《SCIENCE ADVANCES》：Improved air-sea CO2 flux estimates from sailboat measurements
编辑推荐：
本刊推荐：为应对偏远海域CO2吸收能力监测不足的挑战，研究人员开展了基于帆船观测系统的模拟实验。通过将帆船赛道数据纳入海洋碳循环模型（MPIOM-HAMOCC），并应用自组织映射-前馈神经网络（SOM-FFN）方法重建海-气CO2通量，发现增加两次环球航行数据可使南大洋40°S–60°S区域碳汇估计提升约0.1 mol C m?2year?1。尽管当前数据仍无法修正通量趋势的高估，但证明了公民科学平台对全球碳预算评估的补充价值。
海洋如同地球的蓝色肺叶，每年吸收超过四分之一人类活动排放的二氧化碳（CO2），其中南大洋更是全球碳循环的关键调节器。然而，这片位于南纬40度以南的广阔海域却因观测数据稀缺，其碳汇能力的评估长期存在巨大不确定性。传统观测网络依赖科研船舶和浮标，但南大洋的恶劣环境导致数据覆盖严重不足，甚至出现近年观测量下滑的趋势。这种数据缺口不仅影响对当前碳吸收量的准确估算，更可能掩盖气候变暖背景下海洋碳汇能力的动态变化。
面对这一挑战，公民科学倡议提供了创新解决方案。帆船赛事——如每四年举办一次的旺代单人不靠岸航海赛（Vendée Globe）和每三至四年举行的环球帆船赛（The Ocean Race）——正成为填补南大洋观测空白的新兴力量。这些帆船搭载的传感器能够持续测量海面二氧化碳分压（fCO2），但其数据质量能否真正提升科学模型的准确性，尚未有系统评估。为此，研究团队在《科学进展》（Science Advances）发表论文，首次通过观测系统模拟实验（OSSE）量化了帆船数据对海-气CO2通量估算的改进效果。
研究团队以汉堡海洋碳循环模型（HAMOCC）与马克斯·普朗克海洋模型（MPIOM）耦合的模拟结果作为“真实基准”，通过模拟现实观测网络（SOCATv2022）的采样分布，构建了包含161天帆船数据的子样本集。关键技术创新在于应用自组织映射-前馈神经网络（SOM-FFN）这一两阶段机器学习方法：首先根据海表温度、盐度等环境变量将全球海洋划分为生物地球化学区域，再在每个区域内建立fCO2与驱动因子的非线性关系。通过对比不同采样方案（无帆船数据、现有帆船数据、增加两次环球航行数据等）的重建结果，系统评估了数据增量对碳通量估算的影响。
神经网络重建性能
结果显示，SOM-FFN方法能较好还原模型真实的fCO2空间分布，概率密度函数的巴氏距离（Bhattacharyya distance）在0.00–0.14之间，表明重建分布与原始模型高度相似。但南大洋仍存在约2–3 μatm的系统性高估，这与实际观测中该区域碳汇低估的现象形成对比，凸显了单一模型作为基准的局限性。
帆船采样对fCO2估算的影响
增加现有帆船数据并未显著改善1982–2021年整体的fCO2偏差（中位数偏差仅从1.16降至1.17 μatm），但引入三次环球航行数据后，南大洋40°S–60°S区域的偏差明显减小。神经网络展现出空间外推能力——即使未增加数据的印度洋和西太平洋区域，估算精度也同步提升，但部分区域（如东太平洋）出现误差补偿现象。
帆船采样对海-气CO2通量估算的影响
通量估算的改进与fCO2模式高度一致。增加三次环球航行数据使全球平均通量密度偏差从0.06降至-0.02 mol C m?2year?1，南大洋偏差从0.10降至0.00 mol C m?2year?1。值得注意的是，数据增加主要引起通量估算值的整体平移（均值改善），但对长期趋势的过高估计依然存在——即使增加两次环球数据，2000年后南大洋碳汇增长趋势仍被夸大。
测量不确定性和偏差的影响
针对帆船测量中可能存在的±5–10 μatm随机误差或系统性偏差，研究发现：随机误差下数据增量仍能改善通量估算；而系统性偏差的影响则呈现复杂性。正偏差（+5–10 μatm）意外地改善了南大洋高fCO2区域的重建效果，但因错误补偿机制，这种“改善”需谨慎看待。负偏差则明确导致碳汇高估，尤其在观测稀疏期。
讨论部分指出，帆船数据虽能提升碳汇均值估计，但纠正趋势偏差需更长时间序列。交替进行的环球赛事（每1–2年一次主要航线覆盖）可与生物地球化学浮标（如Argo）、Saildrone等平台形成互补，构建多年代际观测网络。研究强调，机器学习方法对数据偏差的敏感性高度依赖模型基底与算法选择，未来需结合多模型比较验证。
该研究首次通过严格的观测系统实验证明，公民科学驱动的帆船观测能有效减少南大洋碳汇估算不确定性。尽管当前数据尚不足以修正长期趋势，但为构建低成本、可持续的海洋碳监测网络提供了实证支持。随着《巴黎协定》全球碳盘点机制的推进，这类创新观测方式有望在厘清“缺失碳汇”去向方面发挥关键作用。
