陈松蹊团队基于多源异质观测反演碳通量研究在《npj Climate and Atmospheric Science》在线发表
近日，陈松蹊教授团队的研究论文《利用原位和卫星观测估计全球二氧化碳通量的新方法》（A new Global Carbon Flux estimation methodology by assimilation of both In-situ and Satellite CO2 Observations）在《npj Climate and Atmospheric Science》在线发表。
碳通量（Carbon Flux）指的是单位时间和单位面积内碳增减的数量, 用于衡量碳的排放与吸收。图1展示了联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）第六次评估报告中关于全球碳循环的各组成部分。其中最主要的排放是化石燃料燃烧造成的人为二氧化碳排放，而陆地生态系统与海洋是两个最重要的碳汇。本研究使用团队开发的先进数据同化算法，对2016年至2020年的全球陆地生态系统和海洋碳通量进行了精确估算。这为我国科学合理地制定未来排放计划、积极开展国际气候谈判提供了依据，同时也为平稳实现双碳目标提供了重要的数据支撑。
图 1 IPCC第六次评估报告中关于全球碳循环的各组成部分
文章提出了一种新的全球碳通量估算方法，通过多源数据同化系统（Multi-observation Carbon Assimilation System，MCAS），同时整合卫星和地面观测数据，以改进碳通量反演的准确性。由于两类观测数据间的异质性，两类观测在同一个地点可能呈现出不同的趋势，导致碳通量计算结果不稳定。现有的方法尚未解决这一问题，国际最权威的碳通量反演产品CarbonTracker直到如今还仅用原位数据进行反演。本研究使用改进的集合卡尔曼滤波算法（Ensemble Kalman Filter），通过不同的膨胀因子处理多源观测数据间的异质性，解决了以往单一数据源同化系统不确定性较大的问题。
图 2 MCAS碳同化系统流程图
研究对2016年至2020年的陆地生态系统和海洋碳通量进行了估算，结果表明，与单一来源数据相比，MCAS方法在独立验证数据集上表现出20%的误差减少。通过综合地面和卫星数据的同化，系统估算出全球净碳汇值分别为陆地1.84±0.60 PgC/年和海洋2.74±0.49 PgC/年，与全球碳计划（Global Carbon Project）的估计值接近。此外，MCAS反演的结果在空间和时间分布上表现出更好的一致性，特别是在地面观测数据稀少的地区，结合卫星数据显著提高了陆地生态系统碳汇的估算精度。本研究强调多源观测数据在碳通量估算中的潜力，并验证了MCAS系统处理异质数据的有效性。这为未来进一步改进碳通量估算方法提供了参考方向，如加入更多类型的观测数据和更高维度的同化算法。
本文的第一作者为北京大学前沿交叉学科研究院大数据中心2023级博士生苏武，陈松蹊教授为通讯作者，也是苏武的博士生导师。文章的另外两位学生作者是北京大学前沿交叉学科研究院大数据中心2022级硕士生王昺皓，北京大学统计科学中心2022级博士生陈涵玥，均为陈松蹊教授指导的研究生。文章的其他合作者还有国家卫星气象中心朱琳研究员以及上海张江数学研究院与新西兰水文和大气研究院资深研究员郑小谷教授。研究得到了国家自然科学基金项目Nos.12292980, 12292983和No.92358303的资助。
论文原文链接：
https://www.nature.com/articles/s41612-024-00824-w