检索
E-mail
RSS

作者投稿 主编审稿 专家审稿 远程编辑

热带海洋学报 >

2022 , Vol. 41 >Issue 3: 29 - 37

DOI: https://doi.org/10.11978/2021123

海洋调查与观测

琼东水体后向散射系数与浮游植物生物量的关系模型*

  • 周雯 , 1, 2 ,
  • 魏盼盼 1, 3 ,
  • 李彩 1, 2 ,
  • 王桂芬 4 ,
  • 郑文迪 1 ,
  • 邓霖 5 ,
  • 赵红五一 1, 3 ,
  • 余凌晖 1 ,
  • 曹文熙 , 1, 2
展开
  • 1.热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广东 广州 511458
  • 2.南方海洋科学与工程广东省实验室(广州), 广东 广州 511458
  • 3.中国科学院大学, 北京 100049
  • 4.河海大学海洋学院, 江苏 南京 210098
  • 5.中山大学海洋学院, 广东 珠海 510275
曹文熙。wxcao@scsio.ac.cn

周雯 (1982—), 女, 湖南省邵东市人, 副研究员, 从事海洋光学和水色遥感应用研究。email:

Copy editor: 林强

收稿日期: 2021-09-10

  修回日期: 2021-10-18

  网络出版日期: 2021-10-20

基金资助

南方海洋科学与工程广东省实验室(广州)重大专项创新团队项目(GML2019ZD0602)

南方海洋科学与工程广东省实验室(广州)重大专项创新团队项目(GML2019ZD0305)

国家自然科学基金项目(41976172)

国家自然科学基金项目(41976170)

国家自然科学基金项目(41976181)

国家自然科学基金项目(41576030)

国家自然科学基金项目(41776044)

国家自然科学基金项目(41776045)

广州市科技计划项目(201707020023)

. 中科院南海所热带海洋环境重点实验室自主项目(LTOZZ2003)

收起

Particle backscattering as a function of chlorophyll a concentration off the eastern Hainan coast in the South China Sea*

  • ZHOU Wen , 1, 2 ,
  • WEI Panpan 1, 3 ,
  • LI Cai 1, 2 ,
  • WANG Guifen 4 ,
  • ZHENG Wendi 1 ,
  • DENG Lin 5 ,
  • ZHAO Hongwuyi 1, 3 ,
  • YU Linghui 1 ,
  • CAO Wenxi , 1, 2
Expand
  • 1. State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou 511458, China
  • 2. Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou), Guangzhou 511458, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
  • 4. College of Oceanography, Hohai University, Nanjing 210098, China
  • 5. School of Marine Sciences, Sun Yat-sen University, Guangzhou 510275, China
CAO Wenxi. email:

Copy editor: LIN Qiang

Received date: 2021-09-10

  Revised date: 2021-10-18

  Online published: 2021-10-20

Supported by

Key Special Project for Introduced Talents Team of Southern Marine Science and Engineering, Guangdong Laboratory (Guangzhou)(GML2019ZD0602)

Key Special Project for Introduced Talents Team of Southern Marine Science and Engineering, Guangdong Laboratory (Guangzhou)(GML2019ZD0305)

National Natural Science Foundation of China(41976172)

National Natural Science Foundation of China(41976170)

National Natural Science Foundation of China(41976181)

National Natural Science Foundation of China(41576030)

National Natural Science Foundation of China(41776044)

National Natural Science Foundation of China(41776045)

Science and Technology Planning Project of Guangzhou(201707020023)

State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences(LTOZZ2003)

Fold

摘要

海洋中光后向散射系数的变化包含了浮游植物生物量的信息, 可应用于卫星遥感和光学剖面观测平台获取海洋中大时空尺度-高分辨率剖面的浮游植物生物量变化特征。本文选取了琼东上升流影响下生物—光学变异性较为显著的海域, 基于2013年航次实测数据, 建立了颗粒物后向散射系数(bbp)与叶绿素a浓度(Chl a)间的区域性关系模型。模型假定颗粒物后向散射系数由不随叶绿素浓度变化的固定背景值, 以及较大粒级(>2μm)和pico级(微微型, <2μm)两类浮游植物的后向散射贡献累加所得。采集的数据集进行了模型检验, 结果表明, 模型能很好地模拟琼东海域水体的bbp与Chl a间的变化趋势, 性能优于常用的幂函数关系模型, 尤其在低叶绿素浓度范围, 很好地解决幂函数显著低估的现象; 琼东海域的bbp和Chl a关系存在显著的水层变化, 底层后向散射固定背景值显著高于上层水体背景值, 表明底层受上升流的影响, 水体中不随Chl a共变的颗粒物浓度增大, 其后向散射相应增强; 叶绿素最大层的后向散射固定背景值显著低于上层其他水体的固定背景值, 后向散射固定背景值的贡献百分比约为21%~35%; 随着叶绿素浓度增大, 较大粒级的浮游植物对颗粒物后向散射系数的贡献也显著增大, 可达到50%以上, pico级浮游植物贡献稳定在40%附近。本研究的结果将为琼东海域浮游植物生物量的光学遥感、生物地球化学过程研究提供更为精确的区域性模型和基础支撑数据。

关键词： 颗粒物后向散射系数; 叶绿素a浓度; 浮游植物粒级结构; 琼东海域

本文引用格式

周雯 , 魏盼盼 , 李彩 , 王桂芬 , 郑文迪 , 邓霖 , 赵红五一 , 余凌晖 , 曹文熙 . 琼东水体后向散射系数与浮游植物生物量的关系模型*[J]. 热带海洋学报, 2022 , 41(3) : 29 -37 . DOI: 10.11978/2021123

Abstract

Variability of light backscattering coefficient in the ocean can be used to quantify the biomass of phytoplankton, which can be applied in remote sensing and optical profile observation platforms to obtain the characteristics of phytoplankton biomass spanning various spatio-temporal scales and vertical profiles in the ocean. Significant variabilities of the bio-optical properties exist off the eastern Hainan coast, being influenced by upwelling. Based on the in-situ data collected off this area in 2013, we established a regional algorithm between the backscattering coefficient of particle [bbp] and chlorophyll a concentration [Chl a]. The algorithm is based on the assumption that the particle backscattering coefficient is determined by the constant background backscattering value independent of Chl a and two components by pico (< 2 μm) and large(>2 μm)phytoplankton. Results show that the modelled bbp values agree well with measurements, especially for low Chl a concentration. The relationships between bbp and Chl a vary in different water layers. For example, the constant background backscattering values at the bottom layer are significantly higher than those in the upper layer, indicating that driven by upwelling, the increasing concentration of submicron particles not covariant with Chl a might produce an increasing backscattering coefficient. At the chlorophyll maximum layer, the background backscattering values are significantly lower than those in the upper water, and the contribution percentage of background backscattering value is about 21%~35%. With the increase of Chl a concentration, the contribution of large phytoplankton to bbp increases significantly, accounting for 50% or higher, while the contribution of pico phytoplankton remains stable around 40%. Understanding the regional relationship of bbp and Chl a off the eastern Hainan coast can improve our understanding of marine biogeochemical processes in the region.

Key words： Backscattering coefficient of particulate; chlorophyll a concentration; phytoplankton size class; Qiongdong offshore water

*感谢中国科学院南海海洋研究所海洋光学团队的所有人员, 他们对本次研究的实验数据获取做出了贡献。我们也感谢国家自然科学基金组织的南海西部基金委调查航次。
海水中包含着多种悬浮颗粒, 其粒径大小分布范围从0.1nm到1.0mm不等(Stramski et al, 2004)。悬浮颗粒通常划分为非藻类颗粒物和浮游植物两大类, 其中非藻类颗粒物包括(1)浮游生物产生的有机碎屑(如粪便、死亡细胞等); (2) 异养细菌、病毒及浮游动物, 以及(3)无机矿物质颗粒, 如硅酸盐、尘埃、底质泥沙等(Kheireddine et al, 2021)。 而浮游植物按照细胞大小, 即粒级结构, 常划分为三大类: 微微型浮游植物(<2μm)、微型浮游植物(2~20μm)和小型浮游植物(>20μm)(Sieburth et al, 1978)。粒级结构可作为表征海洋中浮游植物功能类群的重要参数之一(Sathyendranath, 2014)。这些海洋悬浮颗粒在海洋生物碳泵、海洋生态系统及生物地球化学循环等过程都扮演着非常重要的角色(Brewin et al, 2021)。
海洋中颗粒物的光后向散射系数[bbp]可表示为水体中各种颗粒物的后向散射贡献累加之和, bbp量值的变化包含了水体中颗粒物浓度等的变化信息(Twardowski et al, 2001; Huot et al, 2008)。近年, 随着商业化仪器和水色遥感技术的发展, 海水中颗粒物后向散射系数能利用各种商业化仪器或观测平台便捷获取, 如加拿大HOBI公司研发的Hydroscat-6和美国WetLab公司的BB-9, 以及海洋生物光学Bio-Argo水下自动平台等; 此外, 基于卫星观测的遥感反射率采用半分析的算法(如半分析算法QAA、通用的固有光学量反演算法GIOP等)也可获得海水中颗粒物的光后向散射系数的大时空尺度数据集(Lee et al, 2002; Werdell et al, 2013)。
叶绿素a浓度(Chl a)作为表征海洋中浮游植物生物量的重要参数之一, 颗粒物后向散射系数与叶绿素a浓度之间的关系也得到了广泛关注(Huot et al, 2008; Antoine et al, 2011; Brewin et al, 2012; Xing et al, 2014; Bellacicco et al, 2019; Kheireddine et al, 2021)。部分学者在South Ocean和South Pacific Ocean东部等大洋区域发现bbp和Chl a存在较显著的幂函数相关关系(Huot et al, 2008; Xing et al, 2014); 但部分学者认为两者间关系受水环境影响显著, 尤其在近岸复杂水环境可能呈现出高离散性(Antoine et al, 2011)。Brewin等(2012)尝试引入不同浮游植物粒级结构的散射贡献和水体后向散射背景值对大洋bbp和Chl a关系进行建模, 模型结果指出该思路可能显著提升bbp和Chl a关系模型精度; Zhang等(2020)采用0.2μm和0.7μm过滤得到亚微米颗粒水样的后向散射实测数据, 结果也进一步证实了海洋中亚微米颗粒对bbp的贡献最高可能达到~50%。Kheireddine等(2021)采用红海实测的bbp和Chl a沿用Brewin等(2012)的思路也很好证实该模型可显著提升低叶绿素浓度水体bbp和Chl a间的模拟精度, 并指出当Chl a低于0.2mg·m-3时, 非藻类颗粒物为主的水体后向散射背景值对bbp贡献非常显著。
海南岛是南海最大的岛屿, 海南岛东部海域受热带季风气候影响, 每年五月至十月降水量较多(谢玲玲 等, 2012; Li et al, 2015), 且受夏季上升流影响显著(Jing et al, 2015), 大陆架较窄, 底质以悬浮细沙等为主(许东禹 等, 1997) 。营养盐从近岸到外海呈显著降低的趋势, 外海海表属于典型贫营养水体, 水下营养盐垂向分布受水体混合影响较大(Huang et al, 2013; Li et al, 2014)。由于该海域的水体环境存在显著的区域性特征, 本文拟选定该海域开展bbp和Chl a间的区域关系模型研究。

1 实验方法和模型构建

1.1 实验数据采集

2013年8月30日至9月3日搭载了国家基金委西部航次, 由中国科学院南海海洋研究所实验3号船执行; 采集实验站点31个(图1), 共获得bbp和温盐深垂向剖面31个, Chl a样品137个。
图1 南海琼东海域实验站位图

该图基于国家测绘地理信息局地图服务网站下载的审图号为GS(2019)1819号的标准地图制作, 底图无修改

Fig. 1 Locations of stations off the eastern Hainan coast in the South China Sea.

This map is made based on the standard map no. GS (2019) 1819 downloaded from http://bzdt.ch.mnr.gov.cn, without modification of the base map

bbp由加拿大HOBI公司研发的Hydroscat-6测量获得, 采集波段为420、442、488、532、590和676nm, 采样频率为1Hz, 投放速度约为0.2m·s-1。数据处理基于HOBI公司提供的处理流程采用Matlab编译程序进行(Maffione et al, 1997)。首先对原始测量的体散射通量信号进行暗电流校正, 随后应用同步采集的吸收-散射数据(WetLab公司, 吸收衰减仪)和仪器定标系数进行体散射函数计算及Sigma校正, 扣除纯海水贡献(Zhang et al, 2009), 最后将体散射函数β(140, λ) 与转换系数1.08相乘得到bbp值(Oishi, 1990; Maffione et al, 1997)。温度、盐度和深度由SeaBird公司的CTD同步采集。实验数据随后进行异常点剔除, 插值获取各个站位1m间隔的颗粒物后向散射系数剖面数据。
Chl a采用荧光法测得, 有关测量方法见Parsons等(1984)。当站位水深小于60m, 采样标准水层为0、10、25、50m或最大水深; 水深大于60m的站位, 标准水层一般设置为0、25、50、75、100、120或140m。样品采集过滤水样体积为0.5~1L。

1.2 模型构建

bbp与Chl a浓度间关系的构建基于Brewin等(2015)和Kheireddine等(2021)提出的思路。首先将颗粒物后向散射划分为pico级浮游植物(微微型)[bbp,p]和较大粒级的浮游植物(包括微型—大型)[bbp,mn]以及亚微米颗粒后向散射背景值(常量)[bbp,k]三部分, 即
${{b}_{\text{bp}}}={{b}_{\text{bp}}}_{,p}+{{b}_{\text{bp}}}_{,\text{mn}}+{{b}_{\text{bp}}}_{,k}$
其中, 较大粒级和pico级浮游植物后向散射系数可进一步表示为单位叶绿素浓度的后向散射系数与叶绿素a浓度的乘积:
${{b}_{\text{bp}}}=b_{\text{bp,p}}^{\text{*}}\times {{C}_{\text{p}}}+b_{\text{bp,mn}}^{\text{*}}\times {{C}_{\text{mn}}}\text{+}{{b}_{\text{bp,k}}}$
式中[b*bp,mn, b*bp,p]分别表示较大粒级和pico级浮游植物单位叶绿素浓度归一化的后向散射系数; [Cp, Cmn]分别表示较大粒级和pico级浮游植物的Chl a贡献值, 基于三组分算法可进一步表示为水体中Chl a的函数(Sathyendranath et al, 2001; Brewin et al, 2010):
${{C}_{\text{p}}}=C_{\text{p}}^{\text{m}}\times \left[ 1-\exp (-{{S}_{1}}\times \text{Chl}\ \text{a}) \right]$
${{C}_{\text{mn}}}=\text{Chl}\ \text{a}-{{C}_{\text{p}}}$
$C_{\text{p}}^{\text{m}}$和S1两个参数可由高效液相色谱仪测量的南海浮游植物辅助色素浓度采用三组分算法拟合得到, 王桂芬 等(2014)给出了参数的拟合值 $C_{\text{p}}^{\text{m}}$=0.326mg·m–3和S1=2.654。综合等式(2)—(4), 可以表示为
$\begin{align} & {{b}_{\text{bp}}}=C_{\text{p}}^{\text{m}}\times \left( b_{\text{bp}}^{*}-b_{\text{bp,mm}}^{*} \right)\times \left[ 1-\text{exp}({{S}_{1}}\times \text{Chl}\ a) \right] \\ & \ \ \ \ \ \ \ \ +b_{\text{bp,mm}}^{*}\times \text{Chl}\ a\text{+}{{b}_{\text{bp}}}_{,\text{k}} \\ \end{align}$
上式中4个待定参量, 即 $C_{\text{p}}^{\text{m}}$×(b*bp,p– b*bp,mn)、S1、b*bp,p和b*bp,mn, 由实测的bbp和Chl a匹配数据采用非线性最优化拟合方法对未知量进行估算。为了保证非线性拟合收敛, 设定了限制条件, 参考Kheireddine等(2021)给定的红海水体b*bp,p和b*bp,mn拟合系数, 假定 $b_{\text{bp,mm}}^{*}(490)-$ $b_{\text{bp}}^{*}(490)=$ $0.0005$mg·m–3, 且 $C_{\text{p}}^{\text{m}}$=0.326mg·m–3, 因此 $C_{\text{p}}^{\text{m}}\times $ $\left( b_{\text{bp,p}}^{*}-b_{\text{bp,mm}}^{*} \right)$设定为固定值0.0001。
在此特别指出, 模型中pico级浮游植物和较大粒级的浮游植物后向散射, 代表了水体中浮游植物及与浮游植物共变颗粒(如降解碎屑等非藻类颗粒物等)的贡献, 而后向散射固定背景值的贡献, 仅代表水体中不与叶绿素浓度共变的颗粒贡献。
模型的性能评估, 采用模拟值 ${{b}_{\text{bp,model,i}}}$与实测值 ${{b}_{\text{bp,measured,i}}}$之间的平方根误差来表示, 即
$\text{RMSE}=\sqrt{\frac{1}{\text{N}}\sum\nolimits_{\text{i}=1}^{\text{N}}{{{\left( {{b}_{\text{bp,model,i}}}-{{b}_{\text{bp,measured,i}}} \right)}^{2}}}}$

2 结果和讨论

2.1 bbp与Chl a之间关系模型结果

在航次调查期间, 海南岛东部陆架剖面的温度和盐度表现出明显的沿岸上涌特征, 低温高盐的深水沿底部边界层向岸上升。底部边界层厚度可达10~20m厚, 垂直混合现象较强(汪彧 等, 2016)。在该区域同步采集的bbp 和Chl a之间的关系也呈现出两种不同关系, 如图2所示。整体来说, 随着Chl a浓度增加, bbp呈增大的变化趋势。在类似的Chl a 范围, 高bbp(实心圆)样品多收集于底部雾状层(简称底层), 而相对低bbp(空心圆)样品收集于上层水体(简称上层)。
图2 bbp(490)与Chl a的散点图及模型拟合曲线

模型拟合结果标识为黑色实线, 虚线将整个数据集划分为两部分, 实心黑点代表底部雾状层样品; 空心点代表上层水体样品, 灰色区域代表95%置信区间

Fig. 2 Log-log scatter plot of bbp(490) vs. Chl a.

The samples are divided into upper and bottom samples by the dotted line. The fitted curves for upper (open circles) and bottom samples (black dots) are given by black solid lines. Gray shading represents a model ensemble calculated by varying model parameters between 95% confident intervals

图2分别给出了上层和底层水体的模型拟合曲线(图中黑色实线), 模型拟合参数如表1所示。针对上层水体, 总体来说, 采用琼东海域的实测数据重参数化的模型有效地重现了bbp 和Chl a总体变化特征, RMSE为0.00048m-1。在低Chl a范围模型效果显著更优, 而在较高Chl a范围, 模型存在轻微的低估现象。当Chl a浓度较低(<0.25mg·m-3)时, bbp变化范围非常窄, 受Chl a浓度变化影响较小, 这与模型拟合曲线设置了固定后向散射背景值bbp,k比较吻合, 也初步印证了Zhang等(2020)研究结论: 在清洁的海洋水体中, 亚微米颗粒的后向散射贡献比较强, 且不随Chl a浓度变化而变化, 可形成相对稳定的后向散射背景值。
表1 模型拟合参数

Tab. 1 The fitted parameters of the model

水层 拟合参数
bbp,p*(490)/(m2·mg-1) bbp,mn*(490) /(m2·mg-1) bbp,k(490) /(m-1)
上层水体 0.0015 0.00179 0.001161
表层水体 0.0052 0.00560 0.000894
中层水体 0.0051 0.00543 0.000626
叶绿素最大层 0.0025 0.00288 0.000571
底层水体 0.0563 0.05660 0.006719
针对底层水体, bbp 和Chl a之间存在显著的离散性, 模型整体表现出很好的拟合性能, 但在极低Chl a附近(~0.02mg·m-3)两个样品bbp显著降低至~2×10-3m-1,远低于模型拟合所得的bbp,k固定值(~0.0067m-1), 导致模型存在显著的高估。值得注意的是上述两个样品量值与上层水体的bbp,k固定值(~0.001161m-1)更为接近。
与文献给出的部分海域bbp,k固定值相比, 如果不考虑不同波段间的变化性, 琼东上层水体的bbp,k(490)与红海bbp,k(440) [~0.00109m–1]非常接近(Kheireddine et al, 2021), 略高于大洋水体[bbp,k(517) = 0.00070m–1 ](Brewin et al, 2012) 和Zhang等(2020)给出的清洁水体实验估计值[bbp,k(517) = 0.00031m–1]。底层水体模型拟合bbp,k(490)值(~0.00672m–1)显著高于上层水体的拟合bbp,k(490)值(~0.00116m–1), 可能是底层受上升流的影响, 底质细沙的重悬浮导致水体中不随Chl a共变的颗粒物浓度增大, 其后向散射相应增强。同时底层水体模型拟合的两类浮游植物的 $b_{\text{bp,p}}^{\text{*}}$(490)(~0.0563m2·mg–1)和 $b_{\text{bp,mn}}^{\text{*}}$(490) (~0.0566 m2·mg–1)较上层水体对应参量增大了一个量级; 从理论上推测, 单位叶绿素的后向散射系数增大可能归因于水体小粒径、高折射率颗粒的数目增多, 即高折射率的藻类(如硅藻等)或藻类相关的有机碎屑导致了后向散射系数以及单位叶绿素浓度归一化的后向散射增大。针对本文研究的琼东水体, 底层Chl a浓度范围与上层水体相近, $b_{\text{bp,p}}^{\text{*}}$和 $b_{\text{bp,mn}}^{\text{*}}$显著增大, 更可能表征了底层水体中与浮游植物相关的非藻类颗粒物(如死亡降解物、聚集絮状物等)增多, 这些非藻类颗粒物折射率较浮游植物高, 且由于颗粒沉降作用在底层可能聚集浓度更高, 因此导致了后向散射系数增强, 同时 $b_{\text{bp,p}}^{\text{*}}$和 $b_{\text{bp,mn}}^{\text{*}}$显著增大。
图3给出了琼东海域两个浮游植物类群的后向散射贡献和后向散射背景值的贡献百分比随Chl a浓度的变化趋势。针对上层水体, 当Chl a浓度低于0.6mg·m-3时, 后向散射背景值的贡献百分比超过50%, bbp变化由bbp,k主导; 随着Chl a浓度的增加, 较大粒级的浮游植物对bbp的贡献显著增加, bbp,mn的贡献百分比由30%迅速增大至80%; 在Chl a浓度介于[0.2, 1] mg·m-3之间时, pico级浮游植物bbp,p对bbp贡献最高, 模型估算的bbp,p贡献百分比在14%~16%之间。对于底层水体, 各组分对bbp贡献与上层水体存在一定的差异性, bbp,k对bbp的主导贡献主要体现在叶绿素浓度小于0.1mg·m-3范围; 与上层水体相比, 在Chl a浓度0.2~0.4mg·m-3范围内, 底层水体中pico级浮游植物bbp,p的贡献百分比显著增大, 最大贡献比可超过40%; Chl a浓度大于0.3mg·m-3后, 较大粒级的浮游植物bbp,mn的贡献百分比可从30%迅速增大至90%。
图3 上层样品(a)和底层样品(b)各种组分对bbp(490)的贡献百分比与Chl a浓度之间的关系图

蓝色区域代表95%置性区间

Fig. 3 Percent contribution of each component population to bbp(490) as a function of Chl a for upper samples (a) and bottom samples (b).

Blue shading represents a model ensemble calculated by varying model parameters between 95% confident intervals

琼东海域水体Chl a实测值主要分布在0.06~0.7mg·m-3之间, 针对上层水体, bbp,k的贡献随着Chl a浓度增加分布从98%降至48%, 较大粒级的浮游植物bbp,mn的贡献百分比从2%增至33%, pico级浮游植物bbp,p的贡献百分比由6%增至18%。对于底层水体, bbp,k的贡献随着Chl a浓度增加分布从64%降至13%, 同时较大粒级的浮游植物bbp,mn的贡献百分比从7%增至53%, pico浮游植物bbp,p的贡献百分比由28%增至33%。

2.2 与其他模型结果对比

为了验证本文所构建模型的性能, 将与其他模型进行对比。已有文献指出, 在全球其他不同海域bbp和Chl a存在较明显的幂函数相关关系(Huot et al, 2008)。因此, 图4a给出了本文模型与幂函数拟合关系的对比。对于上层水体(空心点), 在低叶绿素浓度范围, 随着Chl a的增加, 颗粒物后向散射系数变化很小, 本文模型较好地描述了这一特征。相对而言, 幂函数在低叶绿素浓度范围, 拟合的颗粒物后向散射系数随Chl a变化趋势更为显著, 因此也导致了幂函数拟合的RMSE(~0.1528m-1)显著高于本文模型RMSE(~0.00048m-1)。可见在低Chl a浓度范围, 本文模型显著优于幂函数拟合结果; 而底层水体(黑点), 由于后向散射系数与Chl a之间关系离散性大, 虽然本文模型和幂函数拟合呈现相似的决定系数(~0.67), 幂函数似乎更好描述了颗粒物后向散射系数随Chl a浓度增大而增大的变化趋势。
图4 本文构建模型与其他模型拟合结果对比

a. 本文模型与幂函数拟合结果; b. 本文模型与其他文献模型结果对比; 实线代表本文构建模型拟合结果, 虚线代表幂函数拟合结果

Fig. 4 Comparison of the fitted relationship in this study to other relationships in publications.

(a) Comparison of the fitted curves from the model (black solid line) and from the power function (dotted line ) for two groups; and (b) comparison of the fitted curves from the model (black solid line) and other publications (colored lines)

同时, 图4b也将本文模型与已有文献在全球其他海域建立的bbp和Chl a关系模型进行了对比, 具体包括: Huot等(2008)的南太平洋东部上层水体[H08, bbp(470)]、Dall'Olmo等(2009)的赤道太平洋表层水(D09)、Xing等(2014)近极地的北大西洋上层水体[X14, bbp(532)]、Brewin等(2012) 的赤道太平洋和北大西洋表层水[B12, bbp(470)]、Zhang等(2020)的太平洋北部[Z20 bbp(512)]和 Kheireddine等(2021)的红海[K21, bbp(490)], 其中B12和K21模型采用了南海 $C_{\text{p}}^{\text{m}}$和S1参数进行了区域优化(王桂芬 等, 2014)。文献给出模型中bbp波段与本文选用的490nm不同, 由于目前没有精确的波段间转换关系可参考, 因此在后面不同模型性能比对分析中, 假定bbp在470~532nm波段间变化较小, 不考虑波段差异的影响。
总体来说, 与幂函数或者线性拟合函数的模型相比(H08、A09、X14、Z20), 优化的B12和K21模型采用了分粒级浮游植物和固定后向散射背景值拟合思路表现出更优的模拟性能, 与本文模型性能类似, 尤其是优化的K21模型与本文拟合曲线在低叶绿素范围基本重叠(图4b黑线和蓝线), 很好描述了琼东海域bbp和Chl a区域关系。H08、A09、X14和Z20等幂函数或者线性拟合函数的模型在低Chl a浓度区域(<0.1mg·m-3)均表现出显著低估, 这一现象也很好地证实了Zhang等(2020)基于实测亚微米颗粒后向散射特性分析结果: 当Chl a浓度低于0.02mg·m-3时, bbp和Chl a之间的幂函数关系已不适应。

2.3 不同水层的模型结果

为了更好地阐释上层水体中bbp与Chl a之间关系的离散性, 我们将上层水体进一步划分为表层、叶绿素最大层以及两者之间的中间层分别进行模型拟合。图5和表1给出了分水层模型拟合结果及拟合参数。
拟合结果表明, 不同水层bbp与Chl a的关系存在一定的差异性。与其他水层相比, 叶绿素最大层Chl a浓度显著增大, 但对应bbp量值并未显著增加。从模型拟合参数来看, 叶绿素最大层的bbp,k值(~0.000571m-1)显著低于表层和中间层的bbp,k值(~0.000894和0.000626m-1), 表明叶绿素最大层中亚微米颗粒的后向散射背景值最低。该层Chl a浓度主要分布在0.2~0.428mg·m-3之间, pico级浮游植物bbp,p的贡献百分比约为40%, 较大粒级的浮游植物bbp,mn的贡献百分比约为20%~38%, bbp,k的贡献百分比约为21%~35%; 当该层Chl a浓度达到最大值3.75mg·m-3时, [bbp,p bbp,mn bbp,k]的贡献百分比发生了显著改变, 分别为[9% 87% 30%], 较大粒级的浮游植物对bbp的贡献占据了绝对主导。
图5 分层bbp与Chl a模型拟合图

a. 水体表层(黑点)、叶绿素最大层(绿点)及两者之间的中间层(橙点)的分层模型拟合结果; b. 分层模型估算的各组分后向散射对bbp的贡献百分比随Chl a浓度的变化, 颜色代表水层与图(a)一致

Fig. 5 Relationships between bbp and Chl a for different water layers.

(a) The fitted curves for surface samples (black dots), chlorophyll a maximum layer samples (green dots), and others (orange dots); and (b) percent contribution of each component population to bbp(490) as a function of Chl a for samples of the three groups

相对于叶绿素最大层, 表层和中间层水样的区别并不显著, 表层bbp,k(490) (~0.000894m-1)略高于中间层bbp,k(490)值(~0.000626m-1)。表层和中间层具有相似的Chl a浓度分布区间, 分别为0.07~0.4和0.09~0.73mg·m-3, 在较低Chl a浓度范围, bbp,p、bbp,mn和bbp,k的贡献百分比分别为24%、7%和69%; 而在较高Chl a浓度值(~0.4mg·m-3), bbp,p、bbp,mn和bbp,k的贡献百分比逐渐转变为37%、35%和27%; 在中间层当Chl a浓度值达到最大值(~0.73mg·m-3), bbp,p、bbp,mn和bbp,k的贡献百分比逐渐转变为27%、50%和21%。Zhang等(2020)指出, 当Chl a浓度小于0.1mg·m-3时, 与Chl a浓度不相关的亚微米颗粒对bbp的贡献可达到50%; 随着Chl a浓度增大至0.3mg·m-3, 亚微米颗粒对bbp的贡献将降至30%。这一实验结论与本文三个水层模型估算的bbp,k(490)贡献百分比非常贴合。

3 结论

基于琼东海域采集的生物—光学数据集, 建立了水体中颗粒物后向散射系数与Chl a浓度之间的关系模型。该模型将颗粒物后向散射系数划分为pico级浮游植物(<2μm)的后向散射、较大粒级的浮游植物(>2μm)的后向散射和不随Chl a浓度变化的后向散射固定背景值三部分累加和。研究发现, 本文构建的模型能很好地模拟出琼东海域水体的后向散射系数与Chl a浓度之间的变化趋势, 性能远优于常用的幂函数关系模型, 尤其在低叶绿素浓度范围, 很好地解决幂函数显著低估的现象; 模型结果表明, 琼东海域bbp和Chl a浓度关系存在显著的水层变化, 在底层受上升流的影响, 后向散射固定背景值bbp,k显著高于上层水体背景值; 而在叶绿素最大层, 后向散射固定背景值bbp,k显著低于上层水体(如表层\中间层)的bbp,k背景值, bbp,k的贡献百分比约为21%~35%; 随着Chl a浓度增大, 较大粒级的浮游植物对bbp的贡献也显著增大, 可达到50%以上, pico级浮游植物贡献稳定在40%附近。
本文构建的模型结果很好地吻合了“海水中亚微米颗粒(<0.2或0.7μm)对后向散射贡献显著(Zhang et al, 2020)”这一实验研究结论, 表明在琼东水体中, 不随Chl a浓度变化的后向散射固定背景值对水体后向散射系数具有不可忽视的贡献。同时模型也更好表述了bbp和Chl a浓度的关系。本研究成果将为琼东海域浮游植物生物量的光学遥感研究提供更为精确的区域性模型, 获取的浮游植物群落结构及生物量信息也将为琼东生物地球化学过程的研究提供基础数据。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
许东禹, 刘锡清, 张训华, 等, 1997. 中国近海地质[M]. 北京: 地质出版社.

XU DONGYU, LIU XIQING, ZHANG XUNHUA, et al, 1997. China offshore geology[M]. Beijing: Geological Publishing House. (in Chinese)

[2]
王桂芬, 周雯, 林俊芳, 等, 2014. 南海北部海区浮游植物粒级结构生物光学反演模型的验证与评价[J]. 激光生物学报, 22(6): 502-515.

WANG GUIFEN, ZHOU WEN, LIN JUNFANG, et al, 2014. Validation and assessment on the bio-optical models for retrieving phytoplankton size structure in the Northern South China Sea[J]. Acta Laser Biology Sinica, 22(6): 502-515. (in Chinese with English abstract)

[3]
汪彧, 经志友, 齐义泉, 2016. 2013年夏季琼东海域上升流观测研究[J]. 热带海洋学报, 35(2): 40-49.

WANG YU, JING ZHIYOU, QI YIQUAN, 2016. Coastal upwelling off eastern Hainan Island observed in the summer of 2013[J]. Journal of Tropical Oceanography, 35(2): 40-49. (in Chinese with English abstract)

[4]
谢玲玲, 张书文, 赵辉, 2012. 琼东上升流研究概述[J]. 热带海洋学报, 31(4): 35-41.

XIE LINGLING, ZHANG SHUWEN, ZHAO HUI, 2012. Overview of studies on Qiongdong upwelling[J]. Journal of Tropical Oceanography, 31(4): 35-41. (in Chinese with English abstract)

[5]
ANTOINE D, SIEGEL D A, KOSTADINOV T, et al, 2011. Variability in optical particle backscattering in contrasting bio-optical oceanic regimes[J]. Limnology and Oceanography, 56(3): 955-973.

DOI

[6]
BELLACICCO M, CORNEC M, ORGANELLI E, et al, 2019. Global variability of optical backscattering by non-algal particles from a Biogeochemical-Argo data set[J]. Geophysical Research Letters, 46(16): 9767-9776, doi: 10.1029/2019GL084078.

DOI

[7]
BREWIN R J W, SATHYENDRANATH S, HIRATA T, et al, 2010. A three-component model of phytoplankton size class for the Atlantic Ocean[J]. Ecological Modelling, 221(11): 1472-1483, doi: 10.1016/j.ecolmodel.2010.02.014

DOI

[8]
BREWIN R J W, DALL'OLMO G, SATHYENDRANATH S, et al, 2012. Particle backscattering as a function of chlorophyll and phytoplankton size structure in the open-ocean[J]. Optics Express, 20(16): 17632-17652, doi: 10.1364/OE.20.017632.

DOI

[9]
BREWIN R J W, RAITSOS D E, DALL'OLMO G, et al, 2015. Regional ocean-colour chlorophyll algorithms for the Red Sea[J]. Remote Sensing of Environment, 165: 64-85, doi: 10.1016/j.rse.2015.04.024.

DOI

[10]
BREWIN R J W, SATHYENDRANATH S, PLATT T, et al, 2021. Sensing the ocean biological carbon pump from space: a review of capabilities, concepts, research gaps and future developments[J]. Earth-Science Reviews, 217: 103604, doi: 10.1016/j.earscirev.2021.103604.

DOI

[11]
DALL'OLMO G, WESTBERRY T K, BEHRENFELD M J, et al, 2009. Significant contribution of large particles to optical backscattering in the open ocean[J]. Biogeosciences, 6(6): 947-967.

DOI

[12]
HUANG DEKUN, DU JINZHOU, DENG BING, et al, 2013. Distribution patterns of particle-reactive radionuclides in sediments off eastern Hainan Island, China: implications for source and transport pathways[J]. Continental Shelf Research, 57: 10-17.

DOI

[13]
HUOT Y, MOREL A, TWARDOWSKI M S, et al, 2008. Particle optical backscattering along a chlorophyll gradient in the upper layer of the eastern South Pacific Ocean[J]. Biogeosciences, 5(2): 495-507.

DOI

[14]
JING ZHIYOU, QI YIQUAN, DU YAN, et al, 2015. Summer upwelling and thermal fronts in the northwestern South China Sea: observational analysis of two mesoscale mapping surveys[J]. Journal of Geophysical Research: Oceans, 120(3): 1993-2006.

DOI

[15]
KHEIREDDINE M, BREWIN R J W, OUHSSAIN M, et al, 2021. Particulate scattering and backscattering in relation to the nature of particles in the Red Sea[J]. Journal of Geophysical Research: Oceans, 126(4): e2020JC016610, doi: 10.1029/2020JC016610.

DOI

[16]
LEE Z P, CARDER K L, ARNONE R A, 2002. Deriving inherent optical properties from water color: a multiband quasi-analytical algorithm for optically deep waters[J]. Applied Optics, 41(27): 5755-5772.

DOI

[17]
LI RUIHUAN, LIU SUMEI, LI YAN WEI, et al, 2014. Nutrient dynamics in tropical rivers, lagoons, and coastal ecosystems of eastern Hainan Island, South China Sea[J]. Biogeosciences, 11(2): 481-506.

DOI

[18]
LI XIUBAO, WANG DAORU, HUANG HUI, et al, 2015. Linking benthic community structure to terrestrial runoff and upwelling in the coral reefs of northeastern Hainan Island[J]. Estuarine, Coastal and Shelf Science, 156: 92-102.

DOI

[19]
MAFFIONE R A, DANA D R, 1997. Instruments and methods for measuring the backward-scattering coefficient of ocean waters[J]. Applied Optics, 36(24): 6057-6067.

DOI

[20]
OISHI T, 1990. Significant relationship between the backward scattering coefficient of sea water and the scatterance at 120°[J]. Applied Optics, 29(31): 4658-4665.

DOI

[21]
PARSONS T R, MAITA Y, LALLI C M, 1984. A manual of chemical and biological methods for seawater analysis[M]. Oxford: Pergamon Press.

[22]
SATHYENDRANATH S, AIKEN J, ALVAIN S, 2014. Phytoplankton functional types from space[M]// International Ocean-Colour Coordinating Group. Reports and Monographs of the International Ocean-Colour Coordinating Group. International Ocean-Colour Coordinating Group Report 15: 163. Dartmouth, Canada, doi: 10.25607/OBP-106.

[23]
SATHYENDRANATH S, STUART V. COTA G, et al, 2001. Remote sensing of phytoplankton pigments: A comparison of empirical and theoretical approaches[J]. International Journal of Remote Sensing, 22: 249-273, doi: 10.1080/014311601449925

DOI

[24]
SIEBURTH J M, SMETACEK V, LENZ J, 1978. Pelagic ecosystem structure: Heterotrophic compartments of the plankton and their relationship to plankton size fractions[J]. Limnology and Oceanography, 23(6): 1256-1263, doi: 10.4319/lo.1978.23.6.1256.

DOI

[25]
STRAMSKI D, BOSS E, BOGUCKI D, et al, 2004. The role of seawater constituents in light backscattering in the ocean[J]. Progress in Oceanography, 61(1): 27-56.

DOI

[26]
TWARDOWSKI M S, BOSS E, MACDONALD J B, et al, 2001. A model for estimating bulk refractive index from the optical backscattering ratio and the implications for understanding particle composition in case I and case Ⅱ waters[J]. Journal of Geophysical Research: Ocean, 106(C7): 14129-14142.

DOI

[27]
WERDELL P J, FRANZ B A, BAILEY S W, et al, 2013. Generalized ocean color inversion model for retrieving marine inherent optical properties[J]. Applied Optics, 52(10): 2019-2037.

DOI

[28]
XING XIAOGANG, CLAUSTRE H, UITZ J, et al, 2014. Seasonal variations of bio-optical properties and their interrelationships observed by Bio-Argo floats in the subpolar North Atlantic[J]. Journal of Geophysical Research: Ocean, 119(10): 7372-7388.

DOI

[29]
ZHANG XIAODONG, HU LIANBO, XIONG YUANHENG, et al, 2020. Experimental estimates of optical backscattering associated with submicron particles in clear oceanic waters[J]. Geophysical Research Letters, 47(4): e2020GL087100, doi: 10.1029/2020GL087100.

DOI

[30]
ZHANG XIAODONG, HU LIANBO, HE MINGXIA, 2009. Scattering by pure seawater: Effect of salinity[J]. Optics Express, 17(7):5698-5710, doi: 10.1364/OE.17.005698.

DOI

Options
文章导航

/

〈 〉