基于光學傳感器在南黃海硝酸鹽調查中的使用初探

潘 俊, 于 非, 4, 任 強, 魏傳杰, 李 靖

?

基于光學傳感器在南黃海硝酸鹽調查中的使用初探

潘 俊1, 2, 3, 于 非1, 2, 3, 4, 任 強1, 魏傳杰1, 李 靖5

(1. 中國科學院海洋研究所 環(huán)境工程中心, 山東 青島 266071; 2. 中國科學院大學, 北京 100049; 3. 中國科學院海洋大科學研究中心, 山東 青島 266071; 4. 青島海洋科學與技術國家實驗室 海洋動力過程與氣候功能實驗室 山東 青島 266071; 5. 中國科學院海洋研究所 中國科學院海洋生態(tài)與環(huán)境科學重點實驗室, 山東 青島 266071)

南黃海海域中營養(yǎng)物質影響生物地球化學循環(huán)過程, 為了加強對此過程的機制與速率的認識, 本文利用新型硝酸鹽傳感器(Submersible Ultraviolet Nitrate Analyzer, SUNA)在2016年5、6月開展南黃海硝酸鹽調查, 進行了實驗室標定、現(xiàn)場調查及后續(xù)數(shù)據(jù)處理改進等工作。討論了其在南黃海使用的可靠性, 綜合考慮了南黃海典型的溫-鹽結構特征及蘇北淺灘的高濁度對SUNA測定結果的影響, 較深入地分析了溫度-鹽度校正、濁度的影響等方面。測定結果表明, 在實驗海域中修正后的硝酸鹽數(shù)據(jù)與采用國家標準的傳統(tǒng)方法的同步觀測結果具有良好的線性關系, 相關性達到0.9以上, SUNA可在蘇北淺灘等濁度較高的海域中使用。

南黃海; 硝酸鹽; 傳感器

營養(yǎng)鹽是海洋浮游植物生長所必需的物質基礎。營養(yǎng)鹽在海水中的不同濃度和組成, 影響海洋初級生產(chǎn)力, 對浮游植物的群落結構具有調節(jié)作用。國家海洋局的海洋環(huán)境公報顯示, 自2003年起, 在南黃海采樣的站位中, 有超過一半的DIN含量大于14 μmol/L[1]。從NO3–-N/DIN比值上來說, 大部分在0.8~1[2], 許多的室內實驗表明, 滸苔對N、P元素具有快速吸收的能力, 而且對N的吸收需求比P的吸收更高[3]。

海水中營養(yǎng)鹽常用的實驗室測定方法是基于調查船的現(xiàn)場采樣, 由于檢出限較低, 在寡營養(yǎng)鹽海區(qū)具有檢測優(yōu)勢。但該方法實時性較差, 難以達到突發(fā)性污染事故的現(xiàn)場測定需要近乎原位觀測的要求, 樣品易受污染, 因采集、預處理、裝載、運輸?shù)冗^程造成的測定誤差在20%~45%[4]; 不能提供連續(xù)數(shù)據(jù), 不易監(jiān)測到降雨、藻華爆發(fā)等間歇性事件[5]造成的營養(yǎng)鹽濃度急劇變化?；诤Ｋ畬?90~370 nm的紫外吸收特征, Sakamoto等[6]利用光譜反卷積技術, 通過改進的光學系統(tǒng)和內置智能采樣調節(jié)系統(tǒng)研制一款無需化學試劑的水下硝酸鹽分析儀-Deep SUNA (Submersible Ultraviolet Nitrate Analyzer)。Deep SUNA的設計耐壓深度2 000 m, 可在高濁度、高CDOM(有色溶解有機物)等更多特殊環(huán)境下進行硝酸鹽測量分析。相對傳統(tǒng)方法具有準確性較高、實時性強、采樣頻率高(1 Hz)等特點, 對于傳統(tǒng)方法是一種有益的補充。

SUNA首次應用在LOBO(Land/Ocean Biogeochemical Observatory)項目中的浮標, 1 h記錄一組數(shù)據(jù), SUNA獲取的數(shù)據(jù)較一致地跟蹤和識別與重大徑流事件有關的硝酸鹽尖峰[7]; 在2008~2011年期間使用了Argo浮標, 主要應用到HOT(Hawaii Ocean Time Series)站, 便于進行長期觀測[8], 營養(yǎng)鹽及其它傳感器搭載在海洋浮標、AUV、ROV、Glider等[9], 提供長時間序列數(shù)據(jù)。

將基于多平臺獲取的SUNA數(shù)據(jù)應用于分析海洋中營養(yǎng)鹽的濃度分布和變化、研究海洋生源要素循環(huán)、預測藻華暴發(fā)等環(huán)境災害, 并已取得了一定的研究成果[10]。Johnson等[11]測定了加利福尼亞Monterey海灣中多參數(shù)(硝酸鹽、溶解氧、總二氧化碳濃度)的晝夜變化, 并實時觀測Redfield比值, 結果顯示硝酸鹽的濃度變化少于預期, 認為可能存有氨基氮和尿素等其他氮源, 參與了浮游植物光合作用。Liu等[12]利用SUNA獲取的數(shù)據(jù)研究次中尺度(1~10 km)的物理過程對北太平洋副熱帶浮游生態(tài)系統(tǒng)的影響, 探討冬季混合作用與營養(yǎng)鹽躍層淺化, 可增強鋒面處垂向水體交換, 促進藻類生長; 營養(yǎng)鹽的斑塊分布有助于微藻生長, 增加溶解態(tài)有機碳的輸出。

1 材料與方法

1.1 站位設計

結合以往的黃海滸苔演變的遙感分析及調查經(jīng)驗[13], 5月份的滸苔主要分布在蘇北淺灘附近, 故調查重點在該區(qū)域, 并結合調查船舶(“科學三號”海洋科學考察船)的條件盡可能地在近岸調查并加密觀測, 共觀測了35站。6月份滸苔已整體向北移動并應進行黃?？鐓^(qū)域聯(lián)防聯(lián)控, 故擴大調查區(qū)域到整個南黃海海區(qū)(圖1), 同時為了使SUNA觀測的數(shù)據(jù)量較多, 更好地與采用國家標準方法的實驗室測定的數(shù)據(jù)進行比對、增加結果的可靠性及預測的準確性, 在經(jīng)向122.5°E和123°E, 于30°~33°N, 每0.5°觀測一站, 共計14站, 故6月份共觀測了36站, 5、6月份的SUNA匹配采用國標的方法獲取數(shù)據(jù)量各275組。

圖1 5、6月南黃海采樣站位區(qū)域分布圖

1.2 測量原理及采樣方法

SUNA測量原理是通過使用穩(wěn)定的紫外光源(氘燈)、傳感探頭和精密光譜儀實現(xiàn)測量, 光學傳感系統(tǒng)測量原位吸收光譜(硝酸鹽在217~240 nm光譜區(qū)間具有明顯的吸光度), 使用嵌入式處理器進行算法(最小二乘擬合法)計算, 從而實現(xiàn)實時的硝酸鹽濃度測量。將溫度、鹽度作為校正因子, 利用相應的公式去除受溫、鹽影響的干擾因子(如溴離子), 以獲得更準確的觀測結果[6]。

SUNA安裝在CTD(型號: SBE911)采水器架子上, 其中SUNA的供電單元是由60節(jié)1#電池安裝到電池倉中對SUNA供電, 與CTD獨立并聯(lián), 可同時同地進行相關環(huán)境要素測量便于分析同時空數(shù)據(jù)。SUNA數(shù)據(jù)輸出時為1 s/個數(shù)據(jù), 將CTD的溫鹽資料處理成1 s/個數(shù)據(jù), 從而與SUNA的數(shù)據(jù)達到時空的匹配, 總體是0.6~1 m/個數(shù)據(jù)。

現(xiàn)場用CTD的采水器采取不同深度的水樣。水樣采集后, 立即用0.45 μm醋酸纖維濾膜過濾(濾膜預先用1∶1 000的鹽酸溶液浸泡24 h, 然后用Milli-Q水洗至中性)。濾液分裝至100 ml聚乙烯瓶(預先用1∶5鹽酸溶液浸泡24 h以上, 然后用去離子水洗至中性), 在–20℃冷凍保存, 用于硝酸鹽分析。樣品于實驗室內采用SKALAR型營養(yǎng)鹽自動分析儀測定, 采用國家海洋局標準物質中心生產(chǎn)的營養(yǎng)鹽標準系列作為外標質控樣, 檢出限為0.02 μmol/L。

2 結果與討論

2.1 出海調查前室內標定

參加航次前, 將3種硝酸鹽濃度(2、10 μmol/L及去離子水)的標準溶液4℃冰箱保存。使用SUNA配套的標定裝置, 重復多次觀測, SUNA獲取的觀測值與標準溶液的濃度進行比對, 并生成相應的單一的溫度、鹽度條件下(4℃, 30.5 PSU)標定文件, 對調查海區(qū)中獲取的SUNA初始數(shù)據(jù), 需要調用該文件作為基礎校準文件進行初始數(shù)據(jù)后處理, 基于比爾-朗伯特定律, Johnson等[14]單一溫鹽校正參考公式如下:

其中,為測量的硝酸鹽濃度,為設備探針的通道長度(cm),, j是針對某化學要素的消光系數(shù),C是針對某化學要素的容量(mol/L),和是參數(shù)擬合值

2.2 溫度-鹽度校正

SUNA使用紫外吸收光譜法測定海水中硝酸鹽, 設計的采樣的光譜介于217~240 nm, 硝酸根離子在光譜范圍內有較強的吸收峰。吸光度大小受到溫度、鹽度的影響, 故需要溫鹽匹配的數(shù)據(jù)進行硝酸鹽的校正, 通過利用原位的溫鹽數(shù)據(jù)對硝酸鹽測定的初始數(shù)據(jù)進行數(shù)據(jù)再校正, 從而使測定的硝酸鹽的數(shù)據(jù)更為精確, 同時使設備的檢出限降低(由2 μmol/L降低到0.5 μmol/L), 縮小與傳統(tǒng)型營養(yǎng)鹽分析儀的差距。

南黃海夏季具有典型的強躍層(強度大, 厚度小)海洋現(xiàn)象, 溫度的垂直結構由春季的L型演變?yōu)橄募镜腢型[15], 6月航次的3500-10站(124°E, 35°N)存在溫躍層現(xiàn)象(>0.2℃/m)。溫躍層主要分布在6~25 m, 厚度在20 m, 溫度范圍在12.2~22.3℃, 溫度變化在0.5℃/m; 而強溫躍層集中在11~19 m, 溫度范圍在14.2~20.3℃, 溫度變化在0.9℃/m, 厚度為9 m。

圖2 6月3500-10站溫度剖面圖

本文采用了能較好反映測量精密度的均方根誤差RMS來顯示SUNA測量值與真實值之間偏離的程度的, 可用其作為評定這一測量過程精度的標準,

其中, 為obs, i觀測值,model, i為理論真值,為樣本數(shù)量; 對于單一溫鹽校正的測定結果,obs, i觀測值為設備測定的初始值,model, i為使用實驗室出廠標定文件后處理值; 對于實時溫鹽校正后的測定結果,obs, i觀測值為設備測定的初始值,model, i為導入溫度-鹽度校準文件的后處理值。

由于受設備的采樣頻率、下放速度等因素影響, SUNA對于南黃海的強溫躍層的變化可能出現(xiàn)響應滯后, 使用單一溫鹽文件對該站的SUNA數(shù)據(jù)進行校正, 校正后的RMS結果顯示, SUNA在下降-上升過程中, 異常值主要出現(xiàn)在溫躍層處, 波動范圍在0.000 5~0.002 μmol/L(圖3), 推斷SUNA對于強溫躍層的溫度變化響應有延遲, 從而造成數(shù)據(jù)誤差。

圖3 3500-10站未進行溫鹽校正的均方根誤差

本文參考了Sakamoto等[6]的方法, 使用了調查站位處的同步溫鹽數(shù)據(jù), 對SUNA獲取的初始數(shù)據(jù)進行硝酸鹽的進一步校正(公式(3)~公式(5))。其RMS如圖4, 結合同步的溫鹽數(shù)據(jù)后, 其RMS的變化在溫躍層處有了顯著改善, 總體的波動范圍在0.000 1~ 0.000 2μmol/L。

將實時溫鹽數(shù)據(jù)的校正應用到各個剖面中。測量數(shù)據(jù)-校正公式如下:

AS(,)=(+)+exp((+)) (3)

本文將6月份獲取的5條斷面20個站基于室內標定的硝酸鹽數(shù)據(jù)(未使用溫鹽校準), 及使用溫鹽數(shù)據(jù)校正后的107組SUNA硝酸鹽數(shù)據(jù), 分別與傳統(tǒng)方法(San++ Skalar營養(yǎng)鹽分析儀)測定的硝酸鹽數(shù)據(jù)做線性相關分析, 2組結果如圖5、圖6所示。通過對比發(fā)現(xiàn), 使用了溫鹽校正的硝酸鹽數(shù)據(jù)與傳統(tǒng)方法測定的硝酸鹽數(shù)據(jù)的相關性更好(2=0.975 8)。同時, 由于該海區(qū)調查站位中絕大部分硝酸鹽濃度<20 μmol/L, 在此濃度區(qū)間內進行統(tǒng)計和相關性分析, 兩者的對比更為明顯,2值分別為0.934(使用溫鹽校正)、0.823(未使用溫鹽校正)。

圖4 3500-10站進行溫鹽校正的均方根誤差

圖5 南黃海海區(qū), SUNA未修正數(shù)據(jù)與傳統(tǒng)方法測定結果比對

圖6 南黃海海區(qū), SUNA修正數(shù)據(jù)與傳統(tǒng)方法測定結果比對

圖7 南黃海海區(qū), SUNA未修正數(shù)據(jù)與傳統(tǒng)方法測定結果比對(<20 μmol/L)

圖8 南黃海海區(qū), SUNA修正數(shù)據(jù)與傳統(tǒng)方法測定結果比對(<20 μmol/L)

2.3 濁度對觀測結果的影響分析

由于利用紫外吸收光譜法進行測定, SUNA設計時考慮了高濁度環(huán)境對其測定結果的影響, 廠家在實驗室使用時, 設計指標為濁度625 NTU內均可使用, 而對實際海區(qū), 尚無濁度的高低對設備觀測結果影響的報道。南黃海的調查區(qū)域的濁度變化差異很大, 既有蘇北淺灘的濁水區(qū)也有離岸清水區(qū), 濁度的變化可能會對SUNA的測量數(shù)據(jù)有影響[17]。南黃海實際海區(qū)的測定結果顯示, 該調查海域的濁度范圍在1~428 NTU(圖9), 通過分析濁度對觀測結果的影響, 來驗證SUNA可否在濁度差異大的南黃海海區(qū)使用。若能使用, 計算SUNA測量的結果與傳統(tǒng)方法獲取的硝酸鹽數(shù)據(jù)的誤差, 并針對不同的濁度范圍進一步校正。

圖9 2016年5月采樣站位底層濁度示意圖

為驗證儀器在設計的濁度范圍內觀測結果的可靠性, 本文做了濁度影響的初步分析(=275)。初步以濁度10 NTU為界(Turbidity<10 NTU,=210;urbidity> 10 NTU,=65)進行分析。對比不同濁度條件下, SUNA數(shù)值和傳統(tǒng)方法測定值之間的回歸情況, 通過下述幾個不同濁度的回歸情況作出預測(公式(6)), 濁度對SUNA的測定在濁水區(qū)的影響較小, 而在離岸清水區(qū)影響較大。主要是由于清水區(qū)的硝酸鹽濃度較低, 而SUNA的檢出限較高(>0.5 μmol/L), 所以濁度的影響較大。當Turbidity>10 NTU, SUNA測定的數(shù)據(jù)都在檢出限以上; 當Turbidity<10 NTU, 對SUNA與傳統(tǒng)方法的測量結果都在0.5 μmol/L以上時(= 156)的數(shù)據(jù)進一步分析。結果顯示, 濁度對SUNA的測量結果起次要的影響, 初步分析由于設備的測量光程較短(10 mm), 光通過非散射的吸光物質時, 造成的偏離較小。

商業(yè)上現(xiàn)有的方案是控制溫度等外部環(huán)境, 從而不易產(chǎn)生霧氣, 同時在透光窗口處安裝電動刷頭以減少生物附著, 使其保持清潔。對于高濁度海區(qū), 設備使用者每站及時清洗SUNA, 使用去離子水、異丙醇、封口膜等材料對設備的關鍵感光單元清洗, 減少透光窗口的霧氣及有色絡合物附著污染等干擾, 保證測量結果的準確性。把獲取的數(shù)據(jù)進行溫鹽校正, 并探究濁度對設備觀測結果影響, 這對硝酸鹽在線或原位監(jiān)測中實現(xiàn)抗干擾技術具有重要的意義和實用價值。

Turbidity>1 NTU;=275,2=0.95,

= –1.472+0.8631+ 0.0112;

Turbidity>10 NTU;=65,2=0.98,

= –1.505+0.9251+ 0.0022; (6)

Turbidity<10 NTU;=210,2=0.94,

= –1.819+0.8131+ 0.3272;

Turbidity<10 NTU;=156,2=0.94,

= –0.948+0.7881+ 0.2622

其中,是傳統(tǒng)室內方法測定的標準采樣層的硝酸鹽數(shù)據(jù),1是SUNA獲取的硝酸鹽數(shù)據(jù),2是濁度,是樣本數(shù)量。

2.4 SUNA在南黃海觀測應用

南黃海環(huán)境復雜, 地理跨度大, SUNA輸出效率是1 s/個數(shù)據(jù), 集成到CTD上使用, 約0.6~1 m/個數(shù)據(jù), 這有利于開展在南黃海躍層區(qū)、鋒面區(qū)細致觀測, 若集成到其他觀測平臺上, 可同時滿足長期在線或原位硝酸鹽監(jiān)測的需求。2016年南黃海5、6月航次硝酸鹽的SUNA觀測數(shù)據(jù)及實驗室方法測量的結果表明, 5月, 調查海域西部受陸地徑流及蘇北沿岸流的淡水輸入的影響, 硝酸鹽的含量也較高; 近岸區(qū)觀測的表層硝酸鹽都大于30 μmol/L(圖10)。通過鹽度平面分布圖展現(xiàn)淡水輸入的路徑, 結果如圖11所示, 硝酸鹽的表層分布趨勢與鹽度反映的淡水輸入的路徑近似, 入海徑流中的沿岸水攜帶大量陸源營養(yǎng)物質入海, 導致該區(qū)域硝酸鹽含量過高, 為滸苔爆發(fā)提供營養(yǎng)物質基礎。

營養(yǎng)鹽隨著滸苔面積的擴大呈下降趨勢, 說明大量增殖的滸苔具有極強的硝酸鹽吸收能力并迅速生長[18]。南黃海中央海域的硝酸鹽含量為本次調查的最低值區(qū), 這是由于自春季以來, 浮游植物的快速繁殖和生長使硝酸鹽含量銳減, 而且由于溫、密躍層的存在, 營養(yǎng)鹽很難從下、底層水體輸送上來, 又得不到及時補充, 從而使營養(yǎng)鹽低值區(qū)得以逐漸形成。但值得注意的是, 在121.5°E附近海域還存在一個硝酸鹽的低值帶, 與韋欽盛[19]的觀測結果有差異, 原因有待進一步分析。5月航次中使用傳統(tǒng)方法(SKALAR測定)獲取的硝酸鹽的平面分布與圖10的平面分布趨勢接近[20]。

圖10 5月硝酸鹽表層平面分布圖(SUNA)

圖11 5月鹽度表層平面分布圖

圖12 6月35°N硝酸鹽斷面分布圖

圖13 基于SKALAR測定的6月35°N硝酸鹽濃度分布圖(μmol/L)

Christensen等[21]測定了Alaskan北部陸架斜坡區(qū)域的營養(yǎng)鹽剖面含量, 認為陸架坡折存有高營養(yǎng)鹽濃度上升流。Johnson等[22]觀測Monterey海灣中環(huán)境因子在1 a內的變化并發(fā)現(xiàn), 上升流帶來的高營養(yǎng)鹽和低溫海水, 促進藻華暴發(fā), 引起葉綠素濃度升高, 浮游植物大量增殖消耗營養(yǎng)鹽。

35°N斷面具有較典型的鋒面上升流, 2016年6月, 使用SUNA在該斷面獲取營養(yǎng)鹽(圖12), 結果表明, 在黃海陸架鋒與冷水團邊界區(qū)域(鋒區(qū))鋒面上升流現(xiàn)象對營養(yǎng)鹽的斷面分布也會產(chǎn)生顯著的影響, 在鋒區(qū)附近海域存在營養(yǎng)鹽的積聚行為以及底層高濃度營養(yǎng)鹽水體的涌升現(xiàn)象, 在一定程度上影響營養(yǎng)鹽的垂向和橫向輸運通量, 黃海鋒區(qū)的剪切不穩(wěn)定性以及地形作用下的位渦平衡經(jīng)常會產(chǎn)生輻聚。其中, 南黃海海域春、夏季, 綠潮藻暴發(fā)與水文及環(huán)境要素擬合的深入分析將會在其他文中陳述(已投稿)。

由于使用傳統(tǒng)方法采樣的空間分辨率較大(水平方向上0.5~1°E獲取1站數(shù)據(jù), 垂直方向為全剖面5~6層水樣), 對35°N斷面營養(yǎng)鹽的涌升現(xiàn)象刻畫得不明顯(圖13)。針對南黃海鋒面區(qū)、躍層區(qū)細致觀測的需求, SUNA較傳統(tǒng)方法具有優(yōu)勢, 同時由于SUNA采樣頻率的較高, 可以與CTD的數(shù)據(jù)結合, 獲取精細的觀測結果, 進行高時空尺度的多因子耦合分析。

3 研究展望

營養(yǎng)鹽傳感器可實測水平、垂直剖面的營養(yǎng)鹽濃度, 有助于理解水文－化學－生物相互作用, 了解局部海域中營養(yǎng)物質影響生物地球化學循環(huán)過程的機制與速率, 從而提高海洋預測和預報能力。利用SUNA在2016年5~6月開展南黃海硝酸鹽調查工作, 測定結果表明, 在實驗海域中, 修正后的硝酸鹽數(shù)據(jù)與傳統(tǒng)方法的同步觀測結果具有良好的線性關系, 相關性達到0.9以上, SUNA可在蘇北淺灘等濁度較高的海域中使用。對于受陸源輸入影響的高營養(yǎng)鹽含量的海區(qū), SUNA測定結果與傳統(tǒng)方法測定的結果吻合度較高。

由于CTD的供電纜無法提供穩(wěn)定的電壓用以滿足SUNA的供電需求, 使用定制“Y”型纜將CTD與SUNA和其自帶的電池倉連接, 是一個可行有效的的設備集成方案, 從而將獲取數(shù)據(jù)的模式由自容式更新成直讀式。作者已在實驗室初步完成傳感器的集成調試工作, 通過集成可以更好地開展科學研究。例如夏季南黃海海域中, 薄而強盛的溫躍層、葉綠素a最大層與營養(yǎng)鹽分布的關系及其動力過程, 通過葉綠素a最大層及溫躍層的加密觀測有望實現(xiàn)研究目的。

致謝:

本研究獲取的SUNA數(shù)據(jù)由中國科學院海洋研究所環(huán)境工程中心顧秋青工程師、張艷勝博士生協(xié)助完成, 在此表示誠懇的感謝。

[1] Liu Dongyan, Keesing J K, Peimin H E, et al. The world’s largest macroalgal bloom in the Yellow Sea, China: Formation and implications[J]. Estuarine Coastal And Shelf Science, 2013, 129: 2-10.

[2] 高嵩, 石曉勇, 王婷. 滸苔綠潮與蘇北近岸海域營養(yǎng)鹽濃度的關系研究[J]. 環(huán)境科學, 2012, 7: 2204-2209.

Gao Song, Shi Xiaoyong, Wang Ting. Variation of nutrient concentrations at the inshore coastal area of northern jiangsu province and the occurrence of green tide caused by[J]. Environmental Science, 2012, 7: 2204-2209.

[3] Li Jianping, Zhao Weihong. Effects of nitrogen specification and culture method on growth of Enteromorpha prolifera[J]. Chinese Journal of Oceanology and Limnology, 2011, 29(4): 874-882.

[4] Johnson K S, Needoba J A, Riser S C, et al. Chemical sensor networks for the aquatic environment[J]. Chemical Reviews, 2007, 107(2): 623-640.

[5] Prien R D. The future of chemical in situ sensors[J]. Marine Chemistry, 2007, 107(3SI): 422-432.

[6] Sakamoto C M, Johnson K S, Coletti L J. Improved algorithm for the computation of nitrate concentrations in seawater using an in situ ultraviolet spectrophotometer[J]. Limnology and Oceanography-Methods, 2009, 7: 132-143.

[7] Comeau A J, Lewis M R, Cullen J J, et al. Monitoring the spring bloom in an ice covered fjord with the Land/Ocean Biogeochemical Observatory (LOBO)[M]. Vancouver: MTS/IEEE OCEANS, 2007: 499.

[8] Sc Riser, Johnson K S. Autonomous measurements of oceanic dissolved nitrate from commercially available profiling floats equipped with ISUS[EB/OL].https:// www.onr.navy.mil/reports/FY10/npriser.pdf, 2013.

[9] Plant J N, Johnson K S, Sakamoto C M, et al. Net community production at Ocean Station Papa observed with nitrate and oxygen sensors on profiling floats[J]. Global Biogeochemical Cycles, 2016, 30(6): 859-879.

[10] 王洪亮, 高楊, 程同蕾, 等. 營養(yǎng)鹽傳感器在海洋監(jiān)測中的研究進展[J]. 山東科學, 2011, 3: 32-36.

Wang Hongliang, Gao Yang, Cheng Tonglei, et al. Research advances of nutrient sensors in marine monitoring[J]. Shandong Science, 2011, 3: 32-36.

[11] Johnson K S. Simultaneous measurements of nitrate, oxygen, and carbon dioxide on oceanographic moorings: Observing the Redfield ratio in real time[J]. Limnology And Oceanography, 2010, 55(2): 615-627.

[12] Liu X, Levine N M. Enhancement of phytoplankton chlorophyll by submesoscale frontal dynamics in the North Pacific Subtropical Gyre[J]. Geophysical Research Letters, 2016, 43(4): 1651-1659.

[13] 陸榮洋, 申輝, 李大偉. 2015年黃海滸苔演變特征的遙感分析[J]. 海洋科學, 2016, 10: 134-142.

Lu Rongyang, Shen Hui, Li Dawei. Remote sensing of the Yellow Sea green tide evolution in 2015[J]. Marine Sciences, 2016, 10: 134-142.

[14] Johnson K S, Coletti L J. In situ ultraviolet spectrophotometry for high resolution and long-term monitoring of nitrate, bromide and bisulfide in the ocean[J]. Deep-Sea Research Part I-Oceanographic Research Papers. 2002, 49(7): 1291-1305.

[15] 葛人峰, 郭景松, 于非, 等. 黃、東海陸架海域溫度垂直結構類型劃分與溫躍層分析[J]. 海洋科學進展, 2006, 4: 424-435.

Ge Renfeng, Guo Jingsong, Yu Fei, et al. Classification of vertical temperature structure and thermocline analysis in the yellow sea and east china sea shelf sea areas[J]. Advances Inmarine Science, 2006, 4: 424-435.

[16] Zielinski O, Fiedler B, Heuermann R, et al. A new nitrate continuous observation sensor for autonomous sub-surface applications: Technical design and first results[C]//IEEE. Oceans. IEEE, 2007:1-4.

[17] Johnson K, Coletti L, Jannasch H, et al. Long-term nitrate measurements in the ocean using the In Situ Ultraviolet Spectrophotometer: sensor integration into the Apex profiling float[J]. Journal of Atmospheric and Oceanic Technology, 2013, 30: 1854-1866.

[18] Shi X, Qi M, Tang H, et al. Spatial and temporal nutrient variations in the Yellow Sea and their effects on Ulva prolifera blooms[J]. Estuarine Coastal And Shelf Science, 2015, 163(SIA): 36-43.

[19] 韋欽勝, 劉璐, 戰(zhàn)閏, 等. 夏季南黃海海水化學要素的分布特征及影響因素[J]. 中國海洋大學學報(自然科學版), 2010, 1: 82-88.

Wei Qinsheng, Liu Lu, Zhan Run, et al. Distribution features of the chemical parameters in the southern yellow sea in summer[J].Periodical of Ocean University of China, 2010, 1: 82-88.

[20] Li Jing, Song Xiuxian, Zhang Yue, et al. An investigation of the space distribution of Ulva microscopic propagules and ship-based experiment of mitigation using modified clay[J]. Marine Pollution Bulletin, 2017, 117(1-2):247-254.

[21] Christensen J P, Melling H. Correcting nitrate profiles measured by the in situ ultraviolet spectrophotometer in Arctic Ocean waters[J]. Open Oceanogr J, 2009, 3: 59-66.

[22] Johnson K S, Coletti L J, Chavez F P. Diel nitrate cycles observed with in situ sensors predict monthly and annual new production[J]. Deep-Sea Research Part I-Ocea-no-graphic Research Papers, 2006, 53(3): 561-573.

Reliability analysis of spatial and temporal nitrate variations estimated by SUNA in the South Yellow Sea

PAN Jun1, 2, 3, YU Fei1, 2, 3, 4, REN Qiang1, WEI Chuan-jie1, LI Jing5

(1. Centre for Marine Environment Engineering, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. Conter for Ocean Mega-Science, Chinese Academy of Science, Qingdao 266071, China; 4. Laboratory for Ocean Dynamics and Climate, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266071, China; 5. CAS Key Laboratory of Marine Ecology and Environmental Sciences, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China)

To more fully understand the mechanism and rate of the effects of nutrients on the biogeochemical cycle in the Southern Yellow Sea, the spatial and temporal distributions of nitrate were analyzed through field surveys by SUNA and the traditional method in the Southern Yellow Sea (SYS) during green tide occurrences in 2016. The reliability of SUNA was then discussed in terms of temperature, salinity, and turbidity. This research used laboratory calibration, field investigation, and follow-up data processing improvement by temperature and salinity correction and other aspects of the analysis. In other words, comparing the results of the traditional method of the synchronous observation data and turbidity, the correlation of SUNA and SKALAR has a good linear relationship. Therefore, SUNA can be used as a useful tool in the South Yellow Sea, particularly in the Subei coastal area.

South Yellow Sea; Nitrate; SUNA

(本文編輯: 李曉燕)

[Strategic Priority Research Program of the Chinese Academy of Sciences, No.XDA11020301; Science and technology innovation project, No.2016ASKJ02-04; National Natural Science Foundation of China, No. 41376031, U1406401]

May 10, 2017

潘俊(1984-), 男, 山東青島人, 在職博士生, 主要從事海洋調查及數(shù)據(jù)處理, 電話: 0532-82898883, E-mail: panjun@qdio.ac.cn; 于非,通信作者, 博士生導師, 主要從事物理海洋、海洋觀測工作, 電話: 0532-82898187, E-mail: yuf@qdio.ac.cn

P714

A

1000-3096(2017)12-0009-08

10.11759/hykx20170510001

2017-05-10;

2017-07-14

中國科學院戰(zhàn)略性先導科技專項(XDA11020301); 鰲山科技創(chuàng)新計劃項目“近海生態(tài)災害發(fā)生機理與防控策略”(2016ASKJ02-04); 國家自然科學基金項目(41376031, U1406401)