近日，中国科学院海洋研究所宋金明团队在Nature旗下期刊《通讯-地球与环境》（Communications Earth & Environment）发表最新研究成果，提示了南大洋碳汇强度因观测数据季节分布不均衡而被高估，南大洋碳汇强度没有先前报道的那么高。
海洋持续吸收大气CO2减缓了温室效应对全球气候的影响，而气候变化也会过来影响海洋和大气间的CO2交换过程，评估全球海洋碳汇强度是了解未来气候变化趋势和碳循环响应的关键环节。南大洋在全球海洋碳汇中起着极其重要的作用，近百年来吸收的人类活动排放CO2约占全球海洋吸收总量的40%。然而，目前基于有限观测数据基础上的机器学习构建的CO2分压(pCO2)格点数据得到的南大洋碳汇强度普通比全球海洋生物地球化学模型的更高。这种差异妨碍了对南大洋碳汇强度和南大洋在全球海洋碳汇中重要性的认识，但至今没有确定和解决南大洋碳汇强度大差异的有效方法。
为了更准确地评估南大洋碳汇强度，中国科学院海洋研究所宋金明研究团队用集成学习前反馈神经网络技术，从有限的南大洋观测数据中挖掘表层海水pCO2与环境参数间的非线性关系，构建了1992到2021年间月平均的1°×1°南大洋表层海水pCO2和海气界面CO2通量格点数据，进而获取南大洋的碳汇强度。
研究发现，南大洋表层海水pCO2观测数据季节不均衡是导致所构建表层海水pCO2格点数据和评估南大洋碳汇强度准确性的关键。至今，南大洋表层海水pCO2观测数据高度集中在南半球夏季，冬季pCO2观测数据量仅有夏季的五分之一，如果不考虑这种采样数据的不均匀，利用机器学习方法构建的pCO2格点数据会在冬季偏低，这样就导致使基于海气界面CO2分压差（?pCO2）得到的南大洋碳汇强度被高估，约高16%，特别是自2010年以来，南大洋碳汇强度被高估了约29%。宋金明团队使用集成学习前反馈神经网络进行冬季校正后，发现近30年来（1992-2021年）南大洋平均碳汇强度为?0.87 PgC yr?1，低于先前报道的?1.01 PgC yr?1，该结果更加接近全球海洋生物地球化学模型和全球碳收支计划（Global Carbon Budget）中的有关南大洋的碳汇强度，显著减小了机器学习方法和生物地球化学模型法获取南大洋的碳汇强度的差异。
该研究揭示了观测数据季节分布不均衡导致机器学习方法高估南大洋碳汇强度的现象，基于集成学习前反馈神经网络技术校正获取了原被高估的南大洋碳汇强度，对观测数据分布不均衡的其他海域准确评估碳汇强度提供一种解决范式。
海洋所钟国荣特别研究助理为论文第一作者，宋金明研究员和李学刚研究员为论文共同通讯作者，王凡研究员等为共同作者。研究得到了国家自然科学基金、崂山实验室项目、国家重点研发计划等课题资助。
相关论文：
Guorong Zhong, Xuegang Li, Jinming Song, Fan Wang, Baoxiao Qu, Yanjun Wang, Bin Zhang, Jun Ma, Huamao Yuan, Liqin Duan, Qidong Wang, Jianwei Xing, Jiajia Dai. (2024). The Southern Ocean carbon sink has been overestimated in the past three decades.? Communications Earth & Environment, 5(1), 398. DOI: 10.1038/s43247-024-01566-6
论文链接：https://www.nature.com/articles/s43247-024-01566-6
