的影响。
海-气CO2通量的估算受到采样频率的制约[25],其中风速、SST和SSS每小时高频数据的获取较为容易,而海表pCO2的测量通常受到船舶测量的空间不连续性和传感器自身限制的影响,难以实现对某个地点的长时间高频观测,从而给海-气CO2通量的估算带来偏差。为评估采样频率带来的海-气CO2通量估算偏差,选取不同采样周期内的海表pCO2平均值作为不同采样频率下的pCO2数据,分别计算日平均海-气CO2通量。计算不同采样周期下的日平均海-气CO2通量与1 h采样周期下的日平均海-气CO2通量之差,得到日平均海-气CO2通量偏差与采样周期的关系,通过小提琴图来表征(图6,其中,外轮廓线表示日平均数据的核密度曲线,反映了数据点在该位置的分布情况,峰值越高,表示该处的数据越密集)。如图6所示,随着采样周期变长,采样频率降低,海-气CO2通量的偏差逐渐扩大。观测期间,1 h采样周期下的日平均海-气CO2通量大都小于1 mmol/(m2·d)。若采用2 h和3 h的采样周期,其日平均海-气CO2通量与1 h采样周期的结果较为接近,其偏差均在±1 mmol/(m2·d)内。当采用6 h、12 h和24 h的采样周期时,其海-气CO2通量偏差超过±1 mmol/(m2·d)的数据点显著增加。因此,在海-气CO2通量变化较为显著的海域,浮标的采样周期应尽可能地控制在3 h以内,以避免对海-气CO2通量的估算产生较大误差。
图6 不同采样周期下日平均海-气CO2通量偏差的小提琴图

(黑色长条代表日平均数据的四分位数范围,白点代表中位数,外轮廓线代表日平均数据的核密度曲线。)

Fig.6 Violin-plot of daily mean sea-air CO2 flux deviation for different sampling periods

(The black bars represent the interquartile range of the daily mean data, the white dots represent the median, and the outer contours represent the kernel density curve of the daily mean data.)

3 结论

本研究通过在青岛近岸海域布放浮标获取了高分辨率大气和海水pCO2观测数据。数据分析结果表明:1)春季青岛近岸海域,海表pCO2不断升高,导致海-气CO2通量由负转正,表层海洋从大气的碳汇转为碳源。2)观测期间表层海水温度上升是导致海表pCO2增长的主要因素,生物活动使得海表pCO2降低,而潮汐运动对海表pCO2的影响则不明显。3)观测期间海表pCO2呈现明显的日变化特征,这是由温度和生物因素共同作用的结果,二者对海表pCO2日变化的贡献相反。4)提高采样频率能显著降低海-气CO2通量估算的偏差,应采用3 h以内的高频观测数据以提高海-气CO2通量估算的准确性。
[1]
PIERRE F, JONES MATTHEW W, MICHAEL O, et al. Global carbon budget 2021[J]. Earth System Science Data, 2022, 14(4): 1917-2005.

DOI

[2]
焦念志. 研发海洋“负排放”技术支撑国家“碳中和”需求[J]. 中国科学院院刊, 2021, 36(2):179-187.

JIAO N Z. Developing ocean negative carbon emission technology to support national carbon neutralization[J]. Bulletin of Chinese Academy of Sciences, 2021, 36(2): 179-187.

[3]
DAI M H, LU Z M, ZHAI W D, et al. Diurnal variations of surface seawater pCO2 in contrasting coastal environments[J]. Limnology and Oceanography, 2009, 54(3): 735-745.

DOI

[4]
GRUBER N. Carbon at the coastal interface[J]. Nature, 2015, 517(7533): 148-149.

DOI

[5]
CHAI F, JOHNSON K S, CLAUSTRE H, et al. Monitoring ocean biogeochemistry with autonomous platforms[J]. Nature Reviews Earth & Environment, 2020, 1(6): 315-326.

[6]
JIANG L Q, CAI W J, WANNINKHOF R, et al. Air-sea CO2 fluxes on the U.S. South Atlantic Bight: Spatial and seasonal variability[J]. Journal of Geophysical Research, 2008, 113(C7): C07019.

[7]
FASSBENDER A J, SABINE C L, CRONIN M F, et al. Mixed-layer carbon cycling at the Kuroshio extension observatory[J]. Global Biogeochemical Cycles, 2017, 31(2): 272-288.

DOI

[8]
SUTTON A J, SABINE C L, MAENNER-JONES S, et al. A high-frequency atmospheric and seawater pCO2 data set from 14 open-ocean sites using a moored autonomous system[J]. Earth System Science Data, 2014, 6(2): 353-366.

DOI

[9]
SUTTON A J, FEELY R A, MAENNER-JONES S, et al. Autonomous seawater pCO2 and pH time series from 40 surface buoys and the emergence of anthropogenic trends[J]. Earth System Science Data, 2019, 11(1): 421-439.

DOI

[10]
XUE L A, CAI W J, HU X P, et al. Sea surface carbon dioxide at the Georgia time series site (2006-2007): Air-sea flux and controlling processes[J]. Progress in Oceanography, 2016, 140: 14-26.

DOI

[11]
WU Y X, DAI M H, GUO X H, et al. High-frequency time-series autonomous observations of sea surface pCO2 and pH[J]. Limnology and Oceanography, 2021, 66(3): 588-606.

DOI

[12]
REIMER J J, CAI W J, XUE L A, et al. Time series pCO2 at a coastal mooring: Internal consistency, seasonal cycles, and interannual variability[J]. Continental Shelf Research, 2017, 145: 95-108.

DOI

[13]
ZHANG L J, XUE M, LIU Q Z. Distribution and seasonal variation in the partial pressure of CO2 during autumn and winter in Jiaozhou Bay, a region of high urbanization[J]. Marine Pollution Bulletin, 2012, 64(1): 56-65.

DOI

[14]
SONG J M, LI X G, NIU L F, et al. Role of the Jiaozhou Bay as a source/sink of CO2 over a seasonal cycle[J]. Scientia Marina, 2007, 71(3): 441-450.

DOI

[15]
LIU X M, WANG M H. Filling the gaps of missing data in the merged VIIRS SNPP/NOAA-20 ocean color product using the DINEOF method[J]. Remote Sensing, 2019, 11(2): 178.

DOI

[16]
GARCIA H E, GORDON L I. Oxygen solubility in seawater: Better fitting equations[J]. Limnology and Oceanography, 1992, 37(6): 1307-1312.

DOI

[17]
MOLTENI F, BUIZZA R, PALMER T N, et al. The ECMWF ensemble prediction system: Methodology and validation[J]. Quarterly Journal of the Royal Meteorological Society, 1996, 122(529): 73-119.

DOI

[18]
PFEIL B, OLSEN A, BAKKER D C E, et al. A uniform, quality controlled Surface Ocean CO2 Atlas (SOCAT)[J]. Earth System Science Data, 2013, 5(1): 125-143.

DOI

[19]
WANNINKHOF R. Relationship between wind speed and gas exchange over the ocean revisited[J]. Limnology and Oceanography: Methods, 2014, 12(6): 351-362.

DOI

[20]
陈永利, 赵永平, 张必成, 等. 海上不同高度风速换算关系的研究[J]. 海洋科学, 1989(3):27-31.

CHEN Y L, ZHAO Y P, ZHANG B C, et al. The study of the relations of wind velocity at different heights over the sea[J]. Marine Sciences, 1989(3): 27-31.

[21]
JÄHNE B, HEINZ G, DIETRICH W. Measurement of the diffusion coefficients of sparingly soluble gases in water[J]. Journal of Geophysical Research, 1987, 92(C10): 10767.

DOI

[22]
TAKAHASHI T, OLAFSSON J, GODDARD J G, et al. Seasonal variation of CO2 and nutrients in the high-latitude surface oceans: A comparative study[J]. Global Biogeo-chemical Cycles, 1993, 7(4): 843-878.

[23]
GAC J P, MARREC P, CARIOU T, et al. Cardinal buoys: An opportunity for the study of air-sea CO2 fluxes in coastal ecosystems[J]. Frontiers in Marine Science, 2020, 7: 712.

DOI

[24]
LEINWEBER A, GRUBER N, FRENZEL H, et al. Diurnal carbon cycling in the surface ocean and lower atmosphere of Santa Monica Bay, California[J]. Geophysical Research Letters, 2009, 36(8): L08601.

[25]
LI D W, CHEN J F, NI X B, et al. Effects of biological production and vertical mixing on sea surface pCO2 variations in the Changjiang River plume during early autumn: A buoy-based time series study[J]. Journal of Geophysical Research: Oceans, 2018, 123(9): 6156-6173.

DOI

文章导航

/