西太平洋暖池海洋热浪在2020～2022,三年拉尼娜事件爆发背景下的演变特征、爆发机制及其影响研究

郑飞 张小娟 曹庭伟 , 3

1 中国科学院大气物理研究所国际气候与环境研究中心(ICCES), 北京 100029

2 甘肃省水利水电勘测设计研究院有限责任公司, 兰州 730000

3 中国科学院大学, 北京 100049

全球变暖已导致地球气候系统能量失衡，尤其是海洋上层温度的极度升高（Cheng et al., 2019）。最近在海洋中发现了极端高温现象，即海洋热浪（Marine Heat wave，MHW），其是海表温度（Sea Surface Temperature，SST）的持续偏暖事件，可持续数天到数月甚至更长时间，范围亦能跨越数千公里的海洋（Pearce and Feng, 2013; Hobday et al.,2016）。MHW 事件在过去几十年中已经变得更频繁、更广泛和更强烈（Frölicher et al., 2018; Oliver et al., 2018; Darmaraki et al., 2019; Laufkötter et al.,2020），不断创记录的MHW 事件已经对海洋生态系统和社会经济造成了广泛且严重的损害（Garrabou et al., 2009; Oliver et al., 2017; Frölicher and Laufkötter, 2018; Cheung and Frölicher, 2020; Dalton et al., 2020）。

由 于 西 太 平 洋 暖 池（Western Pacific Warm Pool, WPWP）具有全球最高的SST 而存在强烈的海气相互作用过程，其在局地乃至全球气候系统中至关重要（Yan et al., 1992; 柏颖, 2016）。最新研究表明，在过去几十年里，WPWP 区域表层和次表层的MHW 爆发频次和持续时间明显增加，且次表层的MHW 在La Niña 事件期间比El Niño 事件期间较强且更频繁（Hu et al., 2021; Spillman et al.,2021; Holbrook et al., 2022; Zhang et al., 2022）。WPWP 区域持续增加的MHW 已经对严重依赖海洋资源来维持经济的沿海国家及其周边地区造成了重大影响（Spillman et al., 2021; Holbrook et al., 2022;Noh et al., 2022; Hamdeno et al., 2022）。而WPWP区域MHW 主要受与ENSO 等相关的海洋—大气动力过程的驱动（Holbrook et al., 2019; Huang et al., 2021; Lee et al., 2022; 张 小 娟 和 郑 飞, 2022），但目前对其的演变特征和爆发机制等的研究还相对较少。此外，考虑到在高能耗温室气体排放情景下，MHW 频次的最大变化将发生在热带西太平洋和北冰洋（Frölicher et al., 2018; Darmaraki et al., 2019;Qiu et al., 2021），故需要进一步探讨西太平洋暖池MHW 的演变特征、物理机制及生态影响等。

本文首先分析了1982～2022 年WPWP 区MHW各属性的时间序列变化、空间分布特征和季节变化，接着重点探讨了在2020～2022 三年拉尼娜事件爆发背景下该区域MHW 的时空演变特征，并利用混合层热收支方程分析了近三年MHW 的爆发机制，最后探讨了其对海洋表层和次表层浮游生物浓度的影响。

2.1 数据说明

本文采用的资料主要包括中国科学院大气物理研究所研发的MHW 高分辨率数据产品，大气海洋再分析资料和叶绿素浓度-a，其具体信息可参考表1。MHW 高分辨率数据产品是基于1982～2022 年美国国家海洋和大气管理局（NOAA）的高分辨率（1/4°）逐日最优插值海表温度（Daily Optimum Interpolation Sea Surface Temperature V2，OISST）数据统计的MHW 日数据。产品在确定阈值时参照了前人的方法（Hobday et al., 2016），其对MHW的定义为：对于每个格点，日平均SST 连续至少五天高于30 年历史基准期（1983～2012）第90 百分位（阈值）的时段，定义为一次MHW 事件。这样每个格点每天都存在一个阈值，其随时空变化可以更真实地分析MHW 的变化特征。本文对MHW的定义与前人对MHW 的定义略有不同，主要采用了原始数据中计算出没有任何平滑的更真实的阈值和气候平均值，因为平滑的气候可以人为地放大MHW 事件的强度并延长其持续时间，另外该研究也处理了多一天的闰年2 月 29 日的 MHW，可以用来准确分析MHW 的日变化过程（Zhang et al.,2022）。叶绿素浓度-a 已被用作浮游生物量的代表（Behrenfeld et al., 2005; Blondeau-Patissier et al.,2014; Hu et al., 2022），故本文也利用其代表浮游生物量的变化。

表1 研究所用数据Table 1 Datasets used in this study

2.2 MHW 的定义和分析方法

本文基于MHW 数据，对WPWP 区域每个格点统计了MHW 特征属性。包括MHW 每年的爆发频次、累积强度（MHW 期间每日强度的总和）、最大强度（MHW 期间日强度的最大值）、平均强度（MHW 发生时期平均每天的海温异常）、总天数（每年MHW 发生的天数）和持续时间（每年MHW 发生的天数除以爆发频次）。

本文主要利用合成分析的方法对La Niña 与MHW 各属性的关系进行了分析（黄嘉佑, 2000），并利用奇异值分解（Singular value decomposition，SVD）方法（魏凤英, 1999）来确定WPWP 区MHW的累积强度与叶绿素浓度-a 的时空相关性，本文选取（20°S～35°N，100°～180°E）范围内的 MHW作为 SVD 右场，同范围的叶绿素浓度-a 作为SVD左场进行了 SVD 分解。

进一步地，为了评估2020～2022 年WPWP 区海气热收支和海洋动力过程对MHW 期间海温变化的贡献，本文使用混合层热收支方程进行了海温异常分析（Jin et al., 2006; Ren and Jin, 2013; Ren and Wang, 2020）。在WPWP 区 域 求 平 均 值（5°S～15°N, 120°E～160°E），线性化的混合层热收支方程可写为

公式（1）中的平均上升流平流可以进一步分解为以下近似（An et al., 1999; Ren and Jin, 2013）：

其中，MC 是平均环流的影响，ZA 是纬向平流反馈，EK 是Ekman 抽吸反馈，TH 是温跃层反馈，NDH 是非线性动力加热项, TD 是净热通量项，R是残余项。

本节首先分析了1982～2022 年西太平洋暖池平均日SST 异常和MHW 的覆盖面积。图1 是统计得到的1982～2022 年WPWP 区平均日SST 异常和MHW 覆盖面积的时间序列。自1982 年卫星观测时期以来，WPWP 经历了显著的表层变暖，尤其是在2000 年之后（图1a），这可能是人为强迫和内部变率的结果（Oliver et al., 2018; Laufkötter et al., 2020）。相应地，近年来在WPWP 区出现了更频繁的、面积更大的MHW（图1b）。在过去四十一年，WPWP 的MHW 覆盖面积（某一天的综合面积）呈显著增加趋势，其中1998 年、2010/2011 年、2013/2014 年、2016/2017 年 和2020～2022 年MHW 的覆盖面积超过平均覆盖面积的四倍。在这些MHW 覆盖面积显著的年份中，除了2014 年，其他年份都为连续La Niña 年。而且，最近三年的SST 正异常和MHW 覆盖面积都达到了四十一年来的历史最高，这可能与2020～2022 年三年La Niña 的发生有关。由上可知，西太平洋暖池MHW 覆盖面积的变化与全球增暖的趋势和连续La Niña 的发生密切相关，本次研究主要讨论连续La Niña 对西太平洋暖池MHW 各属性的影响。前人研究表明全球变暖是强MHW 越来越频发的重要 原 因 之 一（Oliver et al, 2018; Laufkötter et al.,2020），故对于全球增暖趋势和La Niña 的年际变率对MHW 影响的归因分析，可在后续研究中进一步深入探讨。

1982～2022 年WPWP 区 域 六 种MHW 属 性（爆发频次、累积强度、最大强度、平均强度、总天数和持续时间）的空间分布如图2 所示。WPWP的MHW 爆发频次、总天数和持续时间空间分布比较一致，其大值区主要集中在5°N 以北（图2a，e和f）。此外，WPWP 区MHW 爆发频次整体偏高，平均每年发生5 次左右（图2a）。MHW 的累积强度存在一个明显的大值区，主要位于（2°N～15°N，125°E～140°E（图2b）。MHW 的最大强度和平均强度也有一致的空间分布特征，大部分区域最大强度为1.65°C 左右，平均强度为1.1°C 左右。总体而言，WPWP 区年平均MHW 属性表现出爆发频次高，总天数多，平均强度较小的特征。

基于以上分析，WPWP 区域在2020～2022 年MHW 覆盖面积达到了41 年来最高。为了进一步探究近三年WPWP 区域MHW 各属性的异常空间分布特征，本文分别对2020～2022 年平均MHW的爆发频次、累积强度、最大强度、平均强度、持续时间和总天数计算了其基于41 年气候态（1982～2022 年）的异常值（图3）。如图3 所示，WPWP的MHW 各属性整体都有正异常，MHW 的爆发频次、累积强度和总天数存在显著的正异常大值区，主要位于125°E～145°E 海域（图3a，b，e）。其中，MHW 爆发频次较往年增加最显著，大部分区域异常值达到了6 次（较常年增加了一倍），表明在连续三年La Niña 事件背景下，WPWP 区的MHW爆发频次显著增加（图3a）。同理，WPWP 大部分区域MHW 的累积强度异常值达到了96°C d，总天数的异常值更是达到了74 天（图3b，e）。表明连续La Niña 事件的发生可促使此区域MHW变得更加持续和强度增强（图3b）。对于MHW的最大强度和平均强度，其较往年的异常值较小（图3c，d）。由图3f 所示，近三年MHW 的持续时间在其本身较大的区域有最强的正异常。综上可意识到，2020～2022 年WPWP 区MHW 表现出较往年更频繁和持续，平均强度增强较小的特征，这可能主要与连续三年的La Niña 事件爆发相关。此外，前人研究表明，持续时间的MHW 的累积强度也会增强，其会对海洋生物造成长期的持续的毁灭性影响（Holbrook et al., 2022）。

图3 2020～2022 年西太平洋暖池区年平均海洋热浪（MHW）属性相对于气候态（1982～2022）的异常：（a）MHW 的爆发频次（次数）；
（b）累积强度（单位：°C d）；
（c）最大强度（单位：°C）；
（d）平均强度（单位：°C）；
（e）总天数（单位：d）；
（f）持续时间（单位：d）。打点区表示通过显著性检验（异常值超过一倍标准差）。Fig.3 Anomalies of the annual mean MHW in the WPWP from 2020 to 2022 relative to the climatological mean from 1982 to 2022: (a) MHW frequency (counts); (b) cumulative intensity (units: °C d); (c) maximum intensity (units: °C); (d) intensity mean (units: °C); (e) total days (units: d);(f) durations (units: d).The dotted area indicates passing the significance test (i.e., the anomalies exceed the standard deviation).

为了验证WPWP 区域MHW 与多年La Niña的相关性，本文进一步分析了研究区域MHW 各属性区域平均的年变化与连续La Niña 事件的关系。图4 即为MHW 各属性区域平均的年变化，其中橙色条代表连续两年及以上的La Niña 事件，蓝色星号为三年连续事件。在过去41 年里，MHW 的累积强度、爆发频次、总天数和持续时间在统计上显著增加，且各属性值较大的年份与连续La Niña 事件有较好的对应关系，尤其是在2020～2022 年这四个属性达到了历史极值（图4a，d-f）。除此之外，MHW 的累积强度、爆发频次和总天数在2013/2014、2016/2017 和2020～2022 年超过了各属性长期平均值长的两倍（图4a，d-e）。同时，MHW 的最大强度和累积强度与连续三年La Niña也有较强的关系，其都在1998 年达到了历史最高（图4b，c）。这表明近年来在连续La Niña 事件的背景下，WPWP 区域爆发了累积强度更强、更频繁的、持续时间更长的、覆盖面积更广的MHW事件。

图4 1982～2022 年WPWP 区年平均MHW 属性的时间序列：（a）MHW 的累积强度（单位：°C d）；
（b）最大强度（单位：°C）；
（c）平均强度（单位：°C）；
（d）爆发频次（次数）；
（e）总天数（单位：d）；
（f）持续时间（单位：d）。红色柱状条表示值超过MHW 各属性整个时间序列平均值的两倍，橙色条代表连续La Niña 年，带菱形为三年连续事件。Fig.4 Time series of the annual mean MHW properties in the WPWP from 1982 to 2022: (a) Cumulative intensity (units: °C d); (b) maximum intensity (units: °C); (c) intensity mean (units: °C); (d) frequency; (e) total days (units: d); (f) durations of MHW (units: d).The red bars in (a)-(f) denote the values that are more than twice the averages of the full-time series, the orange bars denote the multiyear La Niña events, and the diamonds denote the three-year La Niña events.

基于以上结果，本文研究揭示了WPWP 区域MHW 的累积强度、爆发频次和总天数在近几十年显著增加，并且受连续La Niña 事件的影响更为显著。本文进一步分析了WPWP 区域平均月MHW累积强度（一个月内MHW 总的强度）、爆发频次（一个月内发生MHW 的次数）和总天数（一个月内MHW 总日数）的季节变化。可以看到，1982～2022 年WPWP 区域月MHW 累积强度和总天数存在季节变化，其在3 月份和9 月份达到峰值，而爆发频次没有明显的季节变化（图5a， c， e）。对于MHW 累积强度、爆发频次和总天数在连续La Niña 年（图4 选择的连续La Niña 年）合成的季节变化，月MHW 累积强度和总天数显著增加，其只在9 月份达到最大值（图5b，d）。同理，连续La Niña 年月MHW 爆发频次也有所增加，但是没有明显的季节变化（图5f）。因此，WPWP 区MHW累积强度和总天数的季节变化受到连续La Niña 事件的影响。

图5 WPWP 区MHW 属性的季节变化。1982 年1 月至2022 年12 月的月MHW（a）累积强度、（c）总天数和（e）爆发频次的合成。(b) 连续 La Niña 年的月MHW（b）累积强度、（d）总天数和（f）爆发频次的合成。蓝色误差棒代表均值的95%置信区间。Fig.5 Seasonal variations of the MHW properties in the WPWP.A composite of the monthly MHW (a) cumulative intensity, (c) total days, and (e)frequency from January 1982 to December 2022.A composite of the monthly MHW (b) cumulative intensity, (d) total days, and (f) frequency for multiyear La Niña events.The blue error bars represent the confidence interval of the mean (95%).

以上统计分析表明，在连续三年La Niña 事件的背景下，2020～2022 年WPWP 区MHW 的覆盖面积、累积强度、爆发频次和总天数都达到了41年以来的最高值，且MHW 的累积强度和总天数在9 月最显著。由图6a 可以看到，2020～2022 年在连续La Niña 的背景下，WPWP 区MHW 事件爆发频次是全球最显著的。且2020～2022 年WPWP区域MHW 事件在一年中任何季节都有发生，最显著的事件发生在2020 年的夏季（图6b）。

图6 2020～2022 年（a）MHW 爆发频次空间分布和（b）WPWP 区域平均出现MHW 事件的季节变化。（a）中黑色框为WPWP 区（5°S～15°N，120°E～160°E），（b）中黑色线代表海表温度（SST），绿色线为90%阈值，蓝色线为SST 气候态平均，橙色阴影为统计出现的MHW 事件。Fig.6 (a) Spatial distribution of the outbreaked frequency of MHW from 2020 to 2022 and (b) seasonal variations in the area mean MHW in the WPWP.The black frame in (a) represents the WPWP region (5°S-15°N, 120°E-160°E); the black line in (b) represents the sea surface temperature(SST), the green line represents the 90% threshold of SST, the blue line represents the climatic state of SST, and the orange shade represents the statistical MHW.

上文分析表明，2020～2022 年在连续三年La Niña 事件背景下，WPWP 区域MHW 事件的部分属性都达到了历史极值，且爆发频次为全球最显著。前人研究表明全球变暖是西太暖池区MHW 频发和变强的重要原因（Sen et al., 2020; 张小娟和郑飞,2022）。三年La Niña 是一个年际气候现象，前人研究也强调了其对暖池MHW 的调制作用（Huang et al., 2021; Lee et al., 2022），因此本文主要关注了这次超长La Niña 事件对暖池MHW 的影响。为了探讨近三年WPWP 区域MHW 事件爆发的驱动机制，本小节接下来分析了WPWP 区域线性化的混合层热收支方程（公式5.4），用于研究动力过程和热力学过程对MHW 爆发的贡献。由图7i 可看出，2020～2022 年MHW 累积强度峰值出现在2020 年夏季（7～9 月），因此本文重点分析2020年7～9 月期间上层海洋的温度收支过程。在最强MHW 事件发生前期（2020 年2～6 月），暖海温异常开始逐步发展以储存热量，其主要由平均环流项异常、非线性动力加热项异常主导（图7a，e）。当MHW 累积强度达到最强时（2020 年7 月之后），净海表热通量项异常、纬向平流异常和残余项异常的贡献变得更突出（图7b，f，g）。此时海气净热通量异常和纬向平流异常两个过程共同推动了暖温度异常的变化，而其它海洋动力项对WPWP 区域的海温正异常贡献不显著。纬向平流项的正异常是与连续三年La Niña 事件背景下，东风持续的正异常带来的西太平洋暖池暖水堆积有关。对于Ekman 抽吸反馈、温跃层反馈，其对WPWP区域海温正异常贡献不显著（图7c-e）。此外，值得注意的是，2020～2022 年净海表热通量项的时间序列波动与海温倾向的序列波动基本一致，纬向平流在2020 年6 月之后也一直处于正异常状态（图7b， f），表明整个时期WPWP 区域的MHW事件的形成主要是由海气净热通量和纬向平流异常过程所引起的。

图7 2020～2022 年WPWP 区域混合层热收支和月MHW 累积强度。（a）平均环流影响（MC）；
（b）纬向平流反馈（ZA）；
（c）Ekman抽吸反馈（EK）；
（d）温跃层反馈（TH）；
（e）非线性动力加热项（NDH）；
（f）净热通量项（Qnet）；
（g）残余项（Res）。（a）-（g）中黑线为混合层温度异常收支。（h）各项反馈的占比，（i）WPWP 区月MHW 累积强度。Fig.7 Mixed layer heat budget and monthly MHW cumulative intensity in the WPWP from 2020 to 2022: (a) Effect of mean circulation (MC);(b) zonal advection feedback (ZA); (c) Ekman pumping feedback (EK); (d) thermocline feedback (TH); (e) nonlinear dynamical heating (NDH); (f) net heat flux (Qnet); (g) residual term (Res).The black line denotes the mixed layer temperature anomaly budget.(h) Proportion of seven feedbacks.(i) Cumulative intensity of the monthly MHW in the WPWP region.

基于以上的分析可知，净海表热通量在2020～2022 年WPWP 区域MHW 事件的形成和维持中起到了关键作用，因此本文进一步分析了净海表热通量的各项异常的贡献（公式5.2）。在净海表热通量各项异常中，向下短波辐射和净潜热通量的异常值波动较大，而向下长波辐射、向上长波辐射、感热通量和向上短波辐射异常值较小（图8）。其中，向下短波辐射正异常对上层海洋变暖起主导作用，其序列波动与海温倾向波动较一致（图8d）。这可能是由于大气内部变率导致降水减少，造成云量减少，使得更多的短波辐射加热海洋（Wu et al.,2006; He et al., 2018）。2020～2022 年净向下短波辐射正异常是净海表热通量中使得MHW 频繁发生的主要驱动因素。

基于前面的研究分析，可明确在连续La Niña事件背景下，2020～2022 年WPWP 区域MHW 事件为1982 年以来最显著，这期间最强MHW 的发生（2020 年7～9 月）主要由净海表热通量和海洋动力过程共同主导。前人研究表明，MHW 的发生通常会降低浮游植物生物量（Noh et al., 2022;Hamdeno et al., 2022），因此本文同时利用SVD 方法探讨了WPWP 区域频繁发生的MHW 对浮游生物量的影响。如图9 所示，2020～2022 年MHW累积强度与海洋生态指标海表面叶绿素-a 浓度两者SVD 分解的第一对模态的空间分布和时间序列。可以看到，第一对SVD 模态的方差贡献率为50%，且对应时间序列的相关系数较高（0.84）（图10c）。由图10 可知，在拉尼娜事件的盛期，WPWP 区域MHW 事件累积强度呈现正异常分布，海表面叶绿素-a 浓度场主要呈现出负异常分布，二者为负相关协同变化。例如在2020 年5～11 月期间，MHW累积强度增加，而海表面叶绿素-a 浓度主要呈现降低趋势（图10c）。

为了进一步探讨2020～2022 年WPWP 区域浮游生物量在次表层以及温跃层的变化，本文选取了包含2020～2022 年WPWP 区域叶绿素-a 浓度数据的三个Argo 浮标，这三个浮标的活动范围为（11°N～14°N, 125°E～158°E），时 间 范 围 是2020 年8 月至2022 年12 月。本文根据这3 个浮标观测的温跃层叶绿素-a 浓度探讨了WPWP 区域MHW 事件对海表层以下浮游生物量的影响。图10呈现了研究区表层至220 m 温跃层深度浮游生物的三维结构（卫星数据的海表面分布和3 个浮标叶绿素-a 浓度剖面的垂直分布）及其在不同深度层的季节变化。由图10 可以看出，近表层和混合层的浮游植物生物量较低，其叶绿素-a 浓度基本都小于0.1 mg m-3，尤其是在混合层最浅的时候。浮游生物量主要聚集在混合层下方到200 m 左右的温跃层（0.25 mg m-3左右），且具有季节变化，其在每年的11 月左右有极值。此外，在频繁的MHW 事件爆发背景下，近三年研究区域的浮游生物量在近表层、混合层、混合层以下以及最多层都有显著的减少（图10d）。2020～2022 年WPWP 区域浮游生物量整体都呈下降趋势，表明频繁发生的MHW事件不利于暖池区域海洋上层浮游生物的生存和生长。

本文分析了1982～2022 年WPWP 区域MHW事件的空间分布特征和季节—年际变化，并重点探讨了MHW 在2020～2022 年连续三年La Niña 事件背景下频繁爆发的驱动机制与生态影响，得到以下几点结论：

（1）近几十年来，尤其是在2000 年之后，WPWP区域MHW 事件的覆盖面积、爆发频次、总天数、累积强度等属性均呈现显著增加的趋势。与此同时，在季节—年际尺度上，WPWP 区域MHW 事件与连续La Niña 事件的爆发相关，其在2020～2022年连续La Niña 事件背景下MHW 爆发频次达到全球最高，且MHW 的覆盖面积、爆发频次、总天数、累积强度达到41 年来最高。

（2）利用混合层热收支方程探讨了2020～2022 年WPWP 区域MHW 事件的驱动机制。最强MHW 事件的发生（2020 年夏）主要是由净海表热通量中向下短波辐射和海洋动力过程中的纬向平流导致。

（3）揭示MHW 事件与海洋生态指标叶绿素-a 浓度在时空尺度上呈现负相关的协同变化关系，当MHW 为正异常分布时，海表面叶绿素-a 浓度呈现降低趋势，其在2020 年7～9 月最为典型。进一步利用浮标表层至温跃层叶绿素-a 浓度数据分析表明，近表层和混合层的浮游生物量较低，浮游植物生物量主要聚集在海洋混合层下方到200 m左右的温跃层，且具有季节变化。同时，在本文研究区域，近三年浮游生物量在近表层、混合层、混合层以下都有显著的减少，与频繁发生的MHW 事件导致暖池区域海洋上层生物量整体呈下降趋势有关。

此外，本文初步利用混合层热收支方程分析了MHW 期间海温的变化，对于MHW 事件的天气尺度成因分析需要进一步细化。由于本文所用的海洋温度和洋流数据是GODAS 提供的，而GODAS的海洋再分析数据是由NCEP2 提供的动量通量、热通量等驱动出来的，其与NCEP2 相匹配，故本文对西太暖池MHW 的驱动机制分析采用的是分辨率较低的海面通量数据NCEP2，本研究计划下一步研究利用其它较高分辨率的海面通量数据（比如ERA5 等）进一步对比验证MHW 期间海温的变化。对于遥相关过程，例如PDO 对WPWP 区域MHW事件的影响也需要后续深入研究。与此同时，WPWP区域MHW 事件跟ENSO 本身关系密切，我们是否可以根据ENSO 预报系统开展暖池区域MHW的预测研究可做进一步尝试。

猜你喜欢 天数通量叶绿素 本周连涨天数居前个股证券市场周刊(2024年10期)2024-03-28本周连涨天数居前个股证券市场周刊(2024年8期)2024-03-16本周连跌天数居前个股证券市场周刊(2024年8期)2024-03-16冬小麦田N2O通量研究农业灾害研究(2022年1期)2022-05-07提取叶绿素阅读（科学探秘）(2020年8期)2020-11-06桃树叶绿素含量与SPAD值呈极显著正相关中国果业信息(2019年1期)2019-01-05叶绿素家族概述生物学教学(2017年9期)2017-08-20生日谜题小天使·六年级语数英综合(2017年8期)2017-08-04缓释型固体二氧化氯的制备及其释放通量的影响因素化工进展(2015年6期)2015-11-13由松针制取三种叶绿素钠盐及其稳定性的研究食品工业科技(2014年6期)2014-05-10