热带与南大西洋关键区域卫星叶绿素a年际变异的物理驱动机制与重建模型研究

本综述系统分析了热带与南大西洋六大近岸区域卫星叶绿素a（CHL）的年际变异机制，揭示了海面高度（SSH）、海表温度（SST）等物理驱动因子与气候遥相关指数（如TSA、SOI）的关联，并基于多元线性回归与神经网络模型成功重建了CHL序列，为缺乏观测数据时期的海洋初级生产力评估提供了可靠方法。

　　

1 引言

热带与南大西洋包含多种具有重要生态和社会经济意义的海洋区域，如巴西北部、东部和南部陆架、巴塔哥尼亚陆架、加那利海流、几内亚海流和本格拉海流等，这些区域均属于大西洋大型海洋生态系统。这些生态系统通常以高初级生产力和渔业资源为特征，因此理解其环境变异对极端情景下的保护和适应措施设计至关重要。海洋生物地球化学通过维持浮游生物群落（海洋食物网的基础）在这些生态系统中发挥决定性作用。理解调控热带/南大西洋近岸区域生物地球化学条件的物理驱动因素已成为多项研究的焦点，通常以初级生产力或叶绿素a（CHL）作为浮游植物生物量的代理。这些研究揭示了生物生产与多种物理因素之间的关系，如大尺度环流、埃克曼输运与陆架宽度的联合效应、表面水平搅拌和混合、中尺度涡活动以及尘埃沉积等。

CHL是全球海洋生物生产的最常见代理，卫星传感器为提供该变量信息发挥了至关重要的作用。尽管现有卫星产品具有广泛的CHL时空覆盖，但这些产品仍存在局限性，无法提供全球海洋的完整覆盖，且时间跨度相对较短（通常从1990年代末开始）。为缓解这一问题，已有研究尝试从多种海洋学数据中通过经验方法估算CHL。例如，利用历史船载海洋学测量数据通过广义加性模型估算长期CHL变化，显示过去一个世纪全球大部分海域的平均CHL浓度下降。另一方面，机器学习方法被用于从数值模拟的海面海洋和大气物理参数重建全球时空CHL变异，成功再现了卫星观测CHL变异和趋势的某些方面（如厄尔尼诺事件）。

本文旨在识别驱动热带大西洋（赤道南北）和南大西洋六大近岸区域卫星衍生CHL年际变异的主要动力因素。通过相关分析综合观测数据集（卫星和再分析数据），评估个体驱动因素对区域CHL的相对重要性及相关遥相关模式。这些结果被用于实施经验模型以重建区域CHL序列，基于识别出的驱动关联变量的线性回归和海表温度（SST）经验正交函数（EOF）模态，以及基于神经网络的参考非线性方法。这些简化模型的目标不仅是估算卫星观测CHL序列，还提供一种方法以阐明观测CHL变异涉及的主要驱动因素。

2 方法

2.1 研究区域

研究区域包括位于热带和南大西洋的六个近岸区域，三个沿南美东海岸，三个沿非洲西海岸。区域1至4位于热带带内，而区域5和6大致位于南回归线以南。这些区域主要以重要的CHL水平为特征，并具有高生态和社会经济（渔业、旅游等）重要性。如下所示，这些区域呈现受不同海洋学过程影响的强烈CHL年际变异，这些过程在局部或盆地尺度上存在，且彼此不同。

2.2 分析途径

在每个区域，月平均时空平均卫星衍生CHL时间序列与23个海洋和大气网格产品获取的时空平均物理变量以及14个遥相关气候指数进行相关分析，以阐明区域生物地球化学特征的物理驱动因素。分析期为1998年1月至2021年12月（24年）。从每个数据序列中减去月气候学（1998-2021年期间）以产生月异常，从而聚焦年际变化。

选定的CHL数据集是Copernicus海洋环境监测服务（CMEMS）的4级网格产品。其他海洋学变量取自不同数据源，部分直接取自源，其他为本分析进行的后处理结果。大尺度遥相关指数主要由美国国家海洋和大气管理局（NOAA）物理科学实验室（PSL）提供；仅选择那些直接关联大西洋或已知对大西洋有影响的指数。

为识别影响CHL变异的动力因素，对每个区域进行了机制导向的相关分析。该分析包括3个步骤：1）将CHL序列与潜在驱动因素序列相关（海洋学变量滞后=0；遥相关指数0≤滞后≤9个月，其中驱动因素领先CHL）；2）根据其相关性绝对值对显著相关（p<0.05）的驱动因素序列进行排名；3）从排名驱动因素中选择彼此无共变性的序列。该选择通过排名驱动因素序列的互相关进行，减少独立驱动因素序列的数量。选定的驱动因素序列是我们机制分析的焦点，并用作预测变量以重建CHL。

为阐明海洋学变量与遥相关指数之间的联系，即与每个指数相关的大尺度动力模式，计算了海洋学变量作为个体气候指数函数的回归图。在准备这些回归图时，每个指数被标准化（1998-2021年期间），即减去其均值并将结果除以其标准差，以确保零均值且不处理指数单位。然后，将无截距线性回归模型（通过最小二乘技术）拟合到每个变量网格异常（1998-2021年期间）的每个点作为每个标准化气候指数的函数；回归图由拟合系数组成。

2.3 区域CHL序列的重建

鉴于CHL数据集的时间覆盖相对较短，仅足够年际变异分析但不足以进行年代际变异分析，因此需要扩展其时间范围。本文实施经验模型以估算每个区域的CHL，使用选定的驱动因素序列作为预测变量。这些模型包括三个多元线性回归和一个基于人工神经网络的非线性方法，定义如下：

1. 1.
   海洋学变量回归：包括相关分析得出的海洋学字段。
2. 2.
   遥相关指数回归：包括相关分析得出的气候遥相关指数。
3. 3.
   SST EOF模态回归：包括取自扩展SST产品前27个EOF模态的SST主成分（特征值序列）。
4. 4.
   神经网络模型：包括选定的海洋学变量（如第一个回归模型），基于带有外生输入的非线性自回归网络（NARX）。

3 结果

3.1 区域驱动因素

3.1.1 区域1：北巴西海流

该区域CHL与23个海洋学变量中的15个显著相关，但仅三个显示彼此无共变性：海面高度（SSH）（r=0.33）、总降水率（TPR）（r=0.24）和SSH标准差（Sssh）（r=-0.13）。解释区域CHL的海洋学变量又由大尺度海洋和大气模式解释，这些模式将区域气候条件与邻近和/或远程位置的气候条件联系起来。其中一些气候模式由遥相关指数表示，如TSA（r=0.31，滞后=5个月）、SOI（r=0.26，滞后=1个月）和EAWR（r=-0.12，滞后=4个月）。

TSA以赤道变暖为特征，诱导北巴西海流（NBC）和NBC回流减弱以及信风减弱，这通过其与SSH（r=0.21）和Sssh（r=-0.19）的相关性得到证实。TSA还引起该区域正降水异常，因此其与TPR（r=0.15）相关，导致由亚马逊河流流量增加增强的淡水异常。SOI与NBC和NBC回流的加强、向岸风异常以及赤道附近降水增加相关，呈现与TPR（r=0.22）的相关性。EAWR与NBC弱变异和弱降水减少相关，未显示与三个选定海洋学变量的相关性。

3.1.2 区域2：毛里塔尼亚-塞内加尔

该区域CHL与13个海洋学变量显著相关，但所有变量均与选定的最高相关变量显示某些共变性：SSH（r=-0.50）。独立解释最多CHL变异的遥相关指数是TNA（r=-0.37，滞后=0）、TSA（r=-0.18，滞后=3个月）和DMI（r=-0.17，滞后=8个月）。

TNA与信风减弱相关，导致该区域北部上升流减弱；这些效应在显著TNA-SSH相关性（r=0.39）中明显。TSA对信风和该区域北部上升流有利风有减弱效应，类似TNA，但与SSH的相关性较低（r=0.29）。DMI引起向岸流动和上升流有利风减弱；该指数未显示与SSH的显著相关性。

3.1.3 区域3：东部巴西

该区域被视为区域4的类似对应物，以显著较低CHL值为特征，但是西大西洋的重要动力区域。此案例中与CHL相关的无共变性变量是风应力散度（DIVw）（r=-0.27）、SSH（r=0.25）和混合层深度（MLD）（r=0.12）。该区域选定的气候指数是FQI（r=0.44，滞后=2个月）、DMI（r=0.18，滞后=9个月）和AO（r=0.16，滞后=5个月）。

FQI特别适用于该区域，因为它以巴西东北部两个地点计算，且确实在所有区域排名中显示最强相关性。FQI与该区域降水增加和南风异常相关，表明该区域CHL受热带辐合带（ITCZ）位移调制。DMI引起表面环流弱变异、南风以及弱负降水异常。AO具有与上述DMI类似但更弱的效应。在该区域，无选定指数与任何选定海洋学变量相关。

3.1.4 区域4：加蓬-刚果-安哥拉

该区域是热带安哥拉上升流系统的一部分，因此其驱动关联变量大多与上升流相关。如区域2，仅一个变量被选为最佳预测变量，但它是SST（r=-0.36）而非SSH。该区域的领先指数是TSA（r=-0.28，滞后=1个月）、AAO（r=-0.20，滞后=7个月）和WHWP（r=-0.14，滞后=8个月）。

TSA引起弱变暖，通过其与SST（r=0.48）的相关性证明，以及南大西洋反气旋的明显减弱，该异常外缘导致该区域南风（上升流减弱）。该指数还显示负盐度异常，与刚果河流流量增加相关。AAO与该区域降水增加和盐度减少相关，也归因于刚果河流输入增强。WHWP引起变暖，因此其与SST（r=0.16）相关，以及赤道流减弱，还有异常极向风、中度过量降水和增强河流输入。

3.1.5 区域5：巴西-乌拉圭-阿根廷

该区域CHL主要由跨岸水速度（Uo）（r=0.30）和跨岸风应力（Tx）（r=0.13）解释。解释区域CHL的选定气候指数是TSA（r=0.35，滞后=1个月）、WHWP（r=0.25，滞后=0）和DMI（r=0.18，滞后=4个月）。

TSA引起该区域中部变暖和反气旋异常， barely反映在其与Uo（r=0.14）的相关性中，并对马尔维纳斯海流（MC）有减弱效应，由与强烈高压异常相关的反气旋环流驱动的向岸/极向风，以及最可能与拉普拉塔河流流量增加相关的淡水异常。WHWP引起MC适度减弱，与其与Uo（r=0.22）的相关性有些关联，异常向岸风，以及该区域北部中度过量降水和增强河流输入。DMI引起弱降温和巴西海流（BC）相关极向流的一些加强，由该区域外低压异常驱动的强赤道风，以及近岸淡水输入增加。

3.1.6 区域6：纳米比亚-南非

尽管该区域是本格拉海流系统的一部分，但就年际变异而言，上升流在解释区域CHL中起次要作用。太阳光是最重要驱动因素，以短波辐射（SWR）（r=0.26）代表，其次是跨岸风，以跨岸风应力（Tx）（r=-0.21）代表。解释该区域CHL的遥相关指数是SOI（r=-0.20，滞后=7个月）、QBO（r=0.16，滞后=9个月）和AMO（r=0.13，滞后=2个月）。

SOI与该区域北部和南半部分别变暖和降温相关，以及其南部气旋性环流诱导该区域南半部分异常极向流，还有整个区域极向风异常。QBO与该区域南部适度变暖和赤道向近岸流加强（由反气旋环流诱导）相关，以及整个区域上升流有利风的弱加强。该指数显示与SWR（r=0.16）的某些相关性，与中尺度环流和云量关系的概念一致。AMO与弱流加强、上升流有利风的显著减弱以及阿古拉斯角反气旋风涡相关。

3.2 区域CHL的重建

3.2.1 拟合/训练1998-2021年期间

基于先前结果，本文提出四种不同途径以重建区域CHL序列，这些序列可能有助于将CHL估算扩展到卫星CHL观测不可用的时期。比较显示，卫星衍生CHL与CHL重建模型在每个分析区域的表现相应统计结果。RMS误差通过卫星衍生CHL的标准差归一化以便不同生产力区域之间的更好比较。

第一种CHL重建途径是使用海洋学变量的多元线性回归。该多线性模型捕获了大量CHL变异，尤其是较低频率，但有许多CHL峰值被低估或无法再现。相关性范围为0.33-0.50；区域2显示最高相关性（r=0.50）和最小误差（σ=0.87），区域5和6显示最低相关性（r=0.33）和最大误差（σ=0.94）。

第二种重建区域CHL的途径也是多元线性回归但使用遥相关指数作为预测变量，使用选定指数并考虑相应滞后。该指数模型未显示更好结果，与先前模型相比，在区域1、2和6中较差，但在区域4中相似，在区域3和5中甚至略好。区域3显示最高相关性（r=0.50）和最小误差（σ=0.87），区域6显示最低相关性（r=0.27）和最大误差（σ=0.96）。

第三种CHL重建途径包括多元线性回归但使用SST EOF模态的特征值作为预测变量，使用选定模态和相应滞后。前27个EOF模态高于随机置信水平，理论上应具有物理意义且可在分析中安全使用。通过定义，EOF模态彼此线性独立因此不相关，但当应用滞后于特征值序列（主成分）时，这种情况不一定成立，因此共变性选择有意义；因此，在使用它们于模型之前，去除了滞后特征值序列之间的共变性，类似于先前的两个多线性模型。

无EOF模态显示与所有六个区域相关，27个模态中的七个未在回归模型中使用。区域5使用最少数量的模态（7），而区域3使用最高数量（11）。EOF模型在再现区域CHL方面优于上述模型；实际上，EOF模型的最低相关性（r=0.51）高于先前模型获得的最高相关性，且误差更小。区域2显示最高相关性（r=0.62）和最低误差（σ=0.78），区域4显示最低相关性（r=0.51）和最大误差（σ=0.86）。

最后，采用高度非线性途径以重建区域CHL，基于NARX。如第一个多线性途径，该模型使用选定的无共变性海洋学变量作为预测变量。该NARX模型显著优于先前模型，密切再现了大部分CHL变异。该模型显示相关性超过0.85且误差低于0.70。区域3显示最佳代表的CHL，具有近乎完美的相关性（r=0.96）和相对中等误差（σ=0.48）。区域4和6显示最低相关性（r=0.86）和最大误差，但即使这些“差”结果也优于多线性模型的结果。

3.2.2 投影

先前的CHL重建可用于在拟合/训练期间（1998-2021）之外向前或向后时间投影估计CHL序列，即此处“投影”指CHL重建超越用于模型训练的期间（1998-2021）。投影针对1993-1997和2022-2023期间进行。然而，1993-1997期间无卫星CHL数据以评估投影技能。2022-2023期间太短，无法进行与1998-2021期间一致的统计比较，因此决定使用包括该期间的类似长度期间，2020-2023，并聚焦于相关性和误差相对于1998-2021期间计算的变化程度；这些结果也显示。

结果在基于海洋学变量的模型（“voc”）中在两个评估期间相似，而在基于指数的模型（“ind”）、基于EOF的模型（“eof”）尤其是神经网络模型中，在投影期间（2000-2023）结果倾向于稍差。该评估不非常敏感，但所示的系列有助于证实相关性/误差结果。“voc”模型确实比其它模型更接近卫星CHL，其次是“eof”；区域1系列的最后几年尤其对模型有问题，“nnx”模型甚至在投影开始后显示突然下降，模型的明显无约束非线性响应。另一方面，在初始1993-1997期间模型之间存在显著差异，当CHL不可用于比较时。在此案例中，“nnx”似乎与其它模型太不同，因此其投影技能可疑。多线性模型之间在再现某些峰值方面有一些一致性，尤其是在区域4中，“voc”和“ind”之间存在显著一致。所有这些结果表明CHL可以合理投影至少2-5年超越拟合期间，但使用多线性模型，特别是“voc”模型。

4 讨论

4.1 叶绿素a变异的驱动因素

我们对观测数据的全面分析允许识别六个分析区域中CHL的许多物理驱动因素，以及涉及大尺度模式的遥相关模式。分析区域以强烈年际变异为特征；比较区域CHL标准差在去除月气候学前和后表明年际变异在热带区域（1至4）具有大约平均季节循环幅度的一半，但在最南区域（5和6）中它们相当。该年际变异是不同驱动因素的结果，此处由解释观测CHL变异显著部分的那些海洋学变量代表。

在区域1，SSH和Sssh是可作为区域表面环流代理的变量，北巴西海流（NBC）、NBC回流以及从中脱落的反气旋环，这些环可以与其它涡旋相互作用。表面平均环流负责营养盐的水平输出，而涡旋特征可能对CHL有不同的局部效应。这些效应由涡旋-风驱动上升流引起，垂直传输营养盐到表面水平从而修改浮游植物生长，或由可修改水柱生物地球化学特性和塑造CHL分布的涡旋相互作用引起。其它瞬变运动如海岸陷波（CTW），包括季节内和年际，将影响局部浮游植物生长。该效应可由硝化线位移结合强烈垂直混合诱导的向上硝酸盐通量，或由增强CTW诱导沿陆架流可能输出营养盐和CHL到其它区域引起。还有，产生CTW的风波动可能具有增强表面海水湍流有利于浮游植物的效应。降水率（TPR）可通过修改淡水输入和陆地径流影响CHL。该径流携带大量对浮游植物生长必需的营养盐，以及限制浮游植物必要入射光的重要悬浮颗粒，此外还有降水伴随的普遍云量减少的SWR。

在区域2，是四个主要东部边界上升流系统的一部分，风驱动离岸埃克曼输运在陆架上产生发散和近岸海平面下降，而较冷和较咸水从更深水平补偿离岸输运。与上升流锋相关的动力特征，如赤道向沿岸流将影响营养盐分布，从中脱落的中尺度结构可以增加CHL，尤其是由于等密度线和硝化线浅化的气旋结构，因此 subsurface chlorophyll-a maximum。降雨事件可以与上升流侵入相互作用以产生浮游植物生物量的时间变异，跨岸风可以诱导来自撒哈拉沙漠的营养盐和微量营养盐通量，由非洲东风波通道调制。

在区域3，大气环流受ITCZ影响，调制风场、降雨和太阳辐射从而影响区域浮游植物生长。SSH是NBC和北巴西潜流驱动效应的代理，与亚马逊河和圣弗朗西斯科河的弱影响一起。

在区域4，SST与ITCZ等大气模式链接，产生强烈对流活动，以表面大气压力减少和风汇聚为特征，产生表征热带区域的雷暴。这些风暴可能导致混合层加深和深层叶绿素a最大的稀释。

在区域5，跨岸速度Uo代表由南部马尔维纳斯海流（MC）和北部巴西海流（BC）主导的环流变异，它们在34°S附近汇聚，以及作为MC-BC相互作用结果增强的中尺度动力学。这些水动力特征对区域营养盐传输有影响，尤其是源自拉普拉塔河羽流和泻湖系统的那些。Tx代表跨岸风的变异，负责从陆地大气输入限制性微量营养盐（即铁），主要来自巴塔哥尼亚沙漠，并由与南巴西高