Observed large-scale and deep-reaching compound ocean state changes over the past 60 years

成果簡介

近期，中國科學(xué)院大氣物理研究所成里京研究員團(tuán)隊(duì)聯(lián)合法國巴黎高等師范學(xué)院、Mercator Ocean International等機(jī)構(gòu)，在《Nature Climate Change》發(fā)表重要研究成果。該研究首次基于觀測數(shù)據(jù)，系統(tǒng)揭示了過去60年全球海洋從表層到中層（0-1000米）正在經(jīng)歷的大規(guī)模復(fù)合氣候變化。

研究團(tuán)隊(duì)發(fā)現(xiàn)，海洋變暖、鹽度變化、脫氧和酸化等多重氣候影響驅(qū)動因子正在同時(shí)出現(xiàn)，形成"復(fù)合氣候影響驅(qū)動因子"（compound CIDs）。特別值得關(guān)注的是，副熱帶和熱帶大西洋、副熱帶太平洋、阿拉伯海和地中海等區(qū)域已經(jīng)出現(xiàn)顯著的復(fù)合變化信號。這些發(fā)現(xiàn)表明，全球海洋正在向一種全新的氣候狀態(tài)轉(zhuǎn)變，對海洋生態(tài)系統(tǒng)和人類福祉構(gòu)成深遠(yuǎn)威脅。

引言

海洋正面臨多重氣候壓力的考驗(yàn)——變暖、酸化、脫氧和鹽度變化同時(shí)發(fā)生，深刻影響著地球系統(tǒng)循環(huán)和海洋生態(tài)。然而，這些變化的綜合影響，特別是從表層延伸到深層海洋的復(fù)合效應(yīng)，此前缺乏系統(tǒng)的觀測研究。

這項(xiàng)研究的重要意義在于：

• 首次建立復(fù)合CIDs評估框架：定義了海洋復(fù)合氣候影響驅(qū)動因子的概念，將多個(gè)氣候變量的同步變化納入統(tǒng)一分析框架

• 揭示深層海洋的脆弱性：證明中層海洋（200-1000米）約25%的區(qū)域已暴露于兩種以上CIDs的同時(shí)變化

• 識別氣候變化熱點(diǎn)區(qū)域：發(fā)現(xiàn)地中海、北大西洋亞熱帶環(huán)流和熱帶大西洋氧極小區(qū)等區(qū)域面臨最嚴(yán)峻的復(fù)合威脅

研究方法

數(shù)據(jù)體系：多源觀測的全球整合

研究團(tuán)隊(duì)整合了多套全球海洋觀測數(shù)據(jù)產(chǎn)品，覆蓋1960年至2023年：

• 溫度數(shù)據(jù)：中國科學(xué)院大氣物理研究所（IAP）月均溫度格點(diǎn)產(chǎn)品，分辨率1°×1°，深度覆蓋0-6000米

• 鹽度數(shù)據(jù)：IAP月均鹽度格點(diǎn)產(chǎn)品，具有完整的不確定性估計(jì)

• 溶解氧數(shù)據(jù)：IAP月均溶解氧格點(diǎn)產(chǎn)品，整合CTD、瓶采和Argo等多種觀測手段

• 表層pH數(shù)據(jù)：哥白尼海洋服務(wù)全球表層碳數(shù)據(jù)集，分辨率0.25°×0.25°

核心方法：信號出現(xiàn)時(shí)間（ToE）分析

研究采用"信號出現(xiàn)時(shí)間"方法來檢測長期變化。核心思想是：當(dāng)某個(gè)氣候信號超出背景噪聲水平并持續(xù)保持時(shí)，即認(rèn)為該信號已"出現(xiàn)"。

具體而言，研究團(tuán)隊(duì)將局地時(shí)間序列分解為長期趨勢信號和短期變異噪聲兩部分。長期信號通過25年平滑濾波提取，代表氣候變化的印記；噪聲則反映自然變率和觀測誤差。當(dāng)信號與噪聲的比值持續(xù)超過閾值時(shí)，就標(biāo)志著氣候變化信號正式出現(xiàn)。

復(fù)合CIDs的定義

當(dāng)溫度、鹽度、溶解氧中的兩個(gè)或三個(gè)變量同時(shí)出現(xiàn)顯著變化信號時(shí)，分別定義為"雙重出現(xiàn)"和"三重出現(xiàn)"。這些同時(shí)變化可能通過聯(lián)合作用、因果關(guān)系或復(fù)合關(guān)系相互影響——例如，溫度和鹽度的聯(lián)合變化會改變海水密度和層化強(qiáng)度；變暖會因降低氧氣溶解度而導(dǎo)致脫氧。

圖文導(dǎo)讀

個(gè)體與復(fù)合CIDs的全球出現(xiàn)趨勢

研究結(jié)果顯示，不同CIDs具有不同的出現(xiàn)時(shí)間尺度，且復(fù)合變化正在全球范圍內(nèi)加速擴(kuò)展。

表層pH的變化最為迅速——自1995年以來，幾乎100%的全球海洋表層都經(jīng)歷了酸化信號的出現(xiàn)。這主要?dú)w因于人為二氧化碳排放持續(xù)增加，導(dǎo)致大氣向海洋的凈正通量。

對于溫度、鹽度和溶解氧，自1990年代初以來，約20-60%的全球海洋面積已出現(xiàn)長期變化信號。更值得關(guān)注的是，雙重出現(xiàn)（溫度+鹽度或溫度+溶解氧同時(shí)變化）的比例從表層的約7%增加到中層海洋底部的約32%；三重出現(xiàn)的比例也從真光層頂部的8%增至中層海洋底部的11%。

Fig. 1 | Global percentage of emergence as a function of year for individual or compound CIDs

復(fù)合CIDs的時(shí)空分布格局

過去64年觀測到的復(fù)合CIDs出現(xiàn)呈現(xiàn)出明顯的區(qū)域差異。

在真光層（0-200米），地中海展現(xiàn)出最高的雙重和三重出現(xiàn)比例，高達(dá)約96%；其次是北大西洋亞熱帶區(qū)域（約93%）和熱帶大西洋（約71%）。這些區(qū)域存在特定的動力學(xué)機(jī)制主導(dǎo)——沿岸上升流區(qū)、熱帶氧極小區(qū)、大尺度環(huán)流系統(tǒng)以及輸運(yùn)匯聚區(qū)。

在中層海洋（200-1000米），北印度洋約58%和北太平洋亞熱帶環(huán)流約42%的區(qū)域經(jīng)歷了顯著的復(fù)合出現(xiàn)。阿拉伯海的三重出現(xiàn)尤為突出，受到空氣-海洋相互作用變化、紅海和波斯灣高鹽水溢流、季風(fēng)環(huán)流變化以及氧極小區(qū)擴(kuò)張加深等多重因素驅(qū)動。

Fig. 2 | Spatial distribution of the time of emergence (ToE) (single, double and triple emergence) of compound CIDs in different depth layers

海洋暴露程度的空間格局

研究定義了三個(gè)關(guān)鍵指標(biāo)來評估復(fù)合CIDs的影響程度：持續(xù)時(shí)間（信號出現(xiàn)后持續(xù)了多久）、強(qiáng)度（信號相對噪聲有多強(qiáng)）和幅度（信號變化有多快）?；谶@三個(gè)指標(biāo)，將海洋暴露程度劃分為高、中、低三個(gè)等級。

結(jié)果顯示，北大西洋亞熱帶中部表層和真光層主要暴露于變暖和鹽化的雙重出現(xiàn)，達(dá)到中等至高暴露水平。地中海、北大西洋亞熱帶環(huán)流及其西邊界流（如墨西哥灣流）的真光層和中層海洋顯示出對三重出現(xiàn)的高暴露。

熱帶大西洋氧極小區(qū)、阿拉伯海和北大西洋亞熱帶環(huán)流大部分中層海洋區(qū)域也表現(xiàn)出類似特征——長持續(xù)時(shí)間、高強(qiáng)度和高幅度的復(fù)合變化。總體而言，約25%的次表層海洋已顯著暴露于兩種以上CIDs的出現(xiàn)。

Fig. 3 | Spatial distribution of the global exposure of the ocean to the emergence of individual and compound CIDs

復(fù)合CIDs對海洋功能的潛在影響

研究進(jìn)一步分析了復(fù)合CIDs與海洋關(guān)鍵功能的空間重疊。

對于海洋碳泵，約48%、13%和3%的全球100米深度有機(jī)碳輸出分別來自經(jīng)歷單一、雙重和三重CIDs顯著出現(xiàn)的中高暴露區(qū)域。

對于全球漁業(yè)，約51%、14%和3%的高捕撈強(qiáng)度區(qū)域分別暴露于單一、雙重和三重CIDs的顯著出現(xiàn)。受影響區(qū)域包括東北大西洋、墨西哥灣流、地中海、熱帶大西洋、黑潮、南太平洋小島國周邊海域和大西洋亞熱帶環(huán)流。

此外，約38%的公海區(qū)域（國家管轄范圍以外區(qū)域）中層海洋已經(jīng)歷雙重或三重復(fù)合CIDs出現(xiàn)，這為在這些"復(fù)合氣候變化熱點(diǎn)區(qū)域"建立大規(guī)模海洋保護(hù)區(qū)提供了科學(xué)依據(jù)。

Fig. 5 | Interplay of exposure from the emergence of compound CIDs with the biological carbon pump, global fishing activities and their emergence in the high seas

小結(jié)

這項(xiàng)研究通過系統(tǒng)的觀測數(shù)據(jù)分析，首次描繪了全球海洋復(fù)合氣候變化的完整圖景：

建立了復(fù)合CIDs評估框架：提出了包含信號出現(xiàn)時(shí)間、持續(xù)時(shí)間、強(qiáng)度和幅度的多維度評估體系，為理解海洋復(fù)合變化提供了方法論基礎(chǔ)。

揭示了深層海洋的脆弱性：證明氣候變化影響并非局限于海洋表層，而是深達(dá)1000米的中層海洋，約25%的次表層海洋已暴露于多重CIDs的同時(shí)變化。

識別了氣候變化熱點(diǎn)區(qū)域：地中海、北大西洋亞熱帶環(huán)流、熱帶大西洋氧極小區(qū)和阿拉伯海等區(qū)域面臨最嚴(yán)峻的復(fù)合威脅，對這些區(qū)域海洋生態(tài)系統(tǒng)的監(jiān)測和保護(hù)刻不容緩。

這項(xiàng)工作表明，全球海洋正在經(jīng)歷向新氣候狀態(tài)的轉(zhuǎn)變。復(fù)合CIDs的長期變化可能通過協(xié)同、拮抗或疊加效應(yīng)影響海洋生物多樣性、漁業(yè)資源和碳循環(huán)，凸顯了在氣候風(fēng)險(xiǎn)評估中納入復(fù)合效應(yīng)的緊迫性。

與AI的潛在結(jié)合點(diǎn)

多變量時(shí)空模式的深度學(xué)習(xí)挖掘

該研究涉及溫度、鹽度、溶解氧、pH等多個(gè)變量在三維空間和時(shí)間維度上的協(xié)同變化。傳統(tǒng)方法難以捕捉這些變量之間的復(fù)雜非線性關(guān)系。卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）可以從海洋觀測格點(diǎn)數(shù)據(jù)中自動提取時(shí)空特征，識別復(fù)合CIDs出現(xiàn)的前兆信號。圖神經(jīng)網(wǎng)絡(luò)（GNN）特別適合處理海洋環(huán)流連接的空間關(guān)系，追蹤信號從表層向深層傳播的路徑。注意力機(jī)制可以識別哪些區(qū)域和時(shí)間段對復(fù)合變化最為敏感，指導(dǎo)觀測資源的優(yōu)化配置。

信號-噪聲分離的智能優(yōu)化

該研究的核心是將長期氣候信號從短期變率噪聲中分離出來。這一過程依賴于濾波參數(shù)的選擇，可能受到年代際變率的干擾。深度學(xué)習(xí)的自編碼器（Autoencoder）可以學(xué)習(xí)海洋變量的本征表示，在潛空間中更清晰地分離信號和噪聲成分。變分自編碼器（VAE）還可以量化分離過程的不確定性。物理信息神經(jīng)網(wǎng)絡(luò)（PINN）可以將海洋動力學(xué)約束嵌入網(wǎng)絡(luò)結(jié)構(gòu)，確保分離出的信號在物理上是自洽的。

復(fù)合效應(yīng)的因果推斷建模

該研究描述了溫度-鹽度-溶解氧之間的聯(lián)合、因果和復(fù)合關(guān)系，但定量區(qū)分這些關(guān)系仍具挑戰(zhàn)性。因果機(jī)器學(xué)習(xí)方法（如因果森林、do-calculus框架）可以從觀測數(shù)據(jù)中推斷變量間的因果方向和強(qiáng)度。結(jié)構(gòu)方程模型與深度學(xué)習(xí)結(jié)合，可以構(gòu)建多層次的因果圖，追溯從溫室氣體排放到海洋生態(tài)響應(yīng)的完整因果鏈。這對于預(yù)測未來復(fù)合變化的演變趨勢和制定干預(yù)策略至關(guān)重要。

海洋暴露風(fēng)險(xiǎn)的多模態(tài)預(yù)測

該研究定義的暴露指標(biāo)（持續(xù)時(shí)間、強(qiáng)度、幅度）可以與海洋生物分布、漁業(yè)活動、碳通量等多源數(shù)據(jù)融合。多模態(tài)深度學(xué)習(xí)可以整合衛(wèi)星遙感、現(xiàn)場觀測、模式模擬和社會經(jīng)濟(jì)數(shù)據(jù)，構(gòu)建端到端的風(fēng)險(xiǎn)預(yù)測系統(tǒng)。集成學(xué)習(xí)方法（如XGBoost、隨機(jī)森林）可以評估不同暴露情景下的生態(tài)和經(jīng)濟(jì)損失，為氣候適應(yīng)決策提供量化支撐。遷移學(xué)習(xí)可以將在數(shù)據(jù)豐富區(qū)域訓(xùn)練的模型應(yīng)用到數(shù)據(jù)稀疏的深?；驑O地區(qū)域，拓展復(fù)合CIDs監(jiān)測的空間覆蓋范圍。

DOI：10.1038/s41558-025-02484-x

本文版權(quán)歸原作者所有，本文旨在分享優(yōu)秀科研成果，文章推送時(shí)未能及時(shí)與原作者取得聯(lián)系，若來源標(biāo)注錯誤或侵犯到您的權(quán)益煩請告知，我們將立即刪除。更多詳情和引用，請參考原文，點(diǎn)擊文章底部（閱讀原文）。

微信號丨AI4EarthScience

商務(wù)聯(lián)系丨AI4EarthScience