山东大学物理海洋团队揭示全球大海洋生态系统持续性锋面分布及其长期变化！

图1全球大海洋生态系统持续性锋面分布

近日，山东大学海洋研究院物理海洋团队在《Nature Communications》发表了题为 “Global mapping and evolution of persistent fronts in Large Marine Ecosystems over the past 40 years” 的研究论文。该研究基于物理海洋团队近期新开发的锋面识别算法对全球大海洋生态系统周边海域的持续性（准静止）锋面进行了详细、逐一的普查，首次客观绘制了全球大海洋生态系统持续性锋面的精细图谱；进一步发现在边界流、上升流系统及北极水域，持续性锋面的发生频率和强度正在快速增强，而最先进的涡分辨率CMIP6气候模式和再分析数据集并没有再现这一信号。

海洋锋面是一种备受重视的海洋动力过程，定义为相对于周围水体来说具有狭窄、高梯度的区域。锋面能够对局部海洋动力和海气相互作用产生显著影响，并且是将热量、碳、氧和其他与气候变化相关的重要气体输运到深海的通道。锋面引起的辐聚效应会聚集浮游植物和浮游动物，最终形成生物多样性热点，并吸引鱼群和人类捕捞活动聚集。锋面在海气相互作用、海洋生态、渔业、军事、生物地球化学和污染物分布等方面均扮演着重要角色。近几十年来，全球气候变化正在改变全球海洋环流和动力过程，但人们对海洋锋面在全球变暖背景下发生了怎样的变化尚未知晓。识别海洋锋面及其在气候变化背景下的演变规律，对于理解和预测气候、海洋循环和生态系统具有重要意义。

本团队先前研究在直方图锋面识别算法的基础上，设计了一套基于数学形态学算子结合反距离加权的算法，很好地解决了先前算法在识别近海锋面、锋面连续性、重复识别等方面的局限性 (Xing et al., 2023)。该研究基于以上算法和1982-2021年逐日的高分辨率全球SST遥感数据提出了一套持续性锋面的识别框架，并对全球大海洋生态系统的持续性锋面进行了逐一普查和命名，并首次客观绘制了全球持续性锋面的精细化分布图谱（图1）。该数据可在公共网站https://doi.org/10.5281/zenodo.10968361下载。

研究进一步发现全球持续性锋面发生频率和强度总体上呈现出显著增长的趋势。位于边界流和上升流系统周围及北极地区的持续性锋面表现出快速的增强，分别达到每十年增加3~4%、6~7%以及超过10%的趋势，而热带地区则保持稳定或略有减少（图2）。持续性锋面的显著增强与全球变化背景下边界流和上升流的加强以及北极海冰的融化密切相关。研究进一步利用多个涡分辨率CMIP6气候模式和再分析数据集进行同样的识别研究，但却发现这些模型，即使是包含卫星数据同化，并没有模拟出这种卫星观测的持续性锋面增强的信号（图3）。该研究意味着锋面提供的生态系统服务，如渔业、生物多样性和碳汇等，可能会重新分配，为理解锋面动力过程及其生物-物理相互作用提供了重要的基础信息，并为完善高分辨率地球系统模式提供了实用的基线。

该成果由山东大学海洋研究院物理海洋团队完成。该团队长期致力于物理海洋学、海洋生态动力学、业务化海洋学及人工智能海洋学等方面的研究，注重多学科交叉、研究方法和理论的创新。本文第一作者为博士研究生邢勤旺，通讯作者为于海庆副研究员。该研究得到了山东省及国家自然科学基金、自然资源部海洋环境信息保障技术重点实验室开放基金等项目的资助。

图2 全球大海洋生态系统持续性锋面的长期变化

图3 卫星观测的锋面长期变化与涡分辨率气候模式及再分析数据对比

相关研究及链接：

[1] Xing, Q., Yu, H. & Wang, H. (2024). Global mapping and evolution of persistent fronts in Large Marine Ecosystems over the past 40 years. Nat Commun 15, 4090. https://doi.org/10.1038/s41467-024-48566-w

[2] Xing, Q., Yu, H., Wang, H., & Ito, S. I. (2023). An improved algorithm for detecting mesoscale ocean fronts from satellite observations: Detailed mapping of persistent fronts around the China Seas and their long-term trends. Remote Sensing of Environment, 294, 113627. https://doi.org/10.1016/j.rse.2023.113627

[3] Xing, Q., Yu, H., Wang, H., & Yu, H. (2023). A sliding-window-threshold algorithm for identifying global mesoscale ocean fronts from satellite observations. Progress in Oceanography, 216, 103072. https://doi.org/10.1016/j.pocean.2023.103072

• 信息来源：山东大学。
  转载请注明信息来源及海洋知圈编排。