自然资源部第二海洋研究所陈双玲研究员以第一作者兼通讯作者在国际知名期刊Journal of Geophysical Research: Oceans发表了题为“Remote Estimates of Sea Surface Nitrate and Its Trends From Ocean Color in the Northwest Pacific”的研究成果。合作者包括海洋二所硕士研究生孟宇、王云涛研究员、厦门大学商少凌教授和柴扉教授以及北京大学郑玫教授。
硝酸盐（NO3-），作为海洋氮循环过程中的一种主要存在形态，是浮游植物赖以生长的重要营养盐。海洋上层硝酸盐浓度的时空变化对研究浮游生物碳泵和海洋碳循环意义重大。海水中的硝酸盐不具备任何电磁波信号特征，且与相关海洋环境要素之间的关系复杂多变，海表硝酸盐浓度（SSN）的卫星遥感反演一直是当前水色卫星海洋遥感的研究热点和难点之一。
西北太平洋是全球重要的碳汇区。随着全球变化的加剧，西北太平洋上层硝酸盐的变化趋势问题备受关注。基于有限的历史船测资料，以往研究展现相悖结论：西北太平洋表层硝酸盐呈微弱下降或增加趋势。相比传统观测手段，卫星遥感具有大尺度、长时序稳定观测的优势。因此，本研究聚焦西北太平洋，首次利用机器学习方法构建了高精度的西北太平洋海表硝酸盐卫星遥感反演算法，生产了过去20年（2002-2022年）硝酸盐的日均遥感影像，且首次从卫星遥感的角度探究西北太平洋表层硝酸盐的变化趋势。研究表明，在过去20年，西北太平洋表层硝酸盐整体呈微弱下降趋势（-0.01μmol kg-1 yr-1），主导因素为海洋增温。
基于前期研究（Yu & Chen et al., 2021; Chen et al., 2023），该文所采用的SSN反演模型为堆栈式随机森林（Stacking Random Forest，SRF）。该模型的输入变量包括海表叶绿素浓度和海表温度，输出变量为SSN。该研究构建了SRF硝酸盐反演模型，验证数据集显示，模型的均方根误差（RMSD）约为1.34 μmol/kg（5.3%），R2为0.92。
此外，该研究还对模型进行了大量独立验证（不同季节、不同海域）和敏感性分析，证明反演模型的可靠性。基于多源独立航次数据的模型独立验证结果显示，模型的均方根误差（RMSD）约为1.15 μmol/kg（2.0 %），R2为0.8。
论文引用：
Chen, S*, Meng, Y, Shang, S, Zheng, M, Wang, Y, & Chai, F (2024). Remote estimates of sea surface nitrate and its trends from ocean color in the northwest Pacific.Journal of Geophysical Research: Oceans, 129, e2023JC019846.
