李 菲,趙 亮*,沈家葳,姚 潔,王 圣

未來RCP4.5情景下黃海DMS濃度變化模擬與分析

李 菲1,趙 亮1*,沈家葳2,姚 潔1,王 圣1

(1.天津科技大學海洋與環(huán)境學院,天津 300457；2.天津大學海洋科學與技術學院,天津 300072)

使用CORDEX-EA過去氣候態(tài)(2000-2009年)與RCP4.5情景下近未來氣候態(tài)(2041-2050年)大氣強迫結果驅(qū)動中國東部陸架海域耦合DMS模塊生態(tài)模型,模擬了黃海過去及近未來表層DMS濃度(DMS),探究了黃海近未來DMS時空分布的變化及其影響因素.結果表明:近未來黃海DMS的年循環(huán)發(fā)生變化,北黃海DMS極高值出現(xiàn)月份由5、9月轉(zhuǎn)變?yōu)?、10月,南黃海由4、9月轉(zhuǎn)變?yōu)?、8月;局部DMS高值區(qū)也發(fā)生變化,春季山東半島附近海域、夏季蘇北淺灘、南黃海中東部、秋季南黃海東部DMS高值區(qū)加強,夏季山東半島附近DMS高值區(qū)減弱.近未來熱通量、風應力對山東半島、南黃海中東部海域DMS影響較大;降水量、云量對西朝鮮灣DMS的影響占優(yōu);蘇北淺灘DMS受多個氣候因子共同作用.

表層DMS濃度；RCP4.5情景；黃海；CORDEX-EA；生態(tài)模型；空間分布

二甲基硫(DMS)是一種主要由海洋生物產(chǎn)生的揮發(fā)性硫化物[1],在全球硫循環(huán)中發(fā)揮重要作用[2].通過海氣交換進入大氣中的DMS,其氧化產(chǎn)物能夠控制遠海雨水的天然酸性[3]、調(diào)節(jié)全球氣候變化[4-5].未來全球氣候變化會改變海洋環(huán)境[6-7],相應的,海水中的DMS也會受到氣候變化的影響[8].探究氣候變化對DMS的影響,可進一步理解DMS對全球氣候變化的響應和反饋,為應對氣候變化提供科學支持,對建立氣候變化下碳排放的適應機制也具有重要意義.

關于DMS對氣候變化的響應,學者們針對全球和區(qū)域海洋做了較多的研究.就全球范圍來說,部分學者[9-10]利用統(tǒng)計模型研究了RCP8.5情景下未來氣候變化對全球DMS的影響;Grandey和Wang[11]則使用了耦合海氣模型探究了RCP4.5情景下全球DMS的變化,除此之外,Wang等[12]與Six等[13]也利用模型模擬了未來全球DMS在RCP8.5和SRES A1B情景中的變化.對于區(qū)域海洋來說,相關研究大多集中于北冰洋[14-16]、澳洲南部海域[17]、北海南部海灣[18]等陸架海區(qū),大多數(shù)研究利用DMS模型探究區(qū)域DMS及相關環(huán)境影響因子在特定未來氣候變化條件下的響應,也有學者基于觀測數(shù)據(jù)利用統(tǒng)計方法[19]探究了氣候變化對不列顛哥倫比亞省南部沿海DMS的影響.總體來說,目前開展的關于DMS對氣候變化響應的研究多為設定特定的氣候變化并采用模型模擬的方法進行探究,且大多數(shù)集中于全球或國外其他陸架海.

黃海是世界上典型的半封閉陸架海區(qū),對全球氣候變化的響應顯著[20-22],與開闊大洋相比,DMS濃度較高[23],單位面積海洋DMS排放較大,對非海鹽硫酸鹽氣溶膠的形成有重要貢獻[24].國內(nèi)學者已經(jīng)對黃海DMS濃度時空分布特征做了系統(tǒng)的研究:夏季最高,冬季最低,春秋次之[25-27];春夏季黃海沿岸高于黃海中部[26-28];冬季南黃海整體海域差別較小[26,29],南黃海中部DMS相對周圍海域較高[24].同時開展了關于DMS濃度影響因素的研究,得到的主要認識是黃海DMS的生產(chǎn)與消費是一個受多種物理、化學和生物因素共同作用的過程[30],其中溫度、葉綠素及浮游植物為影響DMS濃度的重要因素[25-28,31].氣候變化無疑會引起黃海DMS時空分布的變化,但是目前關于黃海DMS的研究集中于DMS時空分布、DMS物理生化影響因素,以及黃海對全球DMS排放的區(qū)域性貢獻,對氣候變化背景下黃海DMS的響應認識相對不足,且暫未開展黃海區(qū)域DMS濃度的氣候變化的情景分析.

區(qū)域氣候降尺度試驗(CORDEX)因其關注區(qū)域氣候模擬而備受認可,其中CORDEX - EA提供了東亞區(qū)域在不同氣候情景下的氣候變化信息[32].在政府間氣候變化專門委員會第五次評估報告(IPCC AR5)確定的氣候變化新情景RCP8.5、RCP4.5等4種典型濃度路徑(RCPs)類型中,與溫室氣體高排放情景RCP8.5相比,RCP4.5為中等排放情景,其溫室氣體排放量將在2040年達到目標水平,在2050年以后降低,2080年趨于穩(wěn)定[6],與中國未來經(jīng)濟發(fā)展趨勢較為一致,符合政府對未來經(jīng)濟發(fā)展、應對氣候變化的政策措施.因此,本文選定RCP4.5為未來氣候情景,利用對應情景的CORDEX-EA大氣強迫結果驅(qū)動中國東部陸架海域耦合DMS模塊生態(tài)模型[27],對近未來(21世紀中期)黃海DMS進行模擬,定量分析了RCP4.5情景下黃海近未來表層DMS濃度的時空分布變化.

1 數(shù)據(jù)與方法

1.1 模型介紹與配置

采用中國東部陸架海域耦合DMS模塊生態(tài)模型[27,33]進行情景實驗,用以模擬 RCP4.5情景下近未來黃海表層DMS濃度(DMS)及相關物理生態(tài)環(huán)境的變化.該生態(tài)模型包括水動力模塊、生態(tài)模塊和DMS模塊,3個模塊以在線耦合的方式運行;其中,水動力模塊考慮了大氣強迫、潮驅(qū)動、河流輸入,為生態(tài)模塊提供溫、鹽、流等結果,生態(tài)模塊則為DMS模塊提供浮游植物生物量等結果.模型模擬范圍為117.5～131.5°E,24～41°N(圖 1),覆蓋渤海、黃海、東海海域,分辨率 1/18°, 垂向分為21層.本文著重分析黃海表層DMS時空分布變化及其影響因素.

圖1 模型模擬與分析區(qū)域

A～F區(qū)為分析區(qū)域,其中,北黃海A、B區(qū)分別代表山東半島北部、西朝鮮灣附近海域,南黃海C、D、E、F區(qū)分別代表山東半島南部、蘇北淺灘、南黃海中部、南黃海東部海域,黑色三角形為黃河、長江入?？?/p>

本次實驗將上述生態(tài)模型的大氣強迫替換為經(jīng)過Li等[34-35]校準過風速的CORDEX-EA.該數(shù)據(jù)已經(jīng)過驗證,可靠性強,可以滿足本研究需要[36]. CORDEX-EA是使用區(qū)域氣候模型CCLM對CMIP5(第五次耦合模式比較計劃)中來自德國馬普氣象研究所的全球氣候模型MPI-ESM-LR進行動力降尺度得到的,包括歷史氣候模擬試驗數(shù)據(jù)(1950～2005年)、RCP4.5未來情景的試驗數(shù)據(jù)(2006～2100年),在經(jīng)向和緯向上分別有223′187個網(wǎng)格點,水平空間分辨率為0.44°,時間分辨率為1h,數(shù)據(jù)覆蓋范圍為東亞區(qū)域[36-37].取CORDEX-EA過去(2000～2009年)與近未來(2041～2050年)多年平均氣候態(tài)熱通量、降水量、蒸發(fā)量、風應力、10m風速、云量.將兩個氣候態(tài)結果分別用于強迫模型,最終輸出2個DMS結果:以CORDEX-EA過去氣候態(tài)結果作為模型大氣強迫的DMS后報模擬結果,以及將近未來氣候態(tài)結果作為大氣強迫的RCP4.5情景模擬結果.最終通過比較RCP4.5情景模擬結果相比于后報模擬結果的變化,分析RCP4.5情景下近未來黃海DMS的時空分布變化.

1.2 模型后報模擬驗證

用于驗證模型的數(shù)據(jù)為沈家葳等[25,27]提供的歷史航次的實測網(wǎng)格化數(shù)據(jù)(DMS、葉綠素、溫度),該數(shù)據(jù)集收集了48個航次,觀測時間跨度2005～ 2017年,觀測海域包括渤海、黃海、東海,數(shù)據(jù)以1°′1°網(wǎng)格進行劃分.實測網(wǎng)格化數(shù)據(jù)取觀測深度第一層為表層,深度不超過5m,模型數(shù)據(jù)取2m為表層進行模型驗證.

圖2 黃海表層DMS濃度(CDMS)空間分布模型驗證

底圖為過去氣候態(tài)模型模擬結果,圓圈為實測結果

利用實測網(wǎng)格化數(shù)據(jù)對模型模擬黃海DMS空間分布進行驗證(圖2).結果顯示,模型可以較好地反映出黃海DMS的空間分布特征:春季(4月)北黃海DMS高值區(qū)位于遼東半島東南部近海海域[26],南黃海高值區(qū)為南黃海中部[38],且西側近岸水域及長江口周圍水域為低值區(qū),最低為蘇北沿岸[24];夏季(7月)北黃海DMS在山東半島北部存在高值區(qū)[26],南黃海DMS分布大致為近岸高、遠海低[26,28];秋季(10月)黃海整體上DMS從近岸到外海呈現(xiàn)一個逐漸降低的趨勢[39];冬季(1月)整個黃海海域內(nèi)DMS差別較小.為了評估模型模擬的準確性,根據(jù)實測數(shù)據(jù)觀測的時間和位置選擇對應的模型數(shù)據(jù),求得兩者間的成本函數(shù)CF[25]為0.92,小于1,說明模型模擬DMS水平非常好;并量化比較了黃海年平均DMS,模型模擬黃海年平均DMS為(4.42±4.08)nmol/L,實測數(shù)據(jù)年均DMS為(4.14±3.65)nmol/L,從標準差可得,模型模擬DMS空間變化較為劇烈.

模型可以反映出黃海DMS夏季最高、冬季最低的季節(jié)分布特征(圖2).為了進一步對模型模擬DMS的季節(jié)變化進行驗證,選取模型結果與觀測數(shù)據(jù)位置、時間及深度相同的點,求取模型結果與觀測數(shù)據(jù)月平均值的相關系數(shù)、均方根誤差等統(tǒng)計量,進行模擬效果比較,結果表明:DMS相關系數(shù)為0.85,達到高度相關,因此模型可以很好地描述DMS的季節(jié)變化特征;從實測、模型模擬季節(jié)變化的標準差分別為1.88,2.85nmol/L可得,模型模擬DMS季節(jié)變化比較劇烈;模型與實測DMS均方根誤差1.57nmol/L.同樣的,將海表溫度、葉綠素的實測數(shù)據(jù)與模型模擬對比,求得相關系數(shù)分別為0.99,0.73,均表現(xiàn)為高度相關;觀測數(shù)據(jù)標準差分別為5.97℃、0.48μg/L,模型模擬結果標準差分別為5.83℃、1.06μg/L;均方根誤差分別為0.74℃、0.71μg/L.對上述統(tǒng)計量進行標準化處理并繪制泰勒圖(圖3),結果表明模型能夠很好地模擬黃海DMS及物理生態(tài)環(huán)境變量的季節(jié)變化.

圖3 模型驗證相關統(tǒng)計量的泰勒分布

總體來說,模型可以再現(xiàn)黃海DMS時空分布特征及物理生態(tài)環(huán)境變量的季節(jié)變化特征,可以用來探究RCP4.5情景下近未來黃海DMS時空分布變化及其影響因素.

2 結果與分析

2.1 RCP4.5情景下黃海CDMS季節(jié)分布及變化

如圖 4所示, 過去黃海DMS平均4.87nmol/L,北黃海平均4.94nmol/L,南黃海平均4.86nmol/L;季節(jié)變化表現(xiàn)為雙峰形態(tài),全年出現(xiàn)2次極高值(圖4a～c).RCP4.5情景下北黃海近未來DMS季節(jié)變化較南黃海更加明顯,兩海區(qū)除DMS年循環(huán)發(fā)生了變化外,與過去相比基本一致(圖4d).

圖4 過去與RCP4.5情景下近未來DMS的季節(jié)變化

Fig.4 Seasonal changes inDMSin the past and in the near future under the RCP4.5 scenario

a～c分別為北黃海、南黃海和黃海DMS過去和近未來各自的季節(jié)變化,d為DMS近未來相比于過去變化量的季節(jié)變化

在北黃海,RCP4.5情景下近未來DMS在3, 4, 9, 10, 11月DMS增大,其余月份均減小;4, 10月明顯增加,增量分別為1.30, 0.84nmol/L,4月增大最多;5～7月明顯降低,分別減小1.44, 1.65, 1.69nmol/L,其中7月減小最多(圖 4d);4, 10月份的增加及5月份的減少使得DMS極高值月份由過去5月份(9.70nmol/L)、9月份(5.78nmol/L)轉(zhuǎn)變?yōu)榻磥?月份(10.12nmol/L)、10月份(6.49nmol/L)(圖4).

在南黃海,RCP4.5情景下近未來DMS全年未來DMS均增大,其中5, 6, 8, 11月增加較為明顯,增量分別為0.67, 0.51, 0.74, 0.66nmol/L,8月增量最大(圖4d);8月的明顯增加使得DMS極高值月份由過去4月份(8.57nmol/L)、9月份(7.86nmol/L)轉(zhuǎn)變?yōu)榻磥?月份(8.63nmol/L)、8月份(8.18nmol/L)(圖4b).

2.2 RCP4.5情景下黃海CDMS空間分布及變化

由生態(tài)模型的模擬結果,給出了過去(圖2)與近未來(圖5)兩個氣候態(tài)下黃海DMS的水平分布特征及其變化(圖6).RCP4.5情景下,黃海DMS近未來空間分布格局與過去相似,在局部區(qū)域變化明顯,且不同月份的明顯變化區(qū)域不一致,主要表現(xiàn)為黃海局部DMS高值區(qū)強弱的變化.

圖5 RCP4.5情景下近未來黃海CDMS空間分布

在北黃海,近未來DMS與過去空間分布格局一致(圖2,圖5),即全年近岸高于外海, 12～3月整個黃海海域內(nèi)DMS差別較小,4～9月在山東半島北部海域存在DMS高值區(qū).北黃海近未來11～2月無DMS明顯變化區(qū)域,其他月份均不同程度的出現(xiàn)明顯變化區(qū).其中,5～7月及10月北黃海全海域有明顯變化,西朝鮮灣附近海域與北黃海其余海區(qū)變化不一致;8～9月在包含西朝鮮灣的50m等深線以淺的沿岸海域,DMS變化相對明顯;4月除西朝鮮灣均有明顯變化(圖6).因此,將北黃海劃分為A、B區(qū)(圖1),分別統(tǒng)計DMS(圖7):近未來DMS在A區(qū)平均減少0.41nmol/L,相對減少7.97%,4月明顯升高2.28nmol/ L,5～7月份明顯降低(1.81,2.76,2.95nmol/L);在B區(qū)平均增加0.15nmol/L,相對增加3.18%,10月明顯升高(1.85nmol/L).

圖6 CDMS變化量(近未來相比于過去)的空間分布

圖7 A到F區(qū)DMS過去、近未來、變化量(近未來相比于過去)的季節(jié)變化

Fig.7 Seasonal changes ofDMSin the past, the near future, and variation (the near future compared to the past) for A to F

圓圈所在線使用左軸,星號所在線使用右軸

在南黃海,近未來DMS與過去空間分布格局一致(圖2,圖5),即6～10月黃海沿岸高于黃海中部, 12～4月黃海中部高于黃海沿岸,12～次年4月在南黃海中部黃海冷水團海域, 6～8月南黃海東部、蘇北淺灘附近海域,9～11月南黃海東部存在DMS高值區(qū).近未來不同月份均有DMS明顯變化區(qū)域:11～12月及1～4月變化明顯區(qū)域集中于50m等深線以外的南黃海中部,DMS高值區(qū)范圍在近未來相比于過去有擴大且加強的跡象.5～10月則集中于50m等深線以內(nèi)的南黃海沿岸海域,西岸山東半島南部海域、蘇北淺灘未來變化均不一致,東岸海域整體變化較為一致(圖6).因此,將南黃海劃分為C、D、E、F區(qū)(圖1),分別對DMS進行統(tǒng)計(圖7):在C區(qū)平均增加0.02nmol/L,相對增加0.54%,4, 5月明顯升高(1.16, 1.06nmol/L),7月明顯降低(2.22nmol/L);在D區(qū)平均增加0.54nmol/L,相對增加12.69%,5, 6, 8月明顯升高(2.02,1.64,1.37nmol/L);在E區(qū)平均增加0.18nmol/L,相對增加3.34%,8月明顯升高(1.18nmol/L);在F區(qū)平均增加0.49nmol/L,相對增加7.18%,7, 10, 11月明顯升高(1.58,1.31,1.14nmol/L).

3 討論

3.1 黃海氣候因子的近未來變化

黃海風應力季節(jié)變化對風生環(huán)流以及物理、化學要素季節(jié)變化有顯著影響[40].近未來黃海風應力的季節(jié)變化會導致海表風生環(huán)流、水體水平與垂直輸運過程發(fā)生季節(jié)變化,進而影響到黃海營養(yǎng)鹽的輸運,以及黃海溫度[41],海水溫度以及受營養(yǎng)鹽影響的浮游植物生物量、群落進一步影響近未來黃海DMS的季節(jié)變化[27];風速可影響DMS的海氣交換過程,但是對DMS影響相對較小[42].

RCP4.5情景下,黃海近未來風應力在A、B、F區(qū)年內(nèi)絕大多數(shù)時段變化一致,多表現(xiàn)為減小,4月份在A、B區(qū)減幅較大,分別平均減小46.3%、44.9%;C、D、F區(qū)3～5月的風應力近未來變幅具有空間差異性,C區(qū)3、4月,D區(qū)3～5月,以及E區(qū)4月增幅較大,平均增幅為22%～41%;各海區(qū)在10月均增加,增幅介于15%～60%之間.近未來風速與風應力變化基本相似,風速變化僅在3～4月份顯著大于風應力,其中A區(qū)4月風速增幅可達到61%,C、D區(qū)3月份風速增幅均在40%以上.

圖8 A到F區(qū)熱通量、降水量、蒸發(fā)量、風應力、10m風速及云量各氣候因子的變化量(近未來相比于過去)

Fig.8 Variations (the near future vs. the past) in areas A to F: the net heat flux, precipitation, evaporation, windstress, windspeed, and total cloud cover

熱通量是大氣和海洋之間的熱交換,海氣熱交換對黃海月平均氣溫場季節(jié)變化有顯著影響[40],水溫可影響黃海表層DMS季節(jié)變化[27].降水、蒸發(fā)主要影響海水鹽度,鹽度對黃海DMS影響相對較小[25,27,43],同時降水又是黃海的營養(yǎng)鹽來源之一[44],營養(yǎng)鹽又可以通過影響浮游植物生物量及群落結構進而影響黃海表層DMS的季節(jié)變化[27].云量可改變海表光照條件,光照既可以通過影響黃海浮游植物季節(jié)變化和DMS光化學氧化過程[45],最終影響黃海DMS季節(jié)變化.

RCP4.5情景下,近未來黃海熱通量、蒸發(fā)量、降水量、云量月均變幅具有區(qū)域一致性(圖8).無論是黃海全部海域平均,還是各分區(qū)的平均,熱通量都在2月明顯增加40%以上,7、10月明顯減少,減幅為16%、22%.蒸發(fā)量近未來除去在6、7月平均增幅在26%以上,全年其余月份變化均較小.近未來各海區(qū)降水量在大部分時段均增加,夏季降水量的增幅在多數(shù)時段都超過年降水量的增幅,同時降水量在8月存在明顯升高,其中A、B區(qū)8月可平均增加160%以上.近未來云量除1、2月減少外,其余月份基本都表現(xiàn)為增加,其中3月升高最為明顯,各海區(qū)增幅在10%～15%之間.

3.2 氣候因子對CDMS變化的相對影響程度分析

結合圖4和圖7進一步分析可得:在北黃海,DMS年循環(huán)的變化來源于A區(qū)4月DMS明顯升高、5月DMS明顯降低,以及B區(qū)10月DMS明顯升高;南黃海則來源于D、E區(qū)8月DMS的明顯升高;空間分布變化表現(xiàn)為3.2節(jié)所述在個別月份黃海局部海區(qū)的明顯變化.由此可得,若要探究近未來黃海DMS的時空變化的主要氣候影響因子,需分別對A～F區(qū)DMS存在明顯變化的月份進行影響因素分析,即探究A到F區(qū)影響DMS季節(jié)變化的主要氣候因子.

通過主成分回歸分析(PCR)探究氣候因子對DMS近未來變化的相對影響程度.在進行PCR前,將DMS變化量(近未來-過去)與選取的熱通量、降水量、蒸發(fā)量、10m風速、風應力和云量6個氣候因子變化量分別進行了相關性分析,結果顯示,A～F各局部海區(qū)DMS與部分氣候因子之間呈現(xiàn)顯著的弱相關關系(0.1<||<0.3,<0.05)(圖9),可以采用回歸分析探究各氣候因子相對影響程度.為了避免回歸結果受氣候因子共線性影響而失真,對氣候因子兩兩進行相關性分析,結果顯示,各子海區(qū)部分氣候因子變化量間存在顯著的強相關關系;各子海區(qū)蒸發(fā)量與凈熱輻射通量、10m風速與風應力||>0.8,<0.01,降水量與云量在D、E、F區(qū)0.5<||< 0.6,< 0.01,部分變量也存在顯著的弱相關關系;從現(xiàn)實和理論層面均發(fā)現(xiàn)氣候因子之間存在多重共線性,回歸分析前應當先利用主成分分析(PCA)以消除自變量間的多重共線性.

圖9 各子海區(qū)CDMS與氣候因子相關性分析(Spearman相關系數(shù))

空心和實心的菱形分別代表通過了0.05、0.01置信度檢驗

由于海水鹽度、DMS海氣通量對DMS的影響相對較小[25,27,42-43],因此去除蒸發(fā)量、風速做PCR.熱通量、降水量、風應力、云量氣候因子變化量在標準化后KMO值均大于0.6,適合采用PCA消除共線性,分別以PCA得到的主成分為自變量,標準化的DMS變化量為因變量,在各局部海域分別做逐步回歸分析;對各海域的回歸方程及回歸系數(shù)分別進行檢驗及檢驗,顯著性概率均小于0.05,說明回歸效果較好,且各主成分對因變量的影響作用都很顯著.將主成分表達式代入回歸方程,轉(zhuǎn)換為一般線性回歸方程,擬合優(yōu)度2較小,直接模擬DMS尚缺乏準確性.但是以各氣候因子的標準回歸系數(shù)的絕對值為依據(jù),進而確定各氣候因子對DMS的相對影響程度[46],具有一定的可信度.

根據(jù)標準回歸系數(shù)(圖 10)可得各氣候因子標準回歸系數(shù)對標準回歸系數(shù)總和的貢獻率.其中A區(qū)熱通量,降水量,風應力,云量影響DMS變化的貢獻率為43%,19%,23%,15%;C區(qū)為50%,6%,30%, 14%(圖10),表明熱通量、風應力是影響近未來DMS在A區(qū)、C區(qū)DMS的相對重要影響因子.E區(qū)熱通量、降水量、風應力、云量對DMS變化的貢獻率分別為60%,1%,29%,10%; F區(qū)分別為51%,11%, 28%,10%(圖10),說明熱通量是影響E區(qū)8月份, F區(qū)7月份DMS明顯升高的相對重要因子.反映出未來氣候變化中熱通量、風應力可能在山東半島附近(A、C區(qū)),熱通量可能在南黃海中東部(E、F區(qū))海域影響較大,未來該黃海暖流區(qū)域內(nèi)溫度和流變化引起的浮游植物組成的變化有可能對黃海DMS產(chǎn)生強烈的影響.

熱通量、降水量、風應力、云量對B區(qū)DMS變化的貢獻率分別為5%,37%,15%,43%(圖10),對D區(qū)的貢獻率分別為31%,21%,30%,18%(圖10),可以看出,云量、降水量對B區(qū)DMS近未來10月份明顯升高具有較強的影響,熱通量、風應力、降水量、云量對D區(qū)DMS變化貢獻相當.說明西朝鮮灣(B區(qū))DMS的未來變化可能受到降水量、云量的影響更大,也反映出DMS在蘇北淺灘(D區(qū))的未來變化將是多氣候因子作用下的結果.

圖10 A到F區(qū)CDMS與各氣候因子回歸方程的標準回歸系數(shù)

p class="figure_note">灰度表示各氣候因子的影響程度

總體來說,RCP4.5情景下,黃海DMS時空分布對氣候變化的響應顯著,但是不同排放情景下DMS時空分布變化與RCP4.5的相似度如何,氣候?qū)S海DMS具體的影響機制,還有待研究.

4 結論

4.1 過去氣候態(tài)下,黃海DMS季節(jié)分布表現(xiàn)為雙峰形態(tài),全年出現(xiàn)兩次極高值,其中,北黃海出現(xiàn)在5、9月,南黃海出現(xiàn)在4、9月.過去北黃海空間分布表現(xiàn)為全年近岸高于外海, 12～次年3月整個黃海海域內(nèi)DMS差別較小,4～9月在山東半島北部海域為DMS高值區(qū);南黃海表現(xiàn)為6～10月黃海沿岸高于黃海中部,12～次年4月黃海中部高于黃海沿岸,12～次年4月在南黃海中部黃海冷水團海域、6～8月南黃海東部和蘇北淺灘附近海域、9～11月南黃海東部存在DMS高值區(qū).

4.2 RCP4.5情景下,黃海DMS時空分布對氣候變化的響應顯著.相比過去,近未來氣候變化影響了黃海DMS的年循環(huán):北黃海DMS春季峰值出現(xiàn)時間由5提前到4月,秋季由9月推遲到10月,南黃海秋季DMS峰值出現(xiàn)時間9月轉(zhuǎn)變?yōu)?月;DMS高值區(qū)的強弱也發(fā)生變化:在4月山東半島附近,5月南黃海西側,6、8月蘇北淺灘和8、11月南黃海中部,10月西朝鮮灣附近和南黃海東部,DMS高值區(qū)相比于過去加強;在5、6月山東半島北部、7月山東半島附近海域DMS高值區(qū)相比于過去有所減弱.

4.3 近未來DMS的年循環(huán)變化是由局部海區(qū)季節(jié)變化帶來的:北黃海來源于山東半島北部4月DMS明顯升高、5月DMS明顯降低,以及西朝鮮灣附近海域10月DMS明顯升高;南黃海近未來DMS的季節(jié)特征變化則來源于蘇北淺灘、南黃海中部8月DMS的明顯升高.主成分回歸分析可得,近未來DMS季節(jié)變化的主導因子在不同地區(qū)存在差異,熱通量、風應力對近未來山東半島附近海域DMS季節(jié)變化的影響占優(yōu),熱通量在南黃海中東部海域DMS季節(jié)變化起到主要作用,云量、降水量則為西朝鮮灣附近海域DMS季節(jié)變化相對重要的氣候影響因子,蘇北淺灘DMS季節(jié)變化受到各氣候因子共同影響.

[1] Zhang X H, Liu J, Liu J, et al. Biogenic production of DMSP and its degradation to DMS-their roles in the global sulfur cycle [J]. Science China Life Sciences, 2019,62(10):1296-1319.

[2] Andreae M O. Ocean-atmosphere interactions in the global biogeochemical sulfur cycle [J]. Marine Chemistry, 1990,30:1-29.

[3] Ayers G P, Ivey J P, Gillett R W. Coherence between seasonal cycles of dimethyl sulphide, methanesulphonate and sulphate in marine air [J]. Nature, 1991,349(6308):404-406.

[4] Choi Y N, Song S K, Lee S H, et al. Estimation of marine dimethyl sulfide emissions from East Asian seas and their impact on natural direct radiative forcing [J]. Atmospheric Environment, 2020,222(C): 117165.

[5] Charlson R J, Lovelock J E, Andreae M O, et al. Oceanic phytoplankton,atmospheric sulphur,cloud albedo and climate [J]. Nature, 1987,326(6114):655-661.

[6] IPCC. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [R]. Climate Change 2014: Synthesis Report, 2014.

[7] Assan D, Kuebutornye F K A, Mustapha U F, et al. Effects of climate change on marine organisms [J]. American Journal of Climate Change, 2020,9(3):204-216.

[8] 李云哲,唐傲寒,劉學軍.大氣環(huán)境中二甲基硫的研究進展[J]. 中國農(nóng)業(yè)大學學報, 2021,26(10):164-174.

Li Y Z, Tang A H, Liu X J. Research progress on dimethyl sulfur in atmospheric environment [J]. Journal of China Agricultural University, 2021,26(10):164-174.

[9] Land P E, Shutler J D, Bell T G, et al. Exploiting satellite earth observation to quantify current global oceanic DMS flux and its future climate sensitivity [J]. Journal of Geophysical Research-Oceans, 2014, 119(11):7725-7740.

[10] Wang W L, Song G, Primeau F, et al. Global ocean dimethyl sulfide climatology estimated from observations and an artificial neural network [J]. Biogeosciences, 2020,17(21):5335-5354.

[11] Grandey B S, Wang C. Enhanced marine sulphur emissions offset global warming and impact rainfall [J]. Scientific Reports, 2015,5(1): 13055.

[12] Wang S, Maltrud M E, Burrows S M, et al. Impacts of shifts in phytoplankton community on clouds and climate via the sulfur cycle [J]. Global Biogeochemical Cycles, 2018,32(6):1005-1026.

[13] Six K D, Kloster S, Ilyina T, et al. Global warming amplified by reduced sulphur fluxes as a result of ocean acidification [J]. Nature Climate Change, 2013,3(11):975-978.

[14] Qu B, Gabric A J, Jackson R. Contemporary variability in dimethylsulfide flux in the Barents Sea and simulated change under 4×CO2climate conditions [J]. Journal of Marine Systems, 2021,220: 103573.

[15] Qu B, Gabric A J, Zeng M, et al. Dimethylsulfide model calibration and parametric sensitivity analysis for the Greenland Sea [J]. Polar Science, 2017,13:13-22.

[16] Gabric A J, Qu B, Matrai P, et al. The simulated response of dimethylsulfide production in the Arctic Ocean to global warming [J]. Tellus B: Chemical and Physical Meteorology, 2005,57(5):391-403.

[17] Qu B, Gabric A J, Jiang L, et al. Comparison between early and late 21stC phytoplankton biomass and dimethylsulfide flux in the subantarctic southern ocean [J]. Journal of Ocean University of China, 2020,19(1):151-160.

[18] Gypens N, Borges A V. Increase in dimethylsulfide (DMS) emissions due to eutrophication of coastal waters offsets their reduction due to ocean acidification [J]. Frontiers in Marine Science, 2014,1(4):1-6.

[19] Tortell P D, Merzouk A, Ianson D, et al. Influence of regional climate forcing on surface waterCO2, ΔO2/Ar and dimethylsulfide (DMS) along the southern British Columbia coast [J]. Continental Shelf Research, 2012,47:119-132.

[20] 蔡榕碩,譚紅建,郭海峽.中國沿海地區(qū)對全球變化的響應及風險研究 [J]. 應用海洋學學報, 2019,38(4):514-527.

Cai R S, Tan H J, Guo H X. Responses and compound risks of the coastal China areas to global change [J]. Journal of Applied Oceanography, 2019,38(4):514-527.

[21] 唐森銘,蔡榕碩,郭海峽,等.中國近海區(qū)域浮游植物生態(tài)對氣候變化的響應 [J]. 應用海洋學學報, 2017,36(4):455-65.

Tang S M, Cai R S, Guo H X, et al. Response of phytoplankton in offshore China seas to climate change [J]. Journal of Applied Oceanography, 2017,36(4):455-65.

[22] Wei H, Zhang H, Yang W, et al. The changing Bohai and Yellow Seas: A physical view [J]. Changing Asia-Pacific Marginal Seas, 2020:105-120. DOI: 10.1007/978-981-15-4886-4_7.

[23] Lana A, Bell T G, Simó R, et al. An updated climatology of surface dimethlysulfide concentrations and emission fluxes in the global ocean [J]. Global Biogeochemical Cycles, 2011,25(1):3-25.

[24] 楊 劍.中國東部陸架海生源硫的分布、通量及其對氣溶膠中非海鹽硫酸鹽的貢獻[D]. 青島:中國海洋大學, 2014.

Yang J. Distribution and sea-to-air flux of biogenic sulfur from the eastern China continental seas and its contribution to the non-sea-salt sulfate in aerosol [D]. QingDao: Ocean University of China, 2014.

[25] 沈家葳,趙 亮,王思佳,等.黃、東海二甲基硫與環(huán)境因子的多元分析及建模 [J]. 中國環(huán)境科學, 2019,39(6):2514-2522.

Shen J W, Zhao L, Wang S J, et al. Multivariate analysis between dimethylsulfide and environmental factors and modeling in the Yellow Sea and the East China Sea [J]. China Environmental Science, 2019,39(6):2514-2522.

[26] Mao S H, Zhuang G C, Liu X W, et al. Seasonality of dimethylated sulfur compounds cycling in north China marginal seas [J]. Marine Pollution Bulletin, 2021,170:112635.

[27] Shen J W, Zhao L, Zhang H H, et al. Controlling factors of annual cycle of dimethylsulfide in the Yellow and East China seas [J]. Marine Pollution Bulletin, 2021,169:112517.

[28] Yang G P, Song Y Z, Zhang H H, et al. Seasonal variation and biogeochemical cycling of dimethylsulfide (DMS) and dimethylsulfoniopropionate (DMSP) in the Yellow Sea and Bohai Sea [J]. Journal of Geophysical Research: Oceans, 2014,119(12):8897- 8915.

[29] 張升輝.中國東部陸架海DMS和DMSP的時空分布及DMSP的降解機理研究[D]. 青島:中國海洋大學, 2015.

Zhang S H. Studies on tempo-spatial distribution of DMS and DMSP in the eastern marginal seas of China and molecular insight into bacterial cleavage of DMSP [D]. QingDao: Ocean University of China, 2015.

[30] 趙 亮,沈家葳,蔣 昊.海洋二甲基硫生態(tài)模型研究綜述 [J]. 中國海洋大學學報(自然科學版), 2018,48(11):1-10.

Zhao L, Shen J W, Jiang H. Ecosystem model of dimethylsulfide in the Ocean: A review [J]. Periodical of Ocean University of China, 2018,48(11):1-10.

[31] 譚丹丹,張洪海,翟 星,等.冬季黃渤海DMS、DMSP和CH4的分布及影響因素 [J]. 中國環(huán)境科學, 2019,39(5):2143-2153.

Tan D D, Zhang H H, Zhai X, et al. Distributions of dimethylsulfide, dimethylsulfoniopropionate, methane and influencing factors in the Yellow Sea and Bohai Sea during winter [J]. China Environmental Science, 2019,39(5):2143-2153.

[32] Giorgi F, Gutowski W J. Regional dynamical downscaling and the CORDEX initiative [J]. Annual Review of Environment and Resources, 2015,40(1):467-490.

[33] Zhao L, Guo X. Influence of cross-shelf water transport on nutrients and phytoplankton in the East China Sea: A model study [J]. Ocean Science, 2011,7(1):27-43.

[34] Li D, Feng J, Yin B, et al. Statistical bias correction for simulated wind speeds over CORDEX-East Asia [J]. Earth and Space Science, 2019, 6(2):200-211.

[35] Li D, Feng J, Dosio A, et al. Historical evaluation and future projections of 100m wind energy potentials over CORDEX‐East Asia [J]. Journal of Geophysical Research: Atmospheres, 2020,125 (15):338-363.

[36] Li D, Yin B, Feng J, et al. Present climate evaluation and added value analysis of dynamically downscaled simulations of CORDEX-East Asia [J]. Journal of Applied Meteorology and Climatology, 2018,57 (10):2317-2341.

[37] Li D. Added value of high‐resolution regional climate model: selected cases over the Bohai Sea and the Yellow Sea areas [J]. International Journal of Climatology, 2017,37(1):169-179.

[38] Zhang H H, Yang G P, Zhu T. Distribution and cycling of dimethylsulfide (DMS) and dimethylsulfoniopropionate (DMSP) in the sea-surface microlayer of the Yellow Sea, China, in spring [J]. Continental Shelf Research, 2008,28(17):2417-2427.

[39] 宋以柱.中國黃海、渤海DMS和DMSP的濃度分布及影響因素研究[D]. 青島:中國海洋大學, 2014.

Song Y Z. Studies on the distribution of DMS and DMSP and influencing factors in the Yellow Sea and Bohai Sea, China [D]. QingDao: Ocean University of China, 2014.

[40] 石 強.黃海月平均風、氣壓、氣溫場季節(jié)與年際變化時空模態(tài)[J]. 應用海洋學學報, 2017,36(4):487-499.

Shi Q. Spatio-temporal mode on the seasonal and interannual variability of mean monthly wind,pressure,air temperature field in the Yellow Sea [J]. Journal of Applied Oceanography, 2017,36(4):487- 499.

[41] 蔡榕碩,陳際龍,黃榮輝.我國近海和鄰近海的海洋環(huán)境對最近全球氣候變化的響應[J]. 大氣科學, 2006,30(5):1019-1033.

Cai R S, Chen J L, Huang R H. The response of marine environment in the offshore area of China and its adjacent ocean to recent global climate change [J]. Chinese Journal of Atmospheric Sciences, 2006, 30(5):1019-1033.

[42] Simó R. From cells to globe: approaching the dynamics of DMS(P) in the ocean at multiple scales [J]. Canadian Journal of Fisheries and Aquatic Sciences, 2004,61:673-684.

[43] Li C X, Yang G P, Wang B D. Biological production and spatial variation of dimethylated sulfur compounds and their relation with plankton in the North Yellow Sea [J]. Continental Shelf Research, 2015,102:19-32.

[44] Zhang J, Chen S Z, Yu Z G, et al. Factors influencing changes in rainwater composition from urban versus remote regions of the Yellow Sea [J]. Journal of Geophysical Research: Atmospheres, 1999,104(D1): 1631-1644.

[45] 靳 娜,劉欣偉,宋雨辰,等.不同波段下黃海中二甲基硫光氧化動力學研究[J]. 中國環(huán)境科學, 2016,36(1):167-174.

Jin N, Liu X W, Song Y C, et al. Photochemical kinetics of seawater dimethylsulfide in the Yellow Sea under different wavelengths [J]. China Environmental Science, 2016,36(1):167-174.

[46] 俞秀霞,孫 琳,陳長平.廈門港葉綠素的時空分布及其與水環(huán)境因子關系的多元分析 [J]. 海洋科學, 2021,45(6):49-62.

Yu X X, Sun L, Chen C P. Chlorophyll content in Xiamen Bay— spatiotemporal distribution and relationship with water environmental factors [J]. Marine Sciences, 2021,45(6):49-62.

Simulations of DMS concentration changes in the Yellow Sea under the future RCP4.5 scenario.

LI Fei1, ZHAO Liang1*, SHEN Jia-wei2, YAO Jie1, WANG Sheng1

(1.School of Ocean and Environment, Tianjin University of Science and Technology, Tianjin 300457, China；2.School of Marine Science and Technology, Tianjin University, Tianjin 300072, China)., 2022,42(9)：4304～4314

In order to investigate the past and near future tempo-spatial distributions of surface DMS concentrations (DMS), characteristics of change, and their influencing factors in the Yellow Sea, theDMSin the Yellow Sea were simulated using a DMS module coupled to an ecological dynamics model of the eastern shelf seas of China. The past climate state dataset (2000～2009) and the near-future climate state dataset (2041～2050) under the RCP4.5 scenario for CORDEX-EA were used to drive the model. The results show that the annual cycle ofDMSin the Yellow Sea will change in the near future, with the months of very highDMSshifting from May and September to April and October in the North Yellow Sea, and from April and September to April and August in the South Yellow Sea. Additionally, the local highDMSareas will alter. TheDMShigh value area is strengthened in the following areas: near the Shandong Peninsula in spring; the shallow shore in northern Jiangsu Province; the east-central South Yellow Sea in summer; and the east of the South Yellow Sea in autumn. In the summer, however, theDMShigh value area weakened near the Shandong Peninsula. The near future heat flux and wind stress have a strong influence onDMSin the Shandong Peninsula and the central-eastern part of the South Yellow Sea; precipitation and total cloud cover have a strong influence onDMSin the West Korea Bay;andDMSin the shallows of northern Jiangsu Province are affected by all climate factors.

surface DMS concentrations；RCP4.5 scenario；the Yellow Sea；CORDEX-EA；ecological model；spatial distribution

X171

A

1000-6923(2022)09-4304-11

2022-02-24

國家自然科學基金資助項目(41876018);國家重點研發(fā)計劃(2016YFA0601301)

*責任作者, 教授, zhaoliang@tust.edu.cn

李 菲(1997-),女,山西忻州人,天津科技大學碩士研究生,研究方向為海洋生態(tài)系統(tǒng)動力學.發(fā)表論文1篇.