极地中心极地冰雪与气候变化研究所在南极冰盖冰脊B区域地热通量研究方面取得新进展
发布日期:2024-11-22 11:09:19
极地中心极地冰雪与气候变化研究所在南极冰盖冰脊B区域地热通量研究方面取得新进展
在南极找到超过百万年的最古老冰芯记录是揭示中更新世地球气候转型机制的关键。模型结果显示,位于南极冰盖分冰岭位置的冰穹A、冰穹C、冰穹F以及冰脊B等,是最古老冰发育的主要潜在区域。因此,国际上已先后实施了冰穹A、冰穹C、冰穹F等区域的详细探测研究,并启动了冰穹A和冰穹C的深冰芯钻探。由于冰脊B区域位于南极内陆深处,且远离各国南极考察保障基地,是南极观测数据最稀疏的区域之一,针对冰脊B区域最古老冰芯记录的探测研究几乎是空白。地热通量(Geothermal Heat Flux, GHF)直接决定了冰盖底部的冻融和热状态,是评估冰芯年代、寻找最古老冰的最关键参数之一,也是冰下水文和地质学研究的重要参数。目前,国际上仅有基于有限的地震、重、磁观测数据反演得到的全南极地热通量模型,这些模型准确性差、空间分辨率低,无法满足最古老冰芯记录研究的需要。
2015年中国第32次南极科学考察,我国构建的首个南极航空科考平台——“雪鹰601”投入运营。之后,依托“雪鹰601”科考平台,我国在冰脊B区域持续获取了宝贵的航空冰雷达数据(测线见图1),在国际上首次实现对该区域较为详细的航空调查,使得开展冰脊B区域地热通量模型及其冰芯年代研究成为可能。
图1 冰脊B航空冰雷达测线分布图
本研究基于我国在冰脊B区域获取的航空冰雷达数据,首先,根据所有的临界冰厚计算冰底压力融点(Pressure Melting Point, PMP),进而通过热力学模型计算每个PMP位置对应的GHF。由于这些PMP的位置离散分布在冰脊B区域,所以使用克里金插值法对离散的GHF值进行插值,以获取初步的GHF模型。然后,引入团队前期提出的高准确性冰底干湿诊断方法(Lang et al., 2022),通过冰盖底部相对反射率计算、干湿阈值诊断和干湿过渡带提取,得到该区域的冰底干湿分布结果。由于区域内的冰下水体/冰下湖可以用来约束局部GHF的最小值,区域内的局部冰底干带可以用来约束局部GHF的最大值,因此,可以根据冰底干湿分布结果,对初步的GHF模型进行修正。本研究通过在初步的GHF模型中寻找与局部冰下干带和冰下水体约束的GHF值相矛盾的位置来找到修正点,自适应地修正初步的GHF模型。最后,对修正后的GHF数据集重新进行克里金插值,成功构建了5 km空间分辨率的冰脊B区域GHF模型(图2)。
图2 a)冰脊B区域GHF模型;b) 冰脊B区域干湿分布和压融点位置分布;c)新的GHF模型的不确定性
新的GHF模型进一步提升了现有模型的空间分辨率(最高仅为10 km),其结果显示,冰脊B区域GHF呈现了较为明显的小尺度变化特征,其变化范围为48.5 ~ 65.1,证实了南极GHF在小范围内发生快速变化的可能性(图3)。冰脊B区域GHF的平均值为58 ,与现有模型在该区域的均值接近,证明了新的GHF模型的可靠性。
图3 新的GHF模型(a)和现有模型(b-g)在冰脊B区域的结果对比
2015年以来,依托首个南极航空科考平台“雪鹰601”,我国已累计完成7个年度、超过20万公里的南极冰盖大范围航空观测。研究团队持续致力于发展谱系化的自主冰雷达技术体系,构建高效、高质量的航空冰雷达数据处理、分析和解译方法,推动南极关键区域的航空科学调查,开展南极冰盖冰底环境、过程和冰盖不稳定性前沿研究。本研究是团队在南极冰底环境研究领域取得的又一重要进展,凸显了在南极寻找最古老冰以及开展冰下水文和地质学等研究时,必须将地热通量的小尺度变化纳入考虑的重要性,并将为上述研究提供关键支撑和重要依据。
相关研究成果在线发表于国际冰川学会经典学术期刊Journal of Glaciology。论文通讯作者为中国极地研究中心(中国极地研究所)极地冰雪与气候变化研究所崔祥斌研究员,第一作者为北京工业大学信息学部稂时楠副教授。此外,中国极地研究中心(中国极地研究所)的孙波研究员、郭井学正高级工程师、李霖副研究员,中科院空天信息创新研究院刘小军研究员,同济大学的博士生王晓峰,北京工业大学的硕士生杨铭铸,美国斯克里普斯海洋研究所和德克萨斯大学地球物理学中心的Jamin Greenbaum研究员,英国埃克斯特大学的Martin Siegert教授,均参与了本研究工作。本研究得到了国家自然科学基金项目(No. 42376253)和上海市“科技创新行动计划”项目(No. 21ZR1469700)的资助。
相关论文:
Lang S, Yang M, Cui X*, et al. Geothermal heat flux of Ridge B region in Antarctica inferred from basal dry-wet distribution. Journal of Glaciology. Published online 2024:1-29, doi:10.1017/jog.2024.85
Lang, S., Yang, M., Cui, X.*, Li, L., Cai, Y., Liu, X., Guo, J., Sun, B. and Siegert, M., A Semi-Automatic Method for Predicting Subglacial Dry and Wet Zones through Identifying Dry-Wet Transitions, IEEE Transactions on Geoscience and Remote Sensing (2022), doi: 10.1109/TGRS.2022.3225628.
来源:中国极地研究中心(中国极地研究所)