基于卫星遥感算法的北太平洋新生产力时空格局研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41906159
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    陈双玲
  • 依托单位：
    自然资源部第二海洋研究所
  • 学科分类：
    D0607.海洋遥感
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

Oceanic new production refers to the primary production of phytoplankton with nitrate as a major nitrogen source for their growths, which is mostly from the vertical transport of deep water into the euphotic zone. New production is truly critical to the ability of oceans to absorb and eventually bury the atmosphere CO2 onto the seafloor. North Pacifc is the worlds’ major carbon sink, thus it is quite important and significant to understand the spatial and temporal distribution patterns of new production in this region. This project will use machine learning to develop an improved satellite remote sensing model of sea surface nitrate concentration based on previous studies, more accurately calculate the monthly and annual new production of the North Pacific for the last 20 years, and analyze its seasonal and interannual variations, as well as spatial characteristics, not only to examine its temporal and spatial evolutions, but also to briefly investigate the effects of global warming on it. The project will help to promote the research levels of carbon cycle, particularly improve our understanding of the temporal and spatial variation patterns of new production in the North Pacific and the driving mechanisms of global warming on it.
海洋新生产力是指以硝酸盐为主氮源的浮游植物初级生产力，该氮源主要来自深层海水向真光层的垂直输送。海洋新生产力真正决定海洋吸收并最终埋藏大气CO2的能力，因而至关重要。北太平洋作为全球主要的碳汇区，厘清其新生产力水平的时空格局显然具有重要的科学意义。本项目将利用机器学习，在前人研究基础上完善海表硝酸盐浓度卫星反演模型，更准确地计算北太平洋近20年每月和每年的新生产力，分析其季节和年际变化、及空间分布特征，刻画其时空演变规律，初步探究全球变暖对新生产力的影响。项目成果将有助于提升碳循环研究水准，尤其加深认识北太平洋新生产力的时空格局，及全球变暖对其的作用机理。

结项摘要

海洋新生产力是指以硝酸盐为主氮源的浮游植物初级生产力，该氮源主要来自深层海水向真光层的垂直输送。海洋新生产力真正决定海洋吸收并最终埋藏大气CO2的能力，是评估海洋有效碳输出的重要指标。北太平洋是全球重要的碳汇区，目前我们对其新生产力时空格局的认识还存在较大不足。本项目通过现场观测与卫星遥感相结合等手段，重点在以下几个方面开展了相关研究：1）厘清了西北太平洋浮游植物生物量的年际变化特征和主导因素；2）评估了西北太平洋海洋潜沉事件导致的溶解氧垂向输送及对碳输运的潜在影响；3）分析了西北太平洋海表pCO2的年际变化趋势及与海表温度、叶绿素浓度等环境变量的关系；4）构建了高精度的海表硝酸盐浓度遥感反演算法。. 以上研究共计发表SCI论文6篇（3篇为项目第一标注，3篇第二标注）。另外2篇文章已完成撰写和投稿工作，分别已投稿至SCI期刊《Science of the Total Environment》和《Journal of Geophysical Research: Oceans》。. 项目所产生的关键核心数据包括：1）2002-2022年间，西北太平洋海表硝酸盐浓度每天的MODIS卫星遥感影像；2）浮游植物生物量时空分布数据；3）硝酸盐季节性消耗数据库；4）BGC-Argo硝酸盐剖面数据，5）新生产力时空分布数据。. 本项目所做出的科研成果预计将会在海洋碳汇和碳输出相关研究中发挥积极的作用。

项目成果

期刊论文数量（6）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Remote Sensing of the Seasonal and Interannual Variability of Surface Chlorophyll-a Concentration in the Northwest Pacific over the Past 23 Years (1997–2020)
近23年西北太平洋表层叶绿素a浓度季节和年际变化的遥感研究（1997-2020）
  • DOI：
    10.3390/rs14215611
  • 发表时间：
    2022
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    Shuangling Chen;Yu Meng;Sheng Lin;Jingyuan Xi
  • 通讯作者：
    Jingyuan Xi
Phytoplankton Blooms Expanding Further Than Previously Thought in the Ross Sea: A Remote Sensing Perspective
罗斯海浮游植物繁殖范围比之前想象的还要大：遥感视角
  • DOI：
    10.3390/rs14143263
  • 发表时间：
    2022
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    Shuangling Chen;Yu Meng
  • 通讯作者：
    Yu Meng
Remote Estimation of Sea Surface Nitrate in the California Current System From Satellite Ocean Color Measurements
通过卫星海洋颜色测量远程估算加州海流系统中的海面硝酸盐
  • DOI：
    10.1109/tgrs.2021.3095099
  • 发表时间：
    2021-07
  • 期刊：
    IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING
  • 影响因子：
    8.2
  • 作者：
    Yu Xiaolei;Chen Shuangling;Chai Fei
  • 通讯作者：
    Chai Fei
Quantifying the Atmospheric CO2 Forcing Effect on Surface Ocean pCO2 in the North Pacific Subtropical Gyre in the Past Two Decades
量化过去二十年大气 CO2 强迫对北太平洋副热带环流表层海洋 pCO2 的影响
  • DOI：
    10.3389/fmars.2021.636881
  • 发表时间：
    2021-03
  • 期刊：
    Frontiers in Marine Science
  • 影响因子：
    3.7
  • 作者：
    Shuangling Chen;Adrienne J. Sutton;Chuanmin Hu;Fei Chai
  • 通讯作者：
    Fei Chai
Episodic subduction patches in the western North Pacific identified from BGC-Argo float data
根据 BGC-Argo 浮标数据确定北太平洋西部的幕式俯冲斑块
  • DOI：
    10.5194/bg-18-5539-2021
  • 发表时间：
    2021
  • 期刊：
    BIOGEOSCIENCES
  • 影响因子：
    4.9
  • 作者：
    Chen Shuangling;Wells Mark L.;Huang Rui Xin;Xue Huijie;Xi Jingyuan;Chai Fei
  • 通讯作者：
    Chai Fei

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

川东檀木场构造向斜区茅口组油气成藏演化及成藏控制因素
  • DOI：
    10.3969/j.issn.1671-9727.2020.03.07
  • 发表时间：
    2020
  • 期刊：
    成都理工大学学报. 自然科学版
  • 影响因子：
    --
  • 作者：
    陈双玲;袁海锋;陈聪;朱联强;杨雨然;张亚;张晓丽;张玺华;谢忱
  • 通讯作者：
    谢忱

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

陈双玲的其他基金

近20年赤道太平洋海气碳通量时空演变机理遥感研究
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    55 万元
  • 项目类别：
    面上项目
近20年赤道太平洋海气碳通量时空演变机理遥感研究
  • 批准号：
    42276184
  • 批准年份：
    2022
  • 资助金额：
    55.00 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码