青藏科考

基于CO2卫星观测的中国陆地碳汇估算:进展与挑战

文章来源 :
2022-10-08 16:34
分享 :

陆地生态系统碳汇是中国实现碳中和的重要支撑。厘清中国陆地生态系统碳汇的大小和分布对于实现碳中和的战略目标具有重要意义。大气反演法是基于大气CO2浓度观测与大气传输模型,并结合人为源CO2排放清单,评估陆地碳汇的一种重要手段。目前,我国高标准的地面CO2观测站点较稀疏,是大气反演中国陆地生态系统碳收支的瓶颈。正在蓬勃发展的卫星遥感技术可以通过卫星平台获得大气CO2柱浓度数据,相较于地面站点观测,卫星遥感观测的空间覆盖率更高,填补了地面观测数据的空缺。 

  第二次青藏科考任务二、中国科学院青藏高原研究所生态系统功能与全球变化团队及合作者系统回顾了专用于大气CO2柱浓度监测的科学实验卫星的发展历史。从卫星平台、遥感数据处理和大气反演三个方面,总结了卫星遥感CO2的观测现状和对中国陆地生态系统碳收支评估的作用,提出未来需要加强研究的问题和方向。 

  目前,国际上在轨的主要大气CO2科学实验卫星通过被动采集经大气和地表反射的短波红外光谱信息,计算大气CO2柱浓度。自2002年,第一个搭载短波红外光谱传感器SCIMACHY的卫星问世以来,日本、美国、中国都相继发射了自己的大气CO2柱浓度监测卫星。随着卫星和传感器技术进步,观测的准度和精度不断提高,覆盖范围不断提升。然而,目前在轨的CO2卫星的每月有效观测覆盖范围仍不及全球地表面积的2%。我国于2022年4月发射的大气环境监测卫星“大气一号”,是全球首个利用激光雷达探测大气CO2浓度的卫星,可以将传统的卫星大气CO2观测扩展到夜间,并且通过激光雷达有效减小云和气溶胶对大气CO2遥感观测的影响。 

  大气CO2卫星获得的光谱需通过大气辐射传输模型,运用特定算法解译成大气CO2柱浓度,被称为卫星遥感反演。其产品的精度取决于传感器自身性质、对相应气体理化性质的认识、对云和气溶胶的处理等多个因素。如OCO-2的ACOS卫星遥感反演算法在改进了O2-A带的气体吸收截面参数后,提高对空气质量的估算误差,提高柱CO2浓度的反演精度;考虑平流层气溶胶吸收光线后,显著提高南半球CO2柱浓度的反演精度。 

  利用CO2卫星观测和卫星遥感反演算法获得的大气CO2柱浓度,结合大气传输模型和大气反演算法,可用于评估陆地碳汇。该研究收集并分析了10个中国陆地碳汇的大气反演结果,相关研究均利用OCO-2卫星观测和卫星遥感反演算法ACOS解译获得的CO2柱浓度数据。研究结果表明,不同大气反演研究得到的中国陆地碳汇存在很大差异。其中,大气反演中采取的大气传输模型对反演结果有较大影响。例如,采用GEOS-Chem模型时,大气反演结果会显著高于采用其他大气传输模型的反演结果。此外,不同大气反演研究获得的中国陆地碳汇的空间分布也存在显著差异。 


图片 2.png

图1 不同大气反演获得中国陆地碳汇大小及空间分布 

 

  研究人员认为,未来基于CO2卫星观测的中国陆地碳汇估算,需要在卫星设计、卫星和地面协同观测、卫星遥感反演算法、大气反演算法等多方面开展工作。多个国家和机构已计划发射具有更高观测准度和精度,更大覆盖范围的CO2卫星,结合地面观测站点,提高监测大气CO2浓度的能力;卫星遥感反演算法需要向快速化、智能化发展,适应未来快速处理更多卫星、更庞大数据量、更高准度和精度的需求;大气反演需要运用更高分辨率、更可靠的大气传输模型,研发更先进的大气反演技术,提供更准确的陆地碳汇估算结国际合作,逐渐形成一套完备的“自上而下”的区域陆地碳汇监测系统。 


图片 1.png

图2 基于CO2卫星观测的中国陆地碳汇估算的发展方向 

 

  上述研究成果近期以“Constraining China's land carbon sink from emerging satellite CO2 observations: Progress and challenges”为题,发表于《Global Change Biology》,中国科学院青藏高原研究所汪宜龙副研究员为第一作者和通讯作者。研究获得第二次青藏高原综合科学考察研究(2019QZKK0208)等资助。 

  论文信息及链接: 

  Wang, Y., Tian, X., Chevallier, F., Johnson, M. S., Philip, S., Baker, D. F., Schuh, A. E., Deng, F., Zhang, X., Zhang, L., Zhu, D., & Wang, X. (2022). Constraining China’s land carbon sink from emerging satellite CO2 observations: Progress and challenges. Global Change Biology, 00,1-9. https://doi.org/10.1111/gcb.16412