田佳慧 程曉,2,3,4 張彥南

研究論文

格陵蘭努普·康格魯阿峽灣葉綠素濃度時(shí)空變化分析

田佳慧1程曉1,2,3,4張彥南2,4

(1北京師范大學(xué)全球變化與地球系統(tǒng)科學(xué)研究院遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100875;2中山大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院, 廣東 珠海 519082;3南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室(珠海), 廣東 珠海 519080;4中國(guó)高校極地聯(lián)合研究中心, 北京 100875)

努普·康格魯阿(Nuup Kangerlua)峽灣的葉綠素(Chl)濃度的時(shí)空分布對(duì)于氣候變化有一定的指示作用。基于此, 結(jié)合通過(guò)C2RCC算法對(duì)Sentinel-3 OLCI反演得到的Chl數(shù)據(jù)、OSTIA海表面溫度(SST)數(shù)據(jù)以及Nuuk氣象站數(shù)據(jù), 對(duì)2016—2020年該區(qū)域的Chl濃度分布進(jìn)行時(shí)空分析。結(jié)果表明, 在峽灣入口端, Chl的分布主要受風(fēng)力和海溫的影響, 在9月風(fēng)力最強(qiáng)盛時(shí)達(dá)到最大; 而在冰川出水口端, 除風(fēng)力和水溫外, 在冰川融水的作用下, 浮游植物在春季爆發(fā)后, 還伴隨有秋季二次爆發(fā)。

峽灣 葉綠素Sentinel-3 OLCI C2RCC

0 引言

隨著全球氣候變化的不斷加劇, 格陵蘭及其周?chē)Ｓ虻乃奶卣?溫度、鹽度、混合層等)以及整個(gè)生態(tài)系統(tǒng)正在發(fā)生著根本性的變化[1]。格陵蘭的峽灣系統(tǒng)是連接海洋和冰蓋的紐帶[2], 近幾十年來(lái), 溫度升高[3-4]和格陵蘭周?chē)募驹屏康臏p少[5]導(dǎo)致表面融化的增加以及海洋終結(jié)冰川的加速退縮[6-7]正在對(duì)峽灣系統(tǒng)產(chǎn)生復(fù)雜的影響。

葉綠素(Chl)是海洋初級(jí)生產(chǎn)力和水體富營(yíng)養(yǎng)化的指標(biāo)[8-9], 大氣條件、水文特征和一系列其他過(guò)程的相互作用可能對(duì)Chl濃度的季節(jié)和年際變化產(chǎn)生復(fù)雜的影響[10-11]。受冰川融水影響的峽灣, 其養(yǎng)分供應(yīng)與懸浮物供應(yīng)是分開(kāi)的, 養(yǎng)分供應(yīng)主要來(lái)自峽灣口的海水, 懸浮物及淡水主要來(lái)自冰川融水, 但融水的稀釋作用會(huì)導(dǎo)致較低的營(yíng)養(yǎng)水平[12-13]。海水與冰川融水的混合會(huì)改變峽灣的營(yíng)養(yǎng)鹽分布, 融水徑流的季節(jié)或幅度變化可能會(huì)進(jìn)一步影響浮游植物優(yōu)勢(shì)群落[14-15]及Chl濃度的時(shí)空變化[16]。Chl濃度不僅與格陵蘭峽灣生態(tài)系統(tǒng)初級(jí)生產(chǎn)力密切相關(guān), 而且對(duì)于了解格陵蘭冰蓋變化對(duì)氣候和海洋的影響具有重要意義。

目前, 已經(jīng)有一些學(xué)者對(duì)格陵蘭峽灣的葉綠素濃度展開(kāi)研究, 但大多數(shù)都集中在利用實(shí)測(cè)數(shù)據(jù)研究峽灣中Chl的垂直濃度梯度, 且只針對(duì)努普·康格魯(Nuup Kangerlua)峽灣北支, 缺乏對(duì)峽灣整體的研究[16-18]。單純依靠傳統(tǒng)的船舶采樣方法或依靠浮標(biāo)進(jìn)行Chl濃度監(jiān)測(cè), 無(wú)法滿(mǎn)足大尺度、時(shí)間連續(xù)的數(shù)據(jù)觀(guān)測(cè)需求。光學(xué)遙感技術(shù)以其時(shí)間連續(xù)、成本低、便于推導(dǎo)水質(zhì)參數(shù)等優(yōu)點(diǎn), 越來(lái)越多地用于水質(zhì)監(jiān)測(cè)[19]。

本文基于Sentinel-3 OLCI數(shù)據(jù), 分析2016—2020年Nuup Kangerlua峽灣Chl濃度的時(shí)空變化規(guī)律以及氣象和水文因素對(duì)Chl濃度產(chǎn)生的影響。為了解格陵蘭峽灣內(nèi)Chl的時(shí)空變化特征及規(guī)律提供參考。

1 研究區(qū)域

Nuup Kangerlua位于格陵蘭島西南部, 長(zhǎng)190 km, 寬7 km, 峽灣總面積為2013 km2, 是格陵蘭島拉布拉多海沿岸最長(zhǎng)的峽灣[20]。格陵蘭的首府努克位于峽灣口附近。研究區(qū)域?qū)儆谑芎Ｑ笥绊懙奶υ瓪夂? 冬季寒冷漫長(zhǎng), 夏季涼爽短暫, 最高溫通常出現(xiàn)在7月, 月均值為11℃。最低溫通常出現(xiàn)在2月, 月均值為–10.9℃。年均降水量超過(guò)800 mm。一年中日照時(shí)間變化大, 日照時(shí)長(zhǎng)范圍為4～21 h。

Nuup Kangerlua峽灣系統(tǒng)具有復(fù)雜的環(huán)流模式, 峽灣口存在強(qiáng)烈的潮汐混合現(xiàn)象[21], 在冬季和春季會(huì)有近岸海水流入峽灣內(nèi)部。峽灣被3個(gè)入海冰川包圍, 從北到南分別為: Narsap Sermia(NS)、Akullersuup Sermia(AS)和Kangiata Nunaata Sermia(KNS)(圖1)。由于3個(gè)入海冰川的接地深度不同(KNS, AS 和 NS分別約為<250 m, <140 m和<160 m), 位于峽灣內(nèi)的兩條冰川(KNS和AS)與峽灣外部盆地的水體交換水平較低[22]。夏季, 峽灣會(huì)受到來(lái)自這些冰川融水的影響[23]。

圖1 研究區(qū)域。2017年7月21日格陵蘭努普·康格魯阿的Sentinel-3 OLCI RGB(波段 8-6-4)合成

Fig.1. Area of study. RGB (bands 8-6-4) composite of Sentinel-3 OLCI image on 21 July 2017 of Nuup Kangerlua on the southwest coast of Greenland

2 數(shù)據(jù)與方法

2.1 Sentinel-3A OLCI數(shù)據(jù)

Sentinel-3是歐洲航空局和歐洲氣象衛(wèi)星組織聯(lián)合運(yùn)營(yíng)的衛(wèi)星項(xiàng)目, 可以提供海洋和陸地觀(guān)測(cè)服務(wù), 共有兩顆衛(wèi)星, 分別為Sentinel-3A和Sentinel-3B。其中, Sentinel-3A衛(wèi)星于2016年2月發(fā)射, 配備了海洋和陸地彩色儀器(OLCI)傳感器。OLCI的空間分辨率為300 m, 在高緯度地區(qū)的重訪(fǎng)時(shí)間小于2天。OLCI在MERIS的基礎(chǔ)上增加了6個(gè)波段, 共設(shè)置了21個(gè)光譜波段(0.4～ 1.02 μm), 提高了熒光光譜反演的準(zhǔn)確性。目前, 大量學(xué)者使用Sentinel-3數(shù)據(jù)進(jìn)行海洋監(jiān)測(cè)。由于只能獲取近一年的OLCI Level-2全分辨率水產(chǎn)品(OL_2_WFR), 為了盡可能延長(zhǎng)研究期限,確保數(shù)據(jù)的一致性, 本研究采用OLCI Level-1B全分辨率產(chǎn)品(OL_1_EFR)。

由于峽灣的冬季(11月—次年3月)生產(chǎn)力水平較低[16], 以及出于對(duì)數(shù)據(jù)質(zhì)量的考慮, 我們選擇了2016—2020年的4—10月作為本研究的時(shí)間范圍。由于Chl濃度在峽灣變化迅速, 我們選擇盡可能多的Sentinel-3 OLCI圖像進(jìn)行時(shí)空變化研究。通過(guò)目測(cè), 選取2016年至2020年4—10月Sentinel-3 OLCI Level-1B全分辨率 (OL_1_EFR)的207個(gè)無(wú)云場(chǎng)景和少云場(chǎng)景。數(shù)據(jù)來(lái)自哥白尼開(kāi)放獲取中心(https://scihub.copernicus. eu/)。

2.2 補(bǔ)充數(shù)據(jù)

2.2.1 水文數(shù)據(jù)

1. 鹽度、濁度和Chl濃度實(shí)測(cè)數(shù)據(jù)

使用Zielinski等[24]在MSM65(Greenhab II)航行期間(2017年6月29日—7月3日)收集的鹽度、濁度和Chl濃度數(shù)據(jù), 篩選了峽灣內(nèi)7個(gè)位置(圖1)的測(cè)量數(shù)據(jù)用于剖面繪制。實(shí)測(cè)時(shí)間及點(diǎn)位對(duì)應(yīng)如表1所示。

2. 海表面溫度數(shù)據(jù)(SST)

本研究使用了Operational Sea Surface Temperature and Ice Analysis(OSTIA)系統(tǒng)的海表面溫度數(shù)據(jù)。OSTIA海表面溫度數(shù)據(jù)由英國(guó)氣象局(https://www.metoffice.gov.uk/)運(yùn)營(yíng), 是歐盟全球環(huán)境和安全監(jiān)測(cè)(GMES)MyOcean項(xiàng)目的一部分[25]。該數(shù)據(jù)具有較高的時(shí)空分辨率, 可估算出0.05°的每日全球海表溫度[26]。與原位測(cè)量結(jié)果相比, OSTIA SST的精度約為0.57 K[27]。OSTIA海溫?cái)?shù)據(jù)可從哥白尼海事處(https://marine.copernicus. eu/)獲得。

表1 實(shí)測(cè)時(shí)間及點(diǎn)位

2.2.2 氣象數(shù)據(jù)

氣象站數(shù)據(jù)來(lái)自格陵蘭生態(tài)系統(tǒng)監(jiān)測(cè)(GEM)數(shù)據(jù)集(https://data.g-e-m.dk)。GEM是對(duì)北極生態(tài)系統(tǒng)和氣候變化的影響和反饋進(jìn)行全面監(jiān)測(cè)和長(zhǎng)期研究的項(xiàng)目。其中, 努克的Asiaq- Greenland測(cè)量項(xiàng)目為我們提供了氣象數(shù)據(jù)。該數(shù)據(jù)集提供了從2007年10月至今每10分鐘的風(fēng)向和風(fēng)速記錄。我們采用每10分鐘平均的風(fēng)向和風(fēng)速進(jìn)行輔助分析。

2.3 C2RCC算法

由于峽灣內(nèi)部會(huì)受冰川融水和潮汐的影響, 水質(zhì)較為復(fù)雜, 這對(duì)遙感影像的大氣校正和Chl濃度反演研究提出了更高的要求[28]。

Case 2 Regional Coast Color(C2RCC)算法最初由Doerffer和Schiller[29]提出。用于推導(dǎo)中分辨率成像光譜儀(MERIS)在二類(lèi)水體中的固有光學(xué)特性(IOPs)。除IOPs外, C2RCC還可用于推導(dǎo)不同組分的吸收和表征, 三種主要的光學(xué)相關(guān)的濃度(浮游植物色素、總懸浮物TSM和有色可溶性有機(jī)物)以及與之相關(guān)的不確定性。

C2RCC采用了神經(jīng)網(wǎng)絡(luò)技術(shù)。美國(guó)國(guó)家航空航天局(NASA)在全球典型海域收集了大量海洋生物光學(xué)算法數(shù)據(jù)集(約500萬(wàn)例)參與神經(jīng)網(wǎng)絡(luò)訓(xùn)練, 涵蓋沿海和內(nèi)陸地區(qū)的大部分情況。C2RCC的優(yōu)點(diǎn)之一是它的應(yīng)用速度遠(yuǎn)高于其他神經(jīng)網(wǎng)絡(luò)算法, 因?yàn)樗恍枰魏蔚?。目前已成為歐洲航天局為Sentinel系列衛(wèi)星開(kāi)發(fā)的處理軟件SNAP[30]專(zhuān)題水處理工具包中的重要模塊。該算法已應(yīng)用于Sentinel-3 OLCI、Sentinel-2 MSI、Landsat 8、MODIS等衛(wèi)星數(shù)據(jù)的處理, 關(guān)于C2RCC的更多信息, 可從SNAP的官方網(wǎng)站(http://step.esa.int/main/toolboxes/sentinel-3-toolbox/)獲得。

圖2為實(shí)測(cè)與C2RCC處理獲得的Chl濃度值回歸。為避免異常值干擾, 以實(shí)測(cè)點(diǎn)為中心, 將直徑為300 m的像元均值與實(shí)測(cè)值進(jìn)行匹配。由C2RCC獲得的Chl濃度普遍高于測(cè)量值, 但仍有中度相關(guān)關(guān)系(2=0.684), 可以用于判斷空間分布趨勢(shì)。這與根據(jù)Vanhellemont和Ruddick[31]的觀(guān)點(diǎn)一致。

圖2 實(shí)測(cè)與C2RCC算法反演的Chl a回歸

Fig.2. Regression of Chlmeasured in situ against Chlderived from C2RCC algorithm

3 結(jié)果分析

3.1 葉綠素a濃度的空間變化

3.1.1 海表面葉綠素濃度分布

通過(guò)反演, 我們得到了2016—2020年的Chl濃度空間分布, 圖3為2017年4—10月每月平均Chl濃度, 在每年的Chl濃度基礎(chǔ)上進(jìn)一步將當(dāng)月所有數(shù)據(jù)進(jìn)行5年平均得到2016—2010年的4—10月Chl濃度空間分布序列(圖4)?？傮w上, 2016—2020年Chl濃度對(duì)應(yīng)月份的空間格局相似, 在遠(yuǎn)離冰川融水出口的水域, Chl的濃度主要在0.5～2 mg·m–3之間。4—10月, 峽灣整體Chl濃度呈現(xiàn)低—高—低特征。4月, 峽灣整體Chl濃度還不到1 mg·m–3。從5月開(kāi)始, 最先與NS、KS、KNS冰川融水接觸的峽灣北部支的Chl濃度首先增加。6—8月, Chl濃度從峽灣內(nèi)部到峽灣口逐漸升高, 9月達(dá)到最大值, 總濃度在1.5 mg·m–3以上。10月, Chl的濃度迅速下降到1.25 mg·m–3以下。

圖3 2017年4—10月每月平均Chl a濃度

Fig.3. The average Chlconcentration of each month from April to October, 2017

圖4 2016—2020年月平均Chl a濃度

Fig.4. The average Chlconcentration of each month from 2016 to 2020

3.1.2 葉綠素濃度垂直分布

根據(jù)Zielinski等[24]2017年在Nuup Kangerlua的測(cè)量數(shù)據(jù), 我們繪制了峽灣北部主要分支7個(gè)位置的剖面, 如圖5所示(北部分支7個(gè)采樣點(diǎn)的位置見(jiàn)圖1)。在10 m以上深度, Chl濃度一般在1 mg·m–3以上。而6和7號(hào)位置10 m左右深度的Chl濃度顯著高于同深度其他位置, 這與海冰及冰川冰的融化所產(chǎn)生的淡水徑流有關(guān)。由于2017年7月, 冰川融水往峽灣內(nèi)注入大量低營(yíng)養(yǎng)鹽度的淡水融水與峽灣內(nèi)水體的密度差異導(dǎo)致密度分層, 產(chǎn)生了Chl在水下的高值區(qū)。而靠近峽灣口的1、2、3號(hào)點(diǎn), 由于潮汐混合, 使得整個(gè)水柱均質(zhì)化, 產(chǎn)生了較為均勻的濁度、鹽度, Chl的分布進(jìn)一步證實(shí)遙感數(shù)據(jù)與現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)的空間趨勢(shì)可以很好地吻合。

3.2 葉綠素a濃度的時(shí)間變化

由于C2RCC會(huì)高估高渾濁度水域的Chl濃度[31], 為避免懸浮物濃度對(duì)Chl濃度反演產(chǎn)生的影響, 我們選取峽灣北部分支中懸浮物濃度低于5 mg·L–1的區(qū)域進(jìn)行分析。圖6為2016—2020年的4—10月北部分支懸浮物濃度低于5 mg·L–1的Chl濃度與海表面溫度的關(guān)系。其中, 灰色線(xiàn)為使用C2RCC從Sentinel-3 OLCI圖像(峽灣北支TSM<5中的區(qū)域)中得到的每日Chl濃度的區(qū)域平均值。綠色線(xiàn)為對(duì)Chl每日濃度進(jìn)行平滑后的結(jié)果, 更能代表Chl濃度變化的趨勢(shì)。橙色線(xiàn)表示該地區(qū)的平均每日海表溫度。

圖5 基于實(shí)測(cè)數(shù)據(jù)的剖面圖。a)濁度; b)鹽度; c)Chl a濃度

Fig.5. Distribution profile based on the measured data. a)turbidity; b)salinity; c)Chlconcentration

Nuup Kangerlua的Chl濃度變化具有很強(qiáng)的周期性。對(duì)于峽灣北部分支整體而言, 2017年、2018年和2020年Chl濃度與海溫的關(guān)系明顯。2017年, 海溫在8月中旬達(dá)到最大值(6.4℃), Chl濃度在9月初達(dá)到最大值(1.87 mg·m–3)。2018年, 海溫在8月中旬達(dá)到峰值(6.2℃), Chl濃度在9月中旬達(dá)到峰值(1.75 mg·m–3)。2020年全年海溫最大值出現(xiàn)在8月中旬, 達(dá)到7.5℃, 2020年Chl濃度也在9月中旬達(dá)到最大值, 為1.58 mg·m–3。因此, Nuup Kangerlua峽灣內(nèi)Chl濃度與海溫有關(guān), 且Chl濃度峰值出現(xiàn)時(shí)間比海溫峰值的出現(xiàn)時(shí)間晚一個(gè)月左右。

圖6 2016—2020年逐日海溫與Chl a濃度時(shí)間序列

Fig.6. Time series of daily SST and Chlconcentration from 2016 to 2020

為進(jìn)一步研究冰川融水對(duì)Chl濃度的影響, 我們綜合考慮了Mortensen等[22,32]對(duì)Nuup Kangerlua環(huán)流模式研究以及與KNS冰川的距離,將峽灣北部分支分為了3個(gè)區(qū)域(圖1)進(jìn)行統(tǒng)計(jì)區(qū)域內(nèi)Chl與SST均值(圖7), 分別為海檻區(qū)(區(qū)域1)與主要峽灣分支(區(qū)域2和區(qū)域3)。區(qū)域1接近峽灣口, 主要會(huì)受到由沿海海水與峽灣水體之間的密度差異導(dǎo)致的密集沿海流入影響。區(qū)域2產(chǎn)生了外檻區(qū)與峽灣盆地之間的密度梯度, 并形成斜壓環(huán)流模式。區(qū)域3靠近入海冰川, 會(huì)受到入海冰川產(chǎn)生的淡水驅(qū)動(dòng), 淡水羽流上涌并與周?chē)鷯{灣水體混合, 形成了冰下環(huán)流模式。

圖7 2016—2020年分區(qū)統(tǒng)計(jì)逐日海溫與Chl a濃度時(shí)間序列

Fig.7. Time series of daily SST and Chlconcentration in regional statistics from 2016 to 2020

如表2所示, 從峽灣口至接近KNS冰川融水的3個(gè)區(qū)域中, 接近入海冰川的區(qū)域3的海表面溫度最大值范圍為4.708～5.302℃, 是3個(gè)區(qū)域中SST最高值相對(duì)最低的區(qū)域。此外, 該區(qū)域?yàn)?個(gè)區(qū)域中Chl濃度高值最大的區(qū)域, 為1.33～2.01 mg·m–3。除2018年之外, Chl濃度高值均出現(xiàn)在5月中下旬, 這與冰川融水的匯入有關(guān)。隨著區(qū)域3的Chl濃度逐漸降低, 區(qū)域2與區(qū)域1的Chl濃度逐漸升高, 其中, 區(qū)域2由于受到冰川融水與沿海徑流流入的影響, 總體上Chl濃度在3個(gè)區(qū)域中變化幅度最小, 在6—9月均保持在1.12～1.65 mg·m–3范圍內(nèi)。

表2 2016—2020年每年海表面溫度與Chl a濃度最大值及出現(xiàn)日期

3.3 葉綠素a濃度因素分析

Chl濃度會(huì)受到溫度、風(fēng)速、營(yíng)養(yǎng)鹽、冰川融水、浮游植物等氣象和水文要素的影響。由于Chl濃度變化呈周期性以及受到實(shí)測(cè)數(shù)據(jù)的限制, 我們選擇2017年進(jìn)行影響因素分析。

4月, 靠近冰川融水出口的峽灣內(nèi)部通常被冰覆蓋(圖8a), 峽灣整體平均海溫接近0℃(圖8b)。5月, 海表溫度逐漸升高, 并于5月底達(dá)到3℃, Narsap Sermia冰川融水出口處海冰逐漸融化破裂, 與此同時(shí), 破碎的冰水混合物在峽灣內(nèi)東風(fēng)(圖8c)的推動(dòng)下向西移動(dòng)。6—7月, 海表溫度持續(xù)上升, 峽灣內(nèi)部主要受西風(fēng)控制。海冰逐漸融化, 為峽灣內(nèi)注入大量淡水, 此時(shí)峽灣內(nèi)靠近融水出口的位置鹽度明顯低于同深度水平其他實(shí)測(cè)點(diǎn)(圖5b)。在盛行西風(fēng)的影響下(圖8d), 高營(yíng)養(yǎng)的海水從峽灣口流入峽灣內(nèi)部, 與冰川融水產(chǎn)生的淡水混合, 為Chl濃度逐漸向峽灣口增加提供了有利條件。8—9月, 峽灣海表溫度達(dá)到最大值(6℃), 東風(fēng)逐漸增強(qiáng)。9月, 東風(fēng)逐漸占上風(fēng)。根據(jù)目視判斷, 此時(shí)峽灣的海冰覆蓋面積達(dá)到最小。10月, 海面溫度持續(xù)下降, 峽灣內(nèi)的海冰再次凍結(jié), Chl濃度也相應(yīng)下降。

總之, Nuup Kangerlua峽灣Chl濃度的空間分布會(huì)受到風(fēng)和海表溫度以及營(yíng)養(yǎng)鹽度的影響。峽灣外部的海水通過(guò)海風(fēng)的作用涌入峽灣內(nèi)部, 并通過(guò)潮汐混合為峽灣內(nèi)提供了高營(yíng)養(yǎng)水, 這為葉綠素濃度的增加提供了有利條件。

4 結(jié)論與展望

本文基于Sentinel-3 OLCI數(shù)據(jù), 結(jié)合海溫、鹽度、風(fēng)等水文氣象因子, 分析2016—2020年格陵蘭Nuup Kangerlua峽灣的Chl濃度時(shí)空變化, 得出如下結(jié)論。

1. 峽灣的Chl濃度時(shí)間變化具有明顯的季節(jié)性。4—10月, 峽灣整體Chl濃度呈現(xiàn)低—高—低特征。從5月開(kāi)始, 隨著海表面溫度升高, 海冰減退, 峽灣內(nèi)靠近冰川融水出口處Chl濃度最先增加。6—8月, 峽灣整體Chl濃度逐漸升高, 9月達(dá)到最大值。10月, Chl濃度迅速下降。

Fig.8. Hydrology and meteorology of Nuup Kangerlua. a) evolution of sea ice conditions from April to October in 2017; b) sea surface temperature (°C) as recorded from OSTIA system (The red line is obtained by Gaussian smoothing, and the window width is 20); c) wind direction and speed as recorded at the Kobberfjord Climate Station from April to October in 2017; d) schematic of the hydrodynamic cycle of fjord in 2017 (The grey rectangle shows the distribution of ice in the fjord)

2. 從空間上看, 從冰川融水注水口到峽灣口, Chl濃度逐漸增加。在盛行風(fēng)的影響下, 峽灣外部的海水涌入峽灣內(nèi)部, 與冰川融水產(chǎn)生的淡水混合, 為峽灣內(nèi)提供了高營(yíng)養(yǎng)水, 這為葉綠素濃度向峽灣口增加提供了有利條件。

由于受限于峽灣實(shí)測(cè)數(shù)據(jù)的可獲得性, 我們無(wú)法進(jìn)一步測(cè)試由C2RCC反演得到的Chl濃度的準(zhǔn)確性。通過(guò)對(duì)C2RCC反演值與已有實(shí)測(cè)數(shù)據(jù)的回歸分析與其他學(xué)者對(duì)C2RCC算法在不同海域的 Chl反演精度研究, 雖然C2RCC與實(shí)測(cè)值存在差異, 但反演結(jié)果與實(shí)測(cè)值在時(shí)空變化上具有一致趨勢(shì)。因此, 本研究只能初步分析Chl濃度在時(shí)空上的變化。希望在未來(lái)能有更多公開(kāi)發(fā)表的數(shù)據(jù)可用來(lái)研究格陵蘭峽灣。

1 秦大河. 氣候變化科學(xué)與人類(lèi)可持續(xù)發(fā)展[J]. 地理科學(xué)進(jìn)展, 2014, 33(7): 874-883.

2 STRANEO F, CENEDESE C. The dynamics of Greenland's Glacial Fjords and their role in climate[J], Annual Review of Marine Science, 2015, 7: 89-112.

3 FETTWEIS X, BOX J E, AGOSTA C, et al. Reconstructions of the 1900–2015 Greenland ice sheet surface mass balance using the regional climate MAR model[J]. The Cryosphere, 2017, 11(2): 1015-1033.

4 STRANEO F, HEIMBACH P. North Atlantic warming and the retreat of Greenland's outlet glaciers[J]. Nature, 2013, 504(7478): 36-43.

5 HOFER S, TEDSTONE A J, FETTWEIS X, et al. Decreasing cloud cover drives the recent mass loss on the Greenland Ice Sheet[J]. Science Advances, 2017, 3(6): e1700584.

6 VAN DEN BROEKE M, BAMBER J, ETTEMA J, et al. Partitioning recent Greenland mass loss[J]. Science, 2009, 326(5955): 984-986.

7 ENDERLIN E M, HAMILTON G S. Estimates of iceberg submarine melting from high-resolution digital elevation models: Application to Sermilik Fjord, East Greenland[J]. Journal of Glaciology, 2014, 60(224): 1084-1092.

8 PAHLEVAN N, SMITH B, SCHALLES J, et al. Seamless retrievals of chlorophyll-from Sentinel-2 (MSI) and Sentinel-3 (OLCI) in inland and coastal waters: A machine-learning approach[J]. Remote Sensing of Environment, 2020, 240: 111604.

9 MOSES W J, GITELSON A A, BERDNIKOV S, et al. Estimation of chlorophyll-concentration in case II waters using MODIS and MERIS data-successes and challenges[J]. Environmental Research Letters, 2009, 4(4): 045005.

10 GAO S, WANG H, LIU G M, et al. Spatio-temporal variability of chlorophylland its responses to sea surface temperature, winds and height anomaly in the western South China Sea[J]. Acta Oceanologica Sinica, 2013, 32(1): 48-58.

11 王肖穎, 張芳, 李娟英, 等. 2012年夏季挪威海和格陵蘭海浮游植物群落結(jié)構(gòu)的色素表征[J]. 生態(tài)學(xué)報(bào), 2014, 34(8): 2076-2084.

12 MURRAY C, MARKAGER S, STEDMON C A, et al. The influence of glacial melt water on bio-optical properties in two contrasting Greenlandic fjords[J]. Estuarine, Coastal and Shelf Science, 2015, 163: 72-83.

13 莊燕培, 金海燕, 陳建芳, 等. 北冰洋中心區(qū)表層海水營(yíng)養(yǎng)鹽及浮游植物群落對(duì)快速融冰的響應(yīng)[J]. 極地研究, 2012, 24(2): 151-158.

14 辜帆, 金海燕, 莊燕培, 等. 2012年夏季水團(tuán)輸送對(duì)挪威-格陵蘭海營(yíng)養(yǎng)鹽及浮游植物群落結(jié)構(gòu)的影響[J]. 極地研究, 2018, 30(1): 22-31.

15 魏皓, 趙偉, 羅曉凡, 等. 北冰洋浮游生物空間分布及其季節(jié)變化的模擬[J]. 海洋學(xué)報(bào), 2019, 41(9): 65-79.

16 JUUL-PEDERSEN T, ARENDT K E, MORTENSEN J, et al. Seasonal and interannual phytoplankton production in a sub-Arctic tidewater outlet glacier fjord, SW Greenland[J]. Marine Ecology Progress Series, 2015, 524: 27-38.

17 MEIRE L, MORTENSEN J, RYSGAARD S, et al. Spring bloom dynamics in a subarctic fjord influenced by tidewater outlet glaciers (Godth?bsfjord, SW Greenland)[J]. Journal of Geophysical Research: Biogeosciences, 2016, 121(6): 1581-1592.

18 KRAWCZYK D W, WITKOWSKI A, JUUL-PEDERSEN T, et al. Microplankton succession in a SW Greenland tidewater glacial fjord influenced by coastal inflows and run-off from the Greenland Ice Sheet[J]. Polar Biology, 2015, 38(9): 1515-1533.

19 蔣興偉, 林明森, 張有廣, 等. 海洋遙感衛(wèi)星及應(yīng)用發(fā)展歷程與趨勢(shì)展望[J]. 衛(wèi)星應(yīng)用, 2018(5): 10-18.

20 PEARCE D M, MAIR D W F, REA B R, et al. The glacial geomorphology of upper Godth?bsfjord (Nuup Kangerlua) in southwest Greenland[J]. Journal of Maps, 2018, 14(2): 45-55.

21 GR?NKJ?R P, NIELSEN K V, ZOCCARATO G, et al. Feeding ecology of capelin (Mallotus villosus) in a fjord impacted by glacial meltwater (Godth?bsfjord, Greenland)[J]. Polar Biology, 2019, 42(1): 81-98.

22 MORTENSEN J, BENDTSEN J, LENNERT K, et al. Seasonal variability of the circulation system in a west Greenland tidewater outlet glacier fjord, Godth?bsfjord (64°N)[J]. Journal of Geophysical Research-Earth Surface, 2014, 119(12): 2591-2603.

23 MASCARENHAS V J, ZIELINSKI O. Hydrography-driven optical domains in the Vaigat-Disko Bay and Godthabsfjord: Effects of glacial meltwater discharge[J]. Frontiers in Marine Science, 2019, 6. DOI: 10.3389/fmars. 2019. 00335.

24 ZIELINSKI O, BRAUN A, HENKEL R, et al. Physical oceanography during Maria S. Merian cruise MSM65 (GREENHABⅡ) [EB/OL]. [2021-10-05]. https://doi.org/10.1594/PANGAEA.886181.

25 GOOD S, FIEDLER E, MAO C Y, et al. The Current configuration of the OSTIA system for operational production of foundation sea surface temperature and ice concentration analyses[J]. Remote Sensing, 2020, 12(4): 720. DOI: 10.3390/rs12040720.

26 STARK J D, DONLON C J, MARTIN M J, et al. OSTIA : An operational, high resolution, real time, global sea surface temperature analysis system[J]. OCEANS 2007-Europe, 2007: 1-4. DOI: 10.1109/OCEANSE. 2007. 4302251.

27 DONLON C J, MARTIN M, STARK J, et al. The Operational Sea Surface Temperature and Sea Ice Analysis (OSTIA) system[J]. Remote Sensing of Environment, 2012, 116: 140-158.

28 KRAVITZ J, MATTHEWS M, BERNARD S, et al. Application of Sentinel 3 OLCI for chl-a retrieval over small inland water targets: Successes and challenges[J]. Remote Sensing of Environment, 2020, 237: 111562.

29 DOERFFER R, SCHILLER H. The MERIS case 2 water algorithm[J]. International Journal of Remote Sensing, 2007, 28(3/4): 517-535.

30 BROCKMANN C , DOERFFER R , PETERS M , et al. Evolution of the C2RCC neural network for Sentinel 2 and 3 for the retrieval of ocean colour products in normal and extreme optically complex waters[J]. ESASP, 2016, 740-745.

31 VANHELLEMONT Q, RUDDICK K. Atmospheric correction of Sentinel-3/OLCI data for mapping of suspended particulate matter and chlorophyll-a concentration in Belgian turbid coastal waters[J]. Remote Sensing of Environment, 2021, 256: 112284.

32 MORTENSEN J, LENNERT K, BENDTSEN J, et al. Heat sources for glacial melt in a sub-Arctic fjord (Godth?bsfjord) in contact with the Greenland Ice Sheet[J]. Journal of Geophysical Research-Oceans, 2011, 116(C1): C01013.

Temporal and spatial variation of Chlorophyllconcentration in Nuup Kangerlua Fjord, Greenland

Tian Jiahui1, Cheng Xiao1,2,3,4, Zhang Yannan2,4

(1State Key Laboratory of Remote Sensing Science, College of Global Change and Earth System Science, Beijing Normal University, Beijing 100875, China;2School of Geospatial Engineering and Science, Sun Yat-sen University, Zhuhai 519082, China;3Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China;4University Corporation for Polar Research, Beijing 100875, China)

The temporal and spatial distribution of Chlorophyll(Chl) concentration in Nuup Kangerlua Fjord is an indicator of climate change. The spatiotemporal distribution of Chlconcentration in this region from 2016 to 2020 was therefore analyzed by combining the Chldata obtained from Sentinel-3 OLCI inversion by C2RCC algorithm, Operational Sea Surface Temperature and Ice Analysis (OSTIA) sea surface temperature (SST) data, and data from a nearby meteorological station (at Nuuk). The results show that the distribution of Chlwas mainly affected by wind speed, wind direction and SST at the fjord inlet. The peak time of Chlconcentration was about one month later than that of SST and is most widespread when the winds are at their strongest in September. At the outlet of the glacier, in addition to being influenced by wind and water temperature, the spring bloom of Chlis followed by a second bloom in autumn, driven by meltwater from glaciers.

glacial fjords, Chlorophyll, Sentinel-3 OLCI, C2RCC

2021年11月收到來(lái)稿, 2022年3月收到修改稿

國(guó)家自然科學(xué)基金(41825002)資助

田佳慧, 女, 1997年生。碩士研究生, 主要從事極地水色遙感研究。E-mail: tianjiahui@mail.bnu.edu.cn

程曉, E-mail: chengxiao9@mail.sysu.edu.cn

10.13679/j.jdyj.20210086