基于卫星观测与半解析算法的北冰洋生物碳泵估算及其碳汇效应研究

本研究创新性提出硝酸盐半解析模型（NSAM），通过融合卫星观测与生物地球化学模型，首次实现北冰洋净群落生产力（NCP）的高分辨率量化，为极地碳汇机制研究提供突破性技术路径。该模型以硝酸盐季节性消耗为核心指标，结合机器学习与Redfield化学计量比（C:N=6.6），显著提升碳通量估算精度（RMSD=9.52 mmol C m?2 d?1），填补了北极碳泵研究的空间覆盖空白。

　　

研究亮点

基于SRF反演的表层硝酸盐精度

采用堆叠随机森林（SRF）模型反演的表层硝酸盐浓度（SSN）展现出卓越的预测性能。训练、测试与验证阶段的散点图中，数据点紧密沿1:1线分布，表明模型误差极小且无显著异常值。统计显示训练阶段确定系数（R2）达0.98，均方根误差（RMSE）为0.89 μmol/kg；测试阶段R2为0.96，RMSE为1.12 μmol/kg；验证阶段R2为0.95，RMSE为1.23 μmol/kg。这些结果显著优于传统回归方法，证明SRF能有效捕捉北极海洋硝酸盐的空间异质性。

讨论

生物碳泵（BCP）的量化因其动态调控机制而极具挑战。现有方法（如基于原位e比率的方法）虽能通过卫星衍生的净初级生产力（NPP）计算特定区域生物泵，但易受颗粒有机碳（POC）通量季节变异影响。质量平衡法虽能估算碳输出，却依赖水文数据且难以捕捉短时尺度变化。本研究提出的NSAM模型通过整合卫星观测与再分析数据，直接量化净群落生产（NCP），规避了NPP算法的不确定性，为北极碳泵研究提供了更可靠的框架。

结论

NSAM模型成功利用卫星遥感数据评估了夏季北冰洋生物碳泵动态。该模型在复杂生物地球化学环境中表现出强大预测能力，精准捕捉了NCP的时空变化。研究发现碳平衡的季节性变化主要由生物过程（如浮游植物群落演替）和物理过程（如海冰消融与层化作用）共同驱动。该模型为北极碳汇贡献的精细化评估提供了突破性工具。