海洋晝夜碳通量激光遙感研究

LiDAR-based monitoring of diurnal-nocturnal oceanic carbon flux

CHEN Peng1，2.3，LI Yunzhou1，3，4，ZHANG Siqi2，3* ，ZHANG Zhenhua2，PAN Delu2，3

1.InstituteofOceangaphicstrumentationQiluUnversityofTechnologyhadongAcadeyofSiences）ingdaoin; 2.Second Institute of Oceanography，Ministryof Natural Resources，Hangzhou 310ol2，China;3.Academician Workstationof Shandong Province，Shandong Academyof Sciences，Jinan 250l4，China;4.LaoshanLaboratory，Qingdao 266237，China）

Abstract：Oceaniccarbon fluxconstitutesa critical component of the global carboncycleand fundamentalyinforms climate change modeling and prediction.The advent oflight detectionand ranging（LiDAR）remote sensing has gradualy revolutionizedoceaniccarbonfluxmeasurementsbyproviding highspatiotemporal resolutions，precision，andreal-time monitoringcapabies.Thisreviewevaluates recent advances in LiDAR-based monitoringof diurnal-nocturnal oceanic carbon flux dynamics.We examine the fundamental principles，methodological approaches，and technical challenges associated withLiDARapplications in carbon fluxquantficationacross theair-sea interface.Aditionally，weidentify knowledge gapsand propose futureresearch directions toenhance theeficacyof LiDARtechnology incharacterizing temporal variability in oceanic carbon sequestration.

Key words ： oceanic carbon flux; LiDAR-based remote sensing；diurnal-nocturnal monitoring；carbon cycle; CO₂ flux

海洋在全球碳循環和氣候中扮演著至關重要的角色。每年由于化石燃料和土地利用變化等原因，人類向大氣中排放大量人為二氧化碳（ CO₂ ），其中約 25% 由海洋吸收。此外，海洋將成為大多數人為排放 CO₂ 的主要儲存庫，在1000 年的時間尺度上吸收超過一半的累計排放量，在10000年或更長時間尺度上吸收 60% 到 85% 。響應大氣 CO₂ 的增加，海洋碳匯發生持續增長，其主要過程涉及不同時間尺度上的多種機制：大氣CO₂ 在海表的溶解、海水碳酸鹽體系的緩沖作用，以及通過海洋環流將其輸送到中深層海洋。此外，海洋碳庫對氣候變異性和氣候變化也十分敏感[1]，這些影響因素影響著海洋碳匯的吸收能力，并可能改變海洋碳的年代記變化率和長期儲存效果。準確估算海洋碳匯的趨勢和變異性，有助于更好地理解海洋碳循環如何響應各種驅動變化的因素，并預測其演變趨勢及長期儲碳能力。此外，對海洋碳匯及其變異性的準確評估還能為全球碳預算中的其他部分的估算提供獨立的約束，特別是有助于提高對于陸地生物圈二氧化碳匯的趨勢和變異性的認知。

海洋碳通量是全球碳循環中的重要組成部分，準確監測海洋碳通量對于氣候變化的研究具有重要意義。海洋通過吸收大氣中的 CO₂ ，在緩解氣候變化中發揮著至關重要的作用。在過去的二十年里，我們在提高對海洋碳匯及其趨勢和變異性的定量評估方面取得了顯著進展。聯合國政府間氣候變化專門委員會（Intergovermmental Panel on Climate Change，IPCC）第四次評估報告評估了基于1990 年代觀測數據的平均海洋碳匯為 （2.2±0.4）Gt 年。海洋碳匯的首次估算基于海洋一般環流模型，隨后根據 O₂/N₂ 觀測和更廣泛的地球化學數進行了推算。隨后，全球海洋生物地球化學模型的發展提供了海洋碳匯在氣候變化和大氣 CO₂ 濃度長期增加響應下的變異性首次估算。這些模型模擬了調節海洋碳循環（包括自然和人為因素）的過程，并響應氣候、天氣和大氣 CO₂ 水平的變化。基于這些過程模型的結果表明，海洋碳匯對氣候變化和變異性非常敏感，但這種變異性遠小于由大氣 CO₂ 上升引發的趨勢[2-3]。全球海洋通過吸收大氣中的 CO₂ ，在緩解氣候變化中發揮著至關重要的作用。然而，我們對海洋碳循環的理解仍然存在空白，海水 CO₂ 分壓（ σ_pC02 是估算全球海-氣碳匯的重要參數。全面的全球海面 p_CO2 測量數據缺乏阻礙了對于準確預測海洋 CO₂ 吸收、精確模擬氣候變化影響以及為政策制定政策提供有效信息的進程。傳統水色遙感受限于陽光輻射，只能在白天工作，導致夜間遙感數據缺失。在一個晝夜周期中，光能在極端黑暗和豐富之間變化，導致浮游植物采光能力和光合速率過程的日波動，最終導致碳輸出、溶解有機質組成、養分循環和生態系統功能的變化[4。盡管海洋生態系統變量的平均狀態和季節變化已經可以被很好的表征，但對其晝夜變化的評估仍處于起步階段[5-6]。

理解海洋碳酸鹽體系的變化和進程需要對海-氣 CO₂ 吸收/排放的整個變化周期有一個透徹的理解[7]自1850年以來，隨著人為排放量的指數級增長，海洋對 CO₂ 的吸收也隨之增加，導致海洋碳匯在2020 年達到了 （3.0±0.4）GV 年[8]。然而，碳預算的不平衡，即估計的總排放量與估計的大氣、海洋和陸地生物圈變化之間的差異，依然十分顯著大約是 0.1～0.3Gt/ 年[8-10]。海洋表面 CO₂ 濃度的長期變化是海-氣界面 CO₂ 交換的關鍵[\"]。因此，海面 CO₂ 濃度觀測在全球海-氣碳循環估算中扮演著關鍵角色。遺憾的是，由于全面的全球海面 CO₂ 濃度觀測數據的稀缺，觀測數據仍然十分有限。目前的全球累計觀測數據已展現出顯著的長時序趨勢，然而依舊掩蓋了顯著的年代際趨勢和區域波動[12]，，進行嚴格定量研究以精確追蹤地球碳預算演變是全球碳循環研究必要選擇[13]。得益于全球海洋生物地球化學遙感數據的日益豐富和遙感反演方法的不斷進步，長期海面 CO₂ 濃度的估計正在不斷提高精度，然而，由于輸入遙感數據的問題，在兩極地區仍存在較大的誤差[14]。

激光遙感作為一種新型的主動遙感手段，近年來在海洋觀測領域得到了快速發展。盡管現有激光衛星都是為大氣及陸地所設計的，但由于其高時空分辨率和不受太陽輻射限制的特點，其在海洋環境監測、海洋生態系統研究、海洋碳通量監測等方面同樣具有重要應用價值，應用范圍從僅能地形觀測向海洋環境參數反演不斷發展。本文將綜述激光遙感觀測晝夜海洋碳循環的發展歷程、現狀以及未來的發展趨勢。

全球海洋晝夜碳循環研究現狀

晝夜節律變化是地球氣候最常見且高頻的周期變化，這一變化引起了海表面溫度等一系列海洋生物要素的周期性變化，其中由于沿海地區更容易受到強風、水體環境變化等影響，最大的晝夜差異往往發生于此[1]。盡管現有對海表面 CO₂ 濃度的平均狀態和季節變化已有初步認知，但對晝夜變化的評估仍處于起步階段[5-6]。先前的基于觀測的研究已經探索了表層海洋 CO₂ 濃度的日變化，并報告了開放海洋中日振幅達到（187±85）μatm（10^-6 標準大氣壓， 1atm=101 325Pa） 的極端情況，在開放海洋的薩格索海中為 5～25μatm^[15] 在熱帶地區為8和 15μatm ，在亞熱帶地區小于 5μatm^[16] 。在接近海底生態系統（如珊瑚礁[6，17-18]、海帶森林[19]和海草[20]）的地區，記錄了更高的 CO₂ 濃度日振幅（ 100～500μatm， ），特別是在淺水區域，底棲生物量的比例增加[21-22]。海水 CO₂ 濃度晝夜變化為碳循環的動態過程提供了基本見解[23]。海水 CO₂ 濃度晝夜變化還影響海洋生物生產力，進而可能影響整個海洋食物網[24]。然而，實測數據受到區域限制，區域性的研究結果難以向全球推廣，嚴重限制了人們對于全球海洋碳通量晝夜變化的認知。此外，海洋溫度和循環的變化可以改變 CO₂ 的吸收和釋放過程，可能導致正反饋或負反饋循環，分別放大或減輕氣候變化[25-26]。總之，對海洋過程的理解有助于制定有效的環境政策和保護措施。為政策制定者和研究人員提供了寶貴的數據，從而進行可持續的海洋管理，減輕氣候變化的影響。然而，目前關于全球海洋表面 CO₂ 濃度和海-氣 CO₂ 通量研究稀少。此外，傳統的被動遙感數據未能提供夜間信息，這增加了解決這一關鍵知識空白的挑戰難度。

海洋遙感衛星能夠覆蓋全球海洋區域，包括偏遠、難以到達的海域，為研究提供全面、連續的海洋數據。從進入衛星時代以來，海洋衛星遙感技術有效推動了全球海洋研究的發展，幫助了解海洋的整體狀況和變化趨勢。許多機構也開始嘗試利用遙感數據開展海洋晝夜碳循環變化的研究：Lachs[27]使用晝夜海表面溫度遙感數據，準確預測珊瑚礁生長狀態;Olsen[16利用遙感數據評估了考慮海表面溫度和風速晝夜變情況下，海水 CO₂ 濃度和海-氣 CO₂ 通量的日內差異變化。這些研究都開始涉足基于遙感數據的全球海洋晝夜變化研究，然而所用的遙感傳感器始終停留在微波輻射計、紅外輻射計等被動遙感技術，研究更多的是關注海表面溫度以及風速的變化以及水色遙感參數的晝夜變化。

2 激光雷達技術在海洋碳循環中的應用

激光遙感是一種基于激光測距原理的遙感技術，它通過向目標物體發射激光束，并接收從物體表面反射回來的激光信號，通過分析信號的時間延遲、強度和波長變化等信息，獲取目標的空間分布和相關物理性質。激光雷達（LiDAR）技術作為一種高精度的主動遙感手段，一直對全球大面觀測提供了獨特且難以替代的寶貴數據。在海洋研究中，激光雷達能夠提供海洋表層和次表層的高分辨率數據，并且實現對于水色要素的晝夜連續觀測，為研究海洋碳循環提供了新的視角和方法。通過提取激光雷達回波信號中包含的特征信息，能夠實現對海洋水體中包括海洋表面狀態、水體組成成分、物質濃度及空間分布等多種參數的探測，已在淺海水深、海洋光學性質、海洋次表層、赤潮監測以及海浪特征等方面進行探索性應用，滿足了各種海洋探測的需求。在海洋生物量和碳通量監測中，激光遙感提供了海面風速、海洋表面葉綠素濃度、海水次表層浮游植物剖面分布等海洋環境要素信息，這些數據對碳通量的估算至關重要。

2.1 全新的海水三維觀測數據

現有的海洋遙感技術總體上是二維平面遙感，與海洋業務及科學應用所需的水體剖面結構或物質、能量的遷徙與時空分布三維探測需求存在巨大的差距[28-31]。傳統水色遙感僅是海洋表層積分式成像觀測[32]，無法提供水色參數的垂直剖面信息[33]。水下次表層浮游植物的初級生產力對整個水體的貢獻很大，也具有最大的新生產力比例，而新生產力反映了海洋真光層從大氣中凈吸收 CO₂ 的能力，該層對估算海洋初級生產力及認識全球碳循環都具有重要意義[32，3-35]。以往相關研究都對水體垂向分布情況進行假設，如假定水體垂向均勻，或者假定已知顆粒的垂直分布狀態，這大大影響了遙感觀測的準確度[36-37]。海洋激光雷達具備深度分辨能力，能夠連續晝夜觀測全球和極地地區浮游植物的剖面結構，從而提高全球浮游植物初級生產力和有機碳量的估算精度[38]。試驗表明，如果利用水體剖面分層信息，可以將現有凈初級生產力的估算精度提高 54% [38]，水下剖面遙感有望引領下一場衛星海洋遙感革命[33]。海洋激光遙感技術可以廣泛應用于獲取水下次表層浮游植物的垂直結構以及與之相關的初級生產力、碳循環、早期赤潮、內波、上升流和渦旋等信息[28]。

2.2 水色要素的全天時觀測能力

海水碳通量存在顯著的晝夜變化，這些差異主要由水體的生物地球化學過程決定，其中光合作用和呼吸作用是碳通量變化的主要驅動力。傳統水色遙感依賴于太陽輻射，難以實現夜間觀測和日內變化;而激光遙感技術通過監測海水的光學特性、溫度變化、浮游生物的分布等，能夠為碳通量的估算提供關鍵數據，可以實現24小時不間斷的海洋碳通量監測，尤其適用于監測晝夜周期變化的碳通量。

3 激光遙感技術的在晝夜碳循環研究中的優勢

海洋激光遙感是海洋遙感領域的新一代“探針”，在當今國際海洋遙感研究中處于前沿地位，也是觀測特殊海區碳循環不可替代的重要前沿技術。主動激光雷達可穿透部分薄云，具有最小的大氣校正誤差，從而解決了被動水色遙感在極地的許多局限性[34，39]，在極地研究中，相對于傳統被動遙感技術具有明顯的優勢，能夠提供更高的精度[40]。海洋激光遙感作為一種主動遙感手段，可實現無光/弱光條件下對海水的全天時連續觀測，可彌補傳統水色衛星遙感手段在這些條件下無法觀測的缺陷，尤其是對高緯度極地海區的觀測。

近年來搭載在云-氣溶膠激光雷達和紅外探測衛星CALIPSO上的用于云和氣溶膠探測的云與氣溶膠偏振測量激光雷達（CALIOP）探測器在海洋研究領域顯示出了極大的潛力，已經被用于極地生物量[34]和顆粒有機碳（POC）碳儲量[33]的研究。圖1顯示了北極地區極夜時段的激光遙感與傳統被動遙感葉綠素月平均產品的對比結果，從中可以看出，新型激光觀測與傳統遙感觀測在數據重合區域具有一致的觀測結果，但激光遙感在極夜期間，依舊具有很高的覆蓋區域，為深入理解全球海洋生態系統與環境因子之間的耦合關系提供可靠的數據支持，為極地地區浮游植物生態系統和全球海洋浮游動物晝夜垂直遷移研究提供了新的觀測視角[32，34-35，41-44]，有望引領下一場衛星海洋遙感革命[33]。

相較于其他海區，極地冬季（極夜）的太陽高度角低，即使在中午也缺乏充足的太陽輻射，導致極地區域遙感數據嚴重缺失。基于被動遙感的極地海水 CO₂ 濃度反演產品在冬季出現大面積的數據空白（如圖2所示），基于被動遙感的北極海水 CO₂ 濃度重建模型在冬季失效，導致對于極地強烈的季節變化缺乏準確的認識[45]。冬季極地海洋在極夜條件下對 CO₂ 吸收和釋放呈現出特有的生態模式，深入認識極地冬季的生態過程和海洋碳循環機制，對于我們全面了解海洋碳匯至關重要。

4 挑戰與展望

盡管激光遙感在海洋碳通量監測中具有獨特優勢，但仍然面臨一些挑戰。首先，海洋的復雜性和動態變化使得遙感數據的解釋和分析難度較大。其次，海洋激光雷達衰減后向散射和水體的光學特性受到多種因素的影響，如何提高激光遙感數據的精度和可靠性仍是一個亟待解決的問題。此外，由于海洋晝夜碳通量的空間異質性，如何實現高精度、高空間分辨率的連續監測也是當前研究中的難點。

4.1 病態方程的求解問題

激光雷達的定量化反演基于激光雷達方程 ，其難點在于;需從一個觀測值 S（z） 求解兩個未知數（激光雷達衰減系數 α 和 180^° 后向散射系數 β ），這成為了制約激光雷達反演的基本難題[46]。激光雷達物理量 α 和 β 可用來換算成水體漫衰減系數 K_d 、顆粒后向散射系數 b_bp ，進而可得到葉綠素和顆粒有機碳 POC 濃度剖面[35，38，47-52]。目前 α 和 β 常用斜率法求解[53]，通過對激光雷達方程兩邊同時求微分，并假設 β 在垂直方向近似均勻分布，可消除含 β 項，從而得到只含 α 的微分方程，進而簡單有效的獲取 α 。但是斜率法的假設要求激光雷達所探測水域的水體為 β 近均質水體，這大大限制了斜率法反演光學參數的準確性和使用范圍。針對非均勻水體剖面反演，目前經典方法采用基于激光雷達比（ R=α/β 先驗值假設，通過假設衰減與散射系數之間存在一定的比值關系，將其中一個物理量用另一個物理量表示出來，從而使激光雷達方程轉變為一個方程求解一個未知數的問題，解算 Bermoulli微分方程即可完成求解，其中Fermald 法[5-55]和 Klett法[56-57]在激光雷達遙感反演中應用較為廣泛。該類方法優點是可用于非均勻介質，其物理實質是假設水體中的顆粒物的濃度與深度相關，而種類與深度無關，故而可以通過激光雷達比將激光雷達衰減系數和 180^° 后向散射系數關聯起來，同時反演出這兩個光學參數。然而，如上所述，基于激光雷達比的反演方法前提是必須海水顆粒激光雷達比的先驗數值，但是海水顆粒激光雷達比的測量和估算是一個相當繁瑣復雜的過程，激光雷達比的不確定性是此種方法反演誤差的主要來源。一方面在于傳統光學儀器難以直接測量激光雷達比;另一方面在于不同區域海水顆粒類型和粒徑等的差異都會造成激光雷達比隨之變化，其先驗值難以準確預估[58-59]。國內目前尚少見海水顆粒激光雷達比測量與估算方面的研究報道。未來需要突破傳統的基于激光雷達比先驗假設方法的框架，發展一種無需激光雷達比的非均勻海水光學剖面反演通用模型。

4.2 多次散射效應校正

多次散射效應是制約激光雷達高精度剖面反演的另一個難題。對于激光雷達來說，由于海氣介質的多次散射效應會對信號強度和偏振狀態造成較大的影響。這種影響的大小不僅取決于激光雷達的系統參數，也與介質的光學特性有很大的關系。這些影響因素的復雜性，多次散射效應下激光雷達測量物理量（ α 和 β ）與傳統海洋光學儀器測量的水體漫衰減系數、后向散射系數的轉換關系不明，嚴重影響海水剖面結構的反演精度。目前，多次散射效應的研究大多基于激光雷達輻射傳輸模擬方法，主要包括準單次散射近似激光雷達方程[60]、小角度散射近似解析方法[61-62]和蒙特卡羅（MC）統計分析方法[63-64]三類。其中小角度散射近似解析方法運行速度快且穩健，但通常只適用于特定的應用場景，忽略顆粒大角度散射，不適應含有高濃度次表層浮游植物的水體，需要做大量的積分計算，并且積分邊界條件的確定也需要大量密集計算，導致該方法的計算復雜度非常高，因此這種方法沒有得到進一步的發展和廣泛的應用[65]。準單次散射近似激光雷達方程方法的理論形式簡單、應用方便，并且不需要消耗大量的計算資源，但在較渾濁海水介質中難以適用，僅考慮了單次散射，忽視了海水中激光多次散射的過程，在仿真精度上有一定的局限性[66]。MC 仿真方法是對輻射傳輸進行數值模擬的常用方法，是一種統計分析方法。這種方法不需要求解復雜的輻射傳輸方程，非常適合研究光子在介質中的傳輸遷移問題，光子與大氣和海水中物質的吸收和散射過程可以抽象為一系列具有一定概率的隨機事件，用 MC 方法來模擬光在水體中的輻射傳輸過程和水體光學特性變化[6768]。標準 MC 方法實現簡單，但消耗大量計算資源，運行速度慢，會引入隨機噪聲。為了提高MC仿真的效率，相關學者們提出了基于期望值的半解析MC方法，此方法充分利用了每個光子的每次散射行為，大大提高了信號的收斂速度，并與實驗進行對比，驗證了半解析 MC 方法的有效性[63-64，69-71]。激光輻射傳輸模型的目標是認識介質環境中激光的發射、吸收、散射三種作用，建模并最終定量計算介質中的激光輻射場強度分布。研究激光與介質的相互作用，有助于更好地理解海水、海面、海底、大氣等介質的物理參數與輻射能量轉移過程的關系，是激光遙感研究的必要技術支撐。如何更好地對儀器參數和環境參數影響下激光多次散射效應建模，提高激光輻射傳輸模型的性能，是海洋激光遙感界近年來關注的熱點。由于海水的光學厚度大，其多次散射效應非常強，這會對雷達回波信號的退偏振程度造成影響，從而影響目標物偏振特性探測的準確性，也顯著影響了上述幾種仿真方法的精度。目前對于激光雷達偏振信號輻射傳輸過程和仿真方法的研究主要集中在大氣激光雷達和生物光學領域。 Hu 等72 提出了偏振大氣激光雷達半解析 MC 輻射傳輸模型，以研究水云中的多次散射效應對大氣激光雷達回波偏振特性的影響。Liu等[73提出了一種針對水云的多次散射與退偏振比之間的簡單關系，用來校正水云激光雷達回波信號中的多次散射效應，此方法在CALIOP 的云數據產品產生及應用中起到了很大的作用。Chumside等[74]研究了退偏對海洋激光雷達信號的影響，但忽略了多次散射效應。近年來，部分學者開始逐漸關注海洋激光雷達偏振信號的多次散射效應[46.69，75-76]。然而，目前海洋激光雷達領域的多次散射效應研究大多還是針對非偏振光的，海水的光學厚度較大并且成分復雜，建立有效的偏振海洋激光雷達輻射傳輸模型，是理解海水多次散射與回波信號偏振特性之間關系的有效手段，利用偏振激光雷達進行探測也有助于進行水體顆粒物的光學及微物理特性反演。未來需要發展一種綜合考慮多次散射、儀器性能和環境參數的大氣-海面-海水-海底全鏈路的激光雷達偏振輻射傳輸模型，校正多次散射效應對激光雷達反演精度的影響。

4.3 海洋激光雷達衛星的空缺

從1994 年的空間激光雷達試驗（LITE）[77]、2002年的地球科學激光高度計（GLAS）[78]、2006年的云與氣溶膠偏振測量激光雷達（CALIOP）［79]、2018年的多普勒測風激光雷達（ALADIN）[80]、2018年的先進地形激光高度計（ATLAS）[81]到計劃 2022年發射的大氣激光雷達（ATLID）[82]，美國和歐洲已積累了豐富的星載激光雷達經驗。我國2019年發射了裝備全波形激光測高儀的高分7號衛星[83]，2022年發射了裝備大氣探測激光雷達（ACDL）的大氣環境監測衛星[84]和裝備森林遙感激光雷達的陸地生態系統碳監測衛星[4]。作為當前最具前景的海洋遙感技術[85]，美國宇航局 NASA 和意大利航天局已經規劃發展海洋激光衛星Caligola 等[86-87]，國內嶗山實驗室提出了“觀瀾號\"海洋激光衛星計劃[28]，但目前尚未有在軌運行的專用于海洋的星載海洋激光雷達。未來需要發展我國自主的專用海洋晝夜和水下剖面探測的激光衛星。

未來隨著激光遙感技術的不斷發展和多源遙感數據的融合，海洋碳通量監測將進入新的階段。首先，未來的激光遙感系統將在精度、分辨率和觀測范圍等方面取得突破，使得全天候、全天時的碳通量監測成為可能。其次，集成遙感與數值模擬、機器學習等新興技術，能夠更好地分析和預測海洋碳通量的變化。最后，國際合作與數據共享將成為提升海洋碳通量監測能力的關鍵，全球范圍內的協同監測將為應對氣候變化提供更為精準的科學依據。

5結論

海洋碳通量是全球碳循環中的重要組成部分，準確監測海洋碳通量對于氣候變化的研究具有重要意義。激光遙感技術憑借其高精度和實時監測能力，在海洋碳通量的晝夜監測中展示了巨大的潛力。盡管面臨一些技術和挑戰，隨著技術的不斷發展和數據的逐步積累，激光遙感將在未來的海洋碳通量研究中發揮越來越重要的作用。

參考文獻：

[1]GRUBERN，BAKKER DC，DEVRIES T，etal.Trendsand variabilityin theocean carbon sink[J].Nature Reviews Earthamp; Environment，2023，4（2） ： 119-34. DOI： 10.1038/s43017-022-00381-x.

[2]LE QUERE C，RODENBECK C，BUITENHUIS E T，et al. Saturation of the Southern Ocean CO ² sink due to recent climate change[J]. Science，2007，316（5832）：1735-1738.DOI： 10.1126/science.1136188.

[3]LE QUERE C，RAUPACH MR，CANADELL JG，et al.Trends in the sources and sinksof carbon dioxide[J].Nature geoscience，2009，2（12） ： 831-836.D01：10.1038/ngeo689.

[4]WUJ，GOESJI，DOROSAROGOMES H，etal.Estimatesofdiurnalanddailyneprimaryproductivityusing theGeostatioary Ocean Color Imager（GOCI）data[J].Remote Sensingof Environment，2022，280：113183.DOI：10.1016/j.rse.2022.113183.

[5]BURGERFA，JOHNJG，FRoLICHERTL.Increase inocean acidity variabilityand extremes under increasing atmospheric CO ² （20號 [J].Bioge0sciences，2020，17（18）： 4633-4662.DOI：10.5194/BG-17-4633-2020.

[6]TORRESO，KWIATKOWSKI L，SUTTONAJ，et al. Characterizing mean and extreme diurnal variability of ocean CO ² system variablesacross marineenvironments[J].GeophysicalResearch Leters，2021，48（5）：e2020GL090228.DOI：10.1029/ 2020gl090228.

[7]MCNEIL B I，SASSE T P.Future ocean hypercapnia driven by anthropogenic amplification of the natural CO ² cycle[J]. Nature， 2016，529（7586） ： 383-386. D0I： 10.1038/nature16156.

[8]PIERREF，JONES MATTHEW W，MICHAELO，et al. Globalcarbon budget 2021[J].Earth System Science Data Discussions， 2021.D0I：10.5194/essd-2021-386.

[9]FRIEDLINGSTEINP，O'SULLIVAN M，JONES M W，et al.Global carbon budget 2020[J].Earth System Science Data，2020， 12（4） ：3269-3340.D0I：10.5194/essd-12-3269-2020.

[10]FRIEDLINGSTEINP，O'SULLIVANM，JONES M W，et al.Globalcarbon budget 2022[J].Earth System Science Data Discussions，2022. DOI：10.5194/essd-14-4811-2022.

[11]FAY A R，GREGOR L，LANDSCHuTZER P，et al. Harmonizationof global surface ocean p_C02 mapped products and their flux calculations；an improved estimate of the ocean carbon sink[J].Earth System Science Data Discussions，2021： 1-32.

[12]RODENBECK C，BAKKERDCE，GRUBERN，etal.Data-based estimatesof theoceancarbonsinkvariability-firstresultsof the Surface Ocean P CO ² Mapping intercomparison （SOCOM）[J]. Biogeosciences，2015，12（23）： 7251-7278.DOI： 10.5194/ bg-12-7251-2015.

[ 13]LE QUERE C，ANDREW R M， FRIEDLINGSTEIN ΔP ，et al.Global carbon budget 2017[J].Earth System Science Data，2018， 10（1）： 405-448. D01： 10.5194/essd-10-405-2018

[14]CHAU T T T， GEHLEN M， CHEVALLIER F. A seamless ensemble-based reconstruction of surface ocean P CO ² and air-sea CO ² （204 fluxesoverthe globalcoastalandopenceansJ].Biogeosciences，2022，19（4）：1087-09.DOI：10.5194/bg-19-1087-22.

[15]BATES N R， TAKAHASHI T， CHIPMAN D W，et al. Variability of P CO on diel to seasonal timescales in the Sargasso Sea near Bermuda[J]. Journal of Geophysical Research： Oceans，1998，103（C8）： 15567-15585.DOI： 10.1029/98jc00247.

[16]OLSEN A，OMAR A M， STUART-MENTETH A C，et al. Diurnal variations of surface ocean Λ_pC0₂ and sea-air CO ² flux evaluated usingremotely sensed data[J].Geophysical Research Leters，2004，31（20）： 2004GL020583.DOI：10.1029/2004gl020583.

[17]ALBRIGHTR，TAKESHITAY，KOWEEK DA，etal.Carbon dioxideadition tocoralreef waterssuppeses netcommunity calcification[J]. Nature，2018，555（7697） ： 516-519. DOI： 10.1038/nature25968.

[18]DRUPP P S， DE CARLO E H， MACKENZIE F T，et al. Comparison of CO₂ dynamics and air-sea gas exchange in difering tropical ref environments[J]. Aquatic Geochemistry，2013，19（5）： 371-397. DOI： 10.1007/s10498-013-9214-7.

[19]MURIE K A，BOURDEAUPE.Fragmentedkelp forestcanopies retain their abilty toalter local seawaterchemistry[J]. Scientific Rep0rts，2020，10： 11939.DO1： 10.1038/s41598-020-68841-2.

[20]BERG P，DELGARD M L， POLSENAERE P，et al. Dynamics of benthic metabolism， 0₂ ，and pCO₂ in a temperate seagrass meadow[J]. Limnology and Oceanography，2019，64（6）： 2586-2604. DOI：10.1002/lno.11236.

[21]HOFMANNG E，SMITHJE，JOHNSONK S，et al.High-frequency dynamics of ocean pH：A multi-ecosystemcomparison[J]. PLoS One，2011，6（12） ： e28983. DOI： 10.1371/journal.pone.0028983.

22]PAGEHN，COURTNEYTA，DECARLOEH，etal.Spatiotemporal variabilityinseawatercarbonchemistryforacoralefflat in Kane'ohe Bay，Hawai'i[J]. Limnology and Oceanography，2019，64（3）： 913-934.DOI： 10.1002/Ino.11084.

[23]JURYC，THOMASF，ATKINSON M，etal.Bufercapacity，ecosystem feedbacks，andseawater chemistryunder globalhange [J].Water，2013，5（3）：1303-1325.DOI：10.3390/w5031303.

[24]DENMAN K，CHRISTIANJR，STEINER N，etal.Potential impactsoffuture ocean acidificationon marine ecosystemsand fisheries：Currnt knowledge andrecommendations forfuture researchJ].ICES Journalof Marine Science，2011，68（6）：1019- 1029.DOI：10.1093/icesjms/fsr074.

[25] KRANZ S A， DIETER S， RICHTER K U， et al. Carbon acquisition by Trichodesmium： The effect of p CO ² and diurnal changes [J]. Limnology and Oceanography，2009，54（2） ： 548-559. DOI： 10.4319/lo.2009.54.2.0548.

[26] PETER H， SINGER G A，PREILER C，et al. Scales and drivers of temporal pCO₂ dynamics in an Alpine stream[J]. Jourmal of Geophysical Research： Biogeosciences， 2014，119（6）：1078-1091. DOI： 10.1002/2013jg002552.

[27]LACHS L，DONNER S，EDWARDSAJ，etalHigherspatialresolutionisnotalways beter：Evaluating satelite-sensedsea surfacetmperature productsforawestPacificcoralref systemJ].ScientificReports，2025，15：1321.DOI：10.1038/s4598- 024-84289-0.

[28]CHEN G，TANGJW，ZHAOCF，etal.Concept designofthe“guanlan”sience mision：China’snovelcontributiontospace oceanography[J]. Frontiers in Marine Science，2019，6：194.DOI：10.3389/fmars.2019.00194.

[29]汪自軍，張揚，劉東，等.新型多波束陸海激光雷達探測衛星技術發展研究[J]．紅外與激光工程，2021，50（7）： 20211041. DOI： 10.3788/IRLA20211041.

[30]唐軍武，陳戈，陳衛標，等.海洋三維遙感與海洋剖面激光雷達[J]．遙感學報，2021，25（1）：460-500.DOI：10.11834/

jrs.20210495

[J」. Nature， 2019， 576（7786）： 257-261. D0l： 10.1038/s41586-019-1796-9.

[33]HOSTETLERCA，BEHRENFELDMJ，HUY X，etal.Spaceborne lidar in the studyof marine systems[J].AnnualReviewof Marine Science，2018，10：121-147. DOI：10.1146/annurev-marine-121916-063335.

[34]BEHRENFELD MJ，HUY X，O’MALLEYRT，et al.Annual boom-bust cycles of polar phytoplankton biomassrevealed by space-based lidar[J]. Nature Geoscience，2016，10（2） ： 118-122.DOI： 10.1038/ngeo2861.

[35]LUX M，HUYX，YANG YK，etal.Antarctic spring ice-edge blooms observed fromspaceby ICESat-2[J].Remote Sensingof Environment， 2020， 245： 111827. DOI： 10.1016/j.rse.2020.111827.

[36]OVERPECKJT，MEEHL GA，BONY S，et al. Climate datachalenges in the21stcentury[J].Science，2011，331（6018）： 700-702. DOI： 10.1126/science.1197869.

[37]MORELA，GENTILIB.Radiationtransportwithinoceanic（case1）water[J].JournalofGeophysicalResearch：Oceans，2004， 109（C6） ： 2003JC002259.DOI： 10.1029/2003jc002259.

[38]SCHULIENJA，BEHRENFELDMJ，HAIRJW，etal.Vertically-resolved phytoplanktoncarbonandnet primaryproduction from a high spectral resolution lidar[J]. Optics Express，2017，25（12）：13577-13587. DOI： 10.1364/OE.25.013577.

[39]BABIN M，ARRIGO KR，BeLANGER S，et al.Oceancolourremote sensing inpolarseas： report of an IOCCG workinggroupon ocean colour remote sensing in polar seas [M]. International Ocean Colour Coordinating Group，2015.

[40]BHARDWAJA，SAM L，BHARDWAJ A，etal.LiDAR remote sensing of the cryosphere： Present applicationsand future prospects[J]. Remote Sensing of Environment， 2016，177： 125-143.DOI： 10.1016/j.rse.2016.02.031.

[41]ZHANG Z H，ZHANG SQ，BEHRENFELD MJ，etal. Combining deep learming with physical parameters in POC and PIC inversion from spacebornelidarCALIOP[J].ISPRS Journalof Photogrammetryand Remote Sensing，2024，212：193-211.DOI： 10.1016/j.isprsjprs.2024.05.007.

[42]CHENP，JAMETC，LIUD.LiDARremotesensingforverticaldistributionofseawateropticalpropertiesandchlorohl-afrom the East China Seato the South China Sea[J]. IEEE Transactionson Geoscience and Remote Sensing，2O22，60：4207321. DOI： 10.1109/TGRS.2022.3174230.

[43]ZHANG S Q， CHEN P，HU Y X，et al. Research Report Diurnal global ocean surface P CO ² and air-sea CO ² flux reconstructed from spaceborne LiDAR data[J]. PNAS Nexus，2023，3（1） ： pgad432. DOI： 10.1093/pnasnexus/pgad432.

[44]CHN P，JAMET C，ZHANG Z H，etal. Vertical distrbution of subsurface phytoplankton layer in South China Sea using airborne lidar[J]. Remote Sensing of Environment，2021，263：112567.DOI：10.1016/j.rse.2021.112567.

[45]ZHANG S，CHEN P，ZHANG Z，et al.Carbon air-sea flux in the Arctic Ocean from CALIPSO from 2007to 2020[J].Remote Sensing，2022，14（24）： 6196.

[46]CHURNSIDEJH，SHAWJA.Lidarremote sensing ofthe aquatic environment： Invited[J].Applied Optics，2020，59（10）： C92-C99. DOI： 10.1364/AO.59.000C92.

[47]CILLINA，ARCHAMBAULT P，LONG B.Mapping the shalowwater seabedhabitat withthe SHOALS[J].IEEETransactions on Geoscience and Remote Sensing，2008，46（10）： 2947-2955. DOI：10.1109/TGRS.2008.920020.

[48]BEHRENFELD MJ，HUY X，HOSTETLER C A，et al. Space-based lidar measurements of global ocean carbon stocks[J]. Geophysical Research Letters，2013，40（16） ： 4355-4360. DO1： 10.1002/grl.50816.

[49]KHEIREDDINE M，BREWINRJW，OUHSSAIN M，etal.Particulate scatering and backscatering inrelation tothenatureof particles in the red sea[J]. Journal of Geophysical Research： Oceans，2021，126（4） ： e2020JC016610.

[50]DIONISID，BRANOVE，VOLPEG，etal.Seasonaldistrbutions ofoceanparticulateopticalpropertiesfromspaceboelidar measurements in Mediterranean and Black sea[J].Remote Sensing of Environment，2020，247：111889.DOI：10.1016/j.rse. 2020.111889.

[51]LACOUR L，LAROUCHR，BABINM. Insitu evaluationof spaceboe CALIOP lidarmeasurementsoftheupper-oceanparticle

backscattering coefficient[J]. Optics Express，2020，28（18）： 26989-26999.DOI： 10.1364/OE.397126.

[52]LEEZP，DUKP，ARNONER.Amodelforthedifuseattenuatincoeffcientofdownwellngirradiance［J]JoualolGeophysical Research （Oceans），2005，110（C2） ： C02016. DOI： 10.1029/2004JC002275.

[53]KUNZ GJ，DELEEUWG.Inversionof lidar signals with theslope method[J].AppliedOptics，1993，32（18）：3249-3256. DOI： 10.1364/AO.32.003249.

[54]FERNALDFG.Analysisof atmospheric lidarobservations：Some comments[J].AppliedOptics，1984，23（5）：652.DO1：10. 1364/ao.23.000652.

[55]BUL，HUANGX，CAON，etal.Mie-Rayleigh-Raman lidarformeasurementofatmospheric temperatureandaerosolextinction [J].Proceedingsof SPIE-The InternationalSocietyfor Optical Enginering，209，7382：73824Y-73824Y-6.DOI：10.17/12. 835730.

[56]KLETTJD.Stableanalytical iversonsoutionforprocesinglidarretusJ]ApledOptics，981，20（2）：2-O： 10.1364/AO.20.000211.

[57]EGOROVAD，POTAPOVAIA，SHCHUKIN G G.Lidar methods for probing an atmospheric aerosol[J].Journal of Optical Technology，2001，68（11） ： 801. DO1：10.1364/J0T.68.000801.

[58]CHENP，PANDL，MAOZ H，etal.Afeasiblecalibration method fortype1openocean waterLiDARdatabasedonbiooptical models[J]. Remote Sensing，2019，11（2）： 172.DO1： 10.3390/rs11020172.

[59]CHURNSIDEJH，SULLIVANJM，TWARDOWSKI MS.Lidar extiction-to-backscateratioof theoceanJ].Optics Express， 2014，22（15）： 18698-18706. D0I： 10.1364/0E.2.018698.

[60]CHURNSIDEJH.Reviewof profilingoceanographic lidar[J].Optical Enginering，2014，53（5）：051405.DOI：10.117/1.oe. 53.5.051405.

[61]HOGANR.Fast lidarandradar multiple-scatering models.partI：Small-anglescatering usingthephotonvariance-covariance method[J]. Journal of the Atmospheric Sciences，2008，65（12）： 3621-3635.DOI：10.1175/2008JAS2642.1.

[62]LUCHININAG，KIRILLIN MY，DOLIN L S.Backscater signals inunderwater lidars： Temporalandfrequency features[J]. Applied Optics， 2018， 57（4） ： 673-677. DO1： 10.1364/A0.57.000673.

[63]CHENP，PANDL，MAOZ H，etal.Semi-analytic Monte Carloradiative transfer modeloflaserpropagationininhomogeneous sea water withinsubsurfaceplanktonlayer[J].Opticsamp;LaserTechnology，2019，11：1-5.DOI：10.1016/j.optlastec.208.09. 028.

[64]LIUD，XUPT，ZHOUYD，etal.Lidarremotesensingofseawateropticalproperties：Experimentand MonteCarlosiulation [J].IEEE Transactions on Geoscience and Remote Sensing，2019，57（11）： 9489-9498.DOI：10.1109/TGRS.2019.2926891.

[65]BISONNETTELR.Lidarandmultiplescatring[M].Lidar：Range-resolvedopticalremotesensingof theatmosphere.New York，NY： Springer NewYork， 2005：43-103.

[66]MITRA K，CHURNSIDEJH.Transient radiative transfer equationapplied tooceanographic idar[J].AppliedOptics，99，38 （6）： 889-895. D01： 10.1364/ao.38.000889.

[67]RAMELLA-ROMANJ，PRAHL S，JACQUES S.ThreeMonte Carlo programsof polarized lighttransport intoscatering media： Part I[J]. Optics Express，2005，13（12） ： 4420-4438. DO1： 10.1364/opex.13.004420.

68]GORDONHR.Interpreationofairboeoceaniclidar：Efectsof multiplescateringJ].ApliedOptics，982，21（16）：2996- 3001. DOI： 10.1364/A0.21.002996.

[69]STEGMANNPG，SUNBQ，DINGJC，etal.Studyof theefectsofphytoplankton morphologyandvertical profileonlidar atenuatedbackscateranddepolarizationatioJ].JoualofQuantitativeSpectroscopyandRadativeTransfer，O19，5：-15. DOI：10.1016/j.jqsrt.2018.12.009.

[70]POOLELR，VENABLEDD，CAMPBELLJW.Semianalytic Monte Carlo radiative transfer model foroceanographic lidar systems[J]. Applied Optics，1981，20（20） ： 3653-3656. DOI： 10.1364/A0.20.003653.

[71]LIUQ，CUI XY，JAMETC，etal.Asemianalytic Monte Carlo simulator forspaceborneoceanic lidar：Framework and preliminary results[J]. Remote Sensing，2020，12（17） ： 2820. DOI： 10.3390/rs12172820.

[72]HUYX，WINKERD，YANG P，et alIdentificationof cloud phase from PICASSO-CENA lidardepolarization：A multiple scateringsensitivitystudyJ].Journalof QuantitativeSpectroscopyandRadiative Transfer，2O0l，70（4/5/6）：569-579.DOI： 10.1016/S0022-4073（01） 00030-9.

[73]HUYX，LIUZY，WINKERD，etal.Simplerelationbetweenlidar multiplescateringanddepolarizationfor waterclouds[J]. Optics Letters，2006，31（12）： 1809-1811.D0I： 10.1364/ol.31.001809.

[74]CHURNSDEJH.Polarizationefectsonoceanograpic lidar[J].Optics Express，2008，16（2）：1196-1207.DOI：10.164/e. 16.001196.

[75]LIL X，STEGMANNPG，ROSENKRANZ S，et al.Simulationof lightsatering fromacollidaldropletusingapolarized Monte Carlo method：Application to the time-shift echnique[J].Optics Express，2019，27（25）：36388-36404.DOI：10.1364/OE.27. 036388.

[76]ZHAI SY，TWARDOWSKIM，HEDLEYJD，etal.Optical backscatering andlinear polarizationpropertiesof thecolony forming Cyanobacterium Microcystis[J]. Optics Express，2020，28（25）： 37149-37166. DOI： 10.1364/OE.405871.

[77]WINKER D M，COUCHR H，MCCORMICK M P.An overview of LITE：NASA’s lidar in-space technology experiment[J]. Proceedings of the IEEE，1996，84（2） ： 164-180. DOI：10.1109/5.482227.

[78]LANCASTER R S，SPINHIRNEJD，PALM S P.Laser pulsereflectance of theocean surface fromthe GLAS satelite lidar[J]. Geophysical Research Letters，2005，32（22） ： 2005GL023732. DOI： 10.1029/2005gl023732.

[79]WINKER D M，PELONJ，COAKLEYJ，et al.The CALIPSO mission：A global 3D view of aerosols andclouds[J].Buletinof the American Meteorological Society，2010，91（9）：1211-1229.DOI： 10.1175/2010BAMS3009.1.

[80]LUX O，LEMMERZ C，WEILER F，et al.ALADIN laser frequency stability and its impact on the Aeolus wind error[J]. Atmospheric Measurement Techniques Discussions， 2021，2021：1-40.

[81]PARRISH C E，MAGRUDER L A，NEUENSCHWANDER A L，et al. Validation of ICESat-2 ATLAS bathymetry and analysis of ATLAS's bathymetric mapping performance[J]. Remote Sensing，2019，11（14）： 1634. DOI： 10.3390/rs1141634.

[82]PEREIRA DO CARMO J，DE VILLELEG，HELIERE A，et al. ATLID，ESA atmospheric backscatter LIDAR for the ESA EarthCARE mission[J]. CEAS Space Journal， 2019，11（4） ： 423-435. DOI： 10.1007/s12567-019-00284-6.

[83］郭金權，李國元，左志強，等.高分七號衛星激光測高儀全波形數據質量及特征分析［J].紅外與激光工程，2020，49 （S2） ： 20200387.DOI：10.3788/IRLA20200387.

[84]陳衛標，劉繼橋，侯霞，等.大氣環境監測衛星激光雷達技術[J]．上海航天（中英文），2023，40（3）：13-20.DOI：10. 19328/j.cnki.2096-8655.2023.03.002.

[85]JAMET C，IBRAHIMA，AHMADZ，etal.Going beyond standardocean colorobservations： Lidarand polarimetryJ].Frontiers in Marine Science，2019，6： 251. DO1： 10.3389/fmars.2019.00251.

[86]STARR D. NASA'saerosol-cloud-ecosystems （ACE）mision[C]//Imaging and Aplied Optics.Toronto：OSA，2011： HMA4. DOI：10.1364/hise.2011.hma4.

[87]BEHRENFELDMJ，LORENZONIL，HUYX，etal.Satelitelidar measurements asacritical newglobalocean climatercord [J]. Remote Sensing，2023，15（23） ： 5567.DOI： 10.3390/rs15235567.