Abstrak
Pompa karbon biologis (BCP) lautan memainkan peran kunci dalam siklus karbon global dengan mengangkut karbon yang terikat secara biologis dari permukaan ke laut dalam. Analisis sebelumnya dari BCP dalam simulasi Earth System Model (ESM) biasanya mengevaluasi fluks karbon organik partikulat (POC) pada horizon kedalaman ekspor tetap 100 m. Namun, ini mengabaikan variasi spasial dan temporal pada kedalaman yang harus ditembus POC yang tenggelam untuk mencapai mesopelagik atau untuk menyerap karbon dari atmosfer pada skala waktu yang relevan dengan iklim. Kami menggunakan keluaran fluks POC yang diselesaikan secara kedalaman dari delapan Coupled Model Intercomparison Project Phase 6 (CMIP6) ESM untuk membandingkan perubahan global dan regional dalam fluks POC pada lima horizon kedalaman ekspor −100 m, dasar zona eufotik (kedalaman EZ), kedalaman kompensasi partikel (PCD), kedalaman lapisan campuran tahunan maksimum (MLD maks ), dan 1.000 m—di bawah skenario emisi tinggi SSP5-8.5. Kami juga meneliti hubungan antara produksi primer bersih, efisiensi ekspor dari permukaan laut, dan efisiensi transfer ke kedalaman di wilayah-wilayah utama laut, mengidentifikasi variasi khusus model dan wilayah dalam penggerak mekanistik perubahan fluks POC di laut dalam. Secara global dan spasial, tren dalam besaran dan penurunan fluks POC serupa pada empat horizon kedalaman ekspor permukaan, dan variabilitas multimodel dalam perubahan fluks POC pada tahun 2100 paling besar pada horizon kedalaman ekspor 1.000 m (+4% hingga −55%). Hal ini menunjukkan pentingnya meningkatkan parameterisasi model efisiensi transfer dan fluks POC ke laut dalam.
Poin-poin Utama:
- Fluks ekspor karbon diproyeksikan menurun di bawah SSP5-8.5 pada sebagian besar model di setiap horizon kedalaman ekspor
- Perubahan fluks ekspor karbon serupa ketika dievaluasi di dasar zona eufotik, kedalaman kompensasi partikel, dan 100 m
- Pola global dan spasial perubahan fluks ekspor karbon paling bervariasi pada ketinggian 1.000 m, yang merupakan hasil dari ketidakpastian besar dalam efisiensi transfer.
1 Pendahuluan
Pompa karbon biologis (BCP) adalah mekanisme kompleks yang dengannya sebagian kecil karbon yang difiksasi secara fotosintesis di permukaan laut tenggelam atau diangkut ke laut dalam, tempat karbon tersebut dapat diserap dalam skala waktu mulai dari bulan hingga abad (Boyd et al., 2019 ; Le Moigne, 2019 ; Passow & Carlson, 2012 ; Siegel et al., 2023 ). Pompa ini memainkan peran penting dalam siklus karbon global dengan menarik CO2 atmosfer , menggerakkan sebagian besar gradien vertikal karbon anorganik terlarut, dan menyusun dasar jaring makanan dalam ekosistem mesopelagik (DeVries, 2022 ; Siegel et al., 2023 ). Ada beberapa jalur ekspor karbon melalui BCP, termasuk pompa gravitasi, yang digerakkan oleh tenggelamnya partikel, dan berbagai pompa injeksi partikel—pompa lapisan campuran, pompa subduksi eddy, pompa migran vertikal, dan pompa lipid musiman (Boyd et al., 2019 ). Pompa gravitasi menyumbang sekitar 70% dari ekspor BCP (Boyd et al., 2019 ; Nowicki et al., 2022 ; Passow & Carlson, 2012 ) dan merupakan fokus utama studi ini. Estimasi fluks ekspor global BCP, 5–12 Pg C/thn (DeVries & Weber, 2017 ; Henson et al., 2011 , 2022 ; Siegel et al., 2016 ), secara signifikan lebih besar daripada laju penyerapan CO2 oleh lautan dari atmosfer saat ini ( 2,9 ± 0,4 Pg C/thn; Friedlingstein et al., 2023 ). Kekuatan keseluruhan BCP, yaitu jumlah karbon yang diekspor dari permukaan laut, dipengaruhi oleh laju produksi primer di permukaan laut, dan oleh pengaruh biologis dan fisik pada efisiensi perpindahan bahan organik dari permukaan ke laut dalam (Boyd et al., 2019 ; Siegel et al., 2023 ). Bahkan pengurangan kecil dalam kekuatan BCP dapat memberikan umpan balik yang besar pada sistem iklim Bumi, meningkatkan tingkat CO2 atmosfer dan berdampak pada pengasaman dan deoksigenasi laut dalam di masa mendatang (Boyd et al., 2019 ; Henson et al., 2022 ; Oschlies et al., 2008 ; Sarmiento et al., 2004 ).
Model sistem bumi (ESM) secara konsisten setuju bahwa kekuatan BCP diproyeksikan menurun seiring dengan meningkatnya perubahan iklim (Bopp et al., 2013 ; Burd, 2024 ; Cabré et al., 2015 ; Fu et al., 2016 ; Henson et al., 2022 ; Laufkötter et al., 2016 ; Wilson et al., 2022 ). Dalam ESM, produksi ekspor dari BCP paling sering disimulasikan sebagai fluks karbon organik partikulat gravitasi (POC) dan dievaluasi sebagai fluks melalui cakrawala kedalaman tetap. Pada kedalaman 100 m, generasi terbaru ESM dari Coupled Model Intercomparison Project Phase 6 (CMIP6; Eyring et al., 2016 ) memproyeksikan berbagai perubahan fluks POC global pada akhir abad ke-21 di bawah skenario emisi tinggi SSP5-8.5, dari +1,8% hingga −41% (Henson et al., 2022 ). Dalam representasi model BCP ini, distribusi spasial perubahan fluks POC pada kedalaman 100 m juga tidak pasti, dengan 90% ESM CMIP6 menyetujui tanda perubahan fluks ekspor hanya di 16% lautan (Henson et al., 2022 ). Parameterisasi ESM dari BCP dibatasi oleh pengamatan yang jarang (Burd, 2024 ; Doney et al., 2024 ; Marsay et al., 2015 ; Wang & Fennel, 2024 ) dan simulasi CMIP6 hanya mewakili pompa gravitasi (fluks POC). Namun, parameterisasi ESM telah ditingkatkan sejak CMIP5 (Burd, 2024 ; Séférian et al., 2020 ), dan ESM adalah alat ilmiah utama untuk memproyeksikan perubahan masa depan dalam BCP.
Perbandingan model berpasangan sebelum CMIP6 hanya mengarsipkan keluaran fluks POC pada horizon kedalaman ekspor tetap 100 m. Ini adalah horizon kedalaman yang paling konsisten digunakan dalam analisis multimodel BCP (Bopp et al., 2013 ; Burd, 2024 ; Cabré et al., 2015 ; Doney et al., 2024 ; Fu et al., 2016 ; Henson et al., 2022 , 2024 ; Laufkötter et al., 2015 , 2016 ; Wang & Fennel, 2024 ; Wilson et al., 2022 ). Secara observasi, belum ada pilihan yang konsisten untuk horizon kedalaman ekspor, dengan berbagai penelitian memilih berbagai kriteria untuk seberapa dalam material organik harus menembus agar dapat dihitung sebagai yang diekspor (Buesseler et al., 2020 ; Palevsky & Doney, 2018 ). Horizon kedalaman ekspor yang berbeda akan menghasilkan estimasi efisiensi BCP yang berbeda karena fluks POC melemah secara eksponensial seiring dengan kedalaman, seperti yang dijelaskan oleh “Kurva Martin” (Martin et al., 1987 ). 100 m adalah pilihan horizon kedalaman ekspor yang disederhanakan yang dimaksudkan untuk memperkirakan dasar lapisan produktif (zona eufotik), tetapi dapat menyebabkan estimasi yang terlalu tinggi/rendah secara sistematis terhadap fluks ekspor dan efisiensi BCP (Buesseler et al., 2020 ). Ini tidak memperhitungkan variabilitas spasial dan temporal dalam kedalaman eufotik atau proses fisik yang memengaruhi penyerapan karbon.
Terdapat beberapa cakrawala kedalaman ekspor yang telah diusulkan selain 100 m (Gambar 1 ):
Dasar zona eufotik (kedalaman EZ) adalah kedalaman di mana fotosintesis dan produksi partikel berhenti dan hanya respirasi yang terjadi di bawahnya (biasanya antara 20 dan 200 m). Kedalaman EZ adalah pilihan ideal cakrawala kedalaman ekspor untuk menilai dinamika jaring makanan dan sumber energi mesopelagik (Buesseler & Boyd, 2009 ; Buesseler et al., 2020 ; Palevsky & Doney, 2018 ). Ada banyak metrik berbeda untuk mendefinisikan kedalaman EZ, yang dapat membuatnya sulit untuk dinilai secara observasional dan untuk didefinisikan dalam model (Buesseler et al., 2020 ).
Kedalaman kompensasi partikel (PCD), di mana laju fotosintesis dan respirasi sama dan fluks POC berada pada titik maksimumnya pada kedalaman apa pun melalui kolom air, berguna untuk aplikasi yang serupa dengan kedalaman EZ dan mudah didefinisikan dalam keluaran model yang diselesaikan secara mendalam. Namun, sulit untuk mengukurnya secara observasional (Palevsky & Doney, 2018 ).
Untuk pertanyaan mengenai dampak transportasi fisik pada BCP dan penyerapan karbon jangka panjang (>1 tahun), kedalaman lapisan campuran tahunan maksimum (MLD maks ) adalah pilihan cakrawala kedalaman ekspor yang tepat karena begitu POC turun di bawah MLD maks , POC yang telah diremineralisasi akan tetap tidak bersentuhan dengan atmosfer untuk skala waktu tahunan atau lebih besar (Körtzinger et al., 2008 ; Palevsky & Doney, 2018 , 2021 ; Palevsky et al., 2016 ).
Horizon kedalaman ekspor 1.000 m dianggap sebagai “fluks sekuestrasi” (Lampitt et al., 2008 ). 1.000 m bertepatan dengan dasar zona mesopelagik dan jauh di bawah lapisan campuran di sebagian besar lautan, menjadikannya pilihan horizon kedalaman ekspor yang sesuai untuk pertanyaan tentang dampak BCP yang relevan dengan iklim (>100 tahun) (Boyd et al., 2019 ; Doney et al., 2024 ; Passow & Carlson, 2012 ; Ricour et al., 2023 ; Siegel et al., 2023 ; Wilson et al., 2022 ). 1.000 m, atau bahkan cakrawala kedalaman yang lebih dalam (misalnya 2.000 m), juga merupakan pilihan cakrawala kedalaman yang tepat untuk menilai efisiensi transfer model (Cram et al., 2018 ; Henson et al., 2024 ; Wang & Fennel, 2024 ; Wilson et al., 2022 ).
Penilaian perubahan fluks POC pada horizon kedalaman yang berbeda sebelumnya dibatasi oleh ketersediaan keluaran model. CMIP6 adalah proyek perbandingan model pertama di mana beberapa model telah mengarsipkan keluaran fluks POC yang diselesaikan secara mendalam (Orr et al., 2017 ), yang memungkinkan analisis global yang lebih bernuansa tentang pengaruh pada BCP di luar horizon kedalaman 100 m yang digunakan secara tradisional. Sebelum CMIP6, Lima et al. ( 2014 ) dan Palevsky dan Doney ( 2018 ) menganalisis keluaran yang diselesaikan secara mendalam dari simulasi kontrol pra-industri CCSM-BEC, mengidentifikasi sensitivitas tinggi dari laju global dan pola spasial fluks POC terhadap pilihan horizon kedalaman ekspor. Palevsky dan Doney ( 2021 ) menggunakan keluaran fluks POC yang diselesaikan secara mendalam dari CESM1-BEC untuk membandingkan perubahan fluks POC pada 100 m dan MLD maks di bawah RCP8.5. Mereka berhipotesis bahwa fluks POC akan menurun lebih sedikit pada MLD maks karena peningkatan stratifikasi akan memudahkan POC untuk menembus di bawah MLD maks , sehingga menangkal penurunan ekspor yang didorong oleh ekosistem. Namun, CESM1-BEC malah memproyeksikan penurunan serupa antara dua horizon kedalaman. Menggunakan keluaran fluks POC beresolusi kedalaman CMIP6 dari SSP1-2.6 dan SSP3-7.0, Wilson et al. ( 2022 ) menyelesaikan analisis multimodel perbedaan efisiensi BCP pada 100 dan 1.000 m dengan mengukur perubahan dalam produksi ekspor, penyimpanan karbon, dan efisiensi transfer ke 1.000 m dalam tujuh ESM. Mereka menemukan ketidakpastian terbesar dalam efisiensi transfer POC, dengan tingkat pra-industri global berkisar antara 3% hingga 25% ditransfer ke 1.000 m. Lebih jauh lagi, fluks POC pada kedalaman 1.000 m ditemukan menjadi prediktor perbedaan penyimpanan karbon yang lebih baik daripada fluks POC pada kedalaman 100 m, yang mengidentifikasi perlunya evaluasi lebih lanjut terhadap perubahan BCP pada kedalaman yang memengaruhi penyerapan karbon jangka panjang.
Dengan memperluas studi-studi ini dan horizon kedalaman tambahan yang diuraikan di atas, kami menyediakan penilaian multimodel komprehensif pertama dari perubahan kekuatan dan efisiensi BCP di lima horizon kedalaman—100 m, kedalaman EZ, PCD, MLD maks , dan 1.000 m—menggunakan keluaran fluks POC yang diselesaikan secara mendalam dari delapan ESM CMIP6. Kami mengukur perubahan fluks POC yang disimulasikan model dari tahun 1850 hingga 2100 di bawah skenario historis dan skenario emisi tinggi SSP5-8.5 (O’Neill et al., 2016 ) dan menemukan perbedaan global dan regional yang signifikan di antara horizon kedalaman. Analisis terperinci dari masing-masing dari delapan ESM yang dipertimbangkan di sini berada di luar cakupan studi kami saat ini; namun, kami mengidentifikasi kesamaan utama dalam pengaruh horizon kedalaman ekspor di seluruh model, serta kemungkinan pendorong penyebaran model. Sementara pemilihan yang disengaja dari horizon kedalaman ekspor merupakan pilihan penting untuk studi BCP, kami menemukan bahwa tidak ada satu horizon kedalaman ekspor yang benar untuk digunakan dalam analisis deret waktu jangka panjang dari data observasional atau representasi BCP yang disimulasikan model, sejalan dengan pekerjaan sebelumnya yang difokuskan pada analisis BCP pada satu titik waktu (Palevsky & Doney, 2018 ). Kami memberikan konteks untuk tradeoff kompleksitas komputasi dan kesesuaian untuk menangani aplikasi ilmiah tertentu untuk memandu pilihan peneliti tentang horizon kedalaman ekspor untuk studi masa depan. Kami mengevaluasi perubahan dalam efisiensi ekspor (e-ratio), efisiensi transfer ke 1.000 m, dan produksi primer bersih (NPP) sebagai faktor yang memengaruhi efisiensi BCP dan mendorong perbedaan regional dan intermodel dalam penyerapan karbon jangka panjang. Ketidakpastian besar efisiensi BCP yang kami temukan pada cakrawala kedalaman yang lebih dalam dan lebih relevan dengan iklim, menunjukkan pentingnya meningkatkan parameterisasi model efisiensi transfer dan fluks POC pada kedalaman 1.000 m, dan secara strategis memanfaatkan data fluks POC yang diselesaikan secara kedalaman untuk mengkarakterisasi BCP secara lebih lengkap.
2 Metode
2.1 Deskripsi Model
Kami menganalisis keluaran model dari delapan Model Sistem Bumi (ESM) yang sepenuhnya berpasangan yang berpartisipasi dalam CMIP6. Data CMIP6 tersedia untuk umum melalui arsip data Program Penelitian Iklim Dunia (ESGF; https://esgf-node.ipsl.upmc.fr/search/cmip6-ipsl/ ). Kriteria utama untuk pemilihan ESM adalah ketersediaan keluaran fluks POC yang diselesaikan secara mendalam (expc) untuk model historis yang dijalankan (1850–2014) dan skenario emisi tinggi SSP5-8.5 (2015–2100). Fluks POC pada 100 m (epc100), NPP terintegrasi-kedalaman (intpp), NPP yang diselesaikan secara mendalam (pp), dan kedalaman lapisan campuran (mlotst) juga diperoleh untuk skenario historis dan SSP5-8.5. Kami menggunakan satu anggota ansambel untuk setiap model (r10i1p1f1 untuk CESM2, r1i1p1f2 untuk UKESM1-0-LL, dan r1i1p1f1 untuk enam ESM lainnya).
Informasi model biogeokimia yang relevan dan referensi deskripsi lengkap untuk setiap model dirangkum dalam Tabel 1. Ada 7 model biogeokimia laut yang berbeda yang disertakan dalam analisis kami; EC-Earth3-CC dan IPSL-CM6A-LR menggunakan model biogeokimia yang sama (PISCESv2). Setiap model biogeokimia memiliki tipe fungsional plankton (PFT) yang berbeda, mulai dari kompleksitas PFT yang hanya dimodelkan secara implisit (GFDL-CM4) hingga tujuh PFT yang dimodelkan secara eksplisit (GFDL-ESM4). Semua model kecuali CESM2 dan MPI-ESM1-2-HR mencakup remineralisasi bergantung suhu (TDR), dan semua model kecuali UKESM1-0-LL mencakup remineralisasi bergantung oksigen (ODR). Kecepatan tenggelamnya partikel sangat bervariasi di antara berbagai model: beberapa memiliki kecepatan tenggelam yang konstan (2,5 m/d, UKESM1-0-LL; 100 m/d, GFDL-ESM4), sedangkan yang lain memiliki kecepatan tenggelam yang lebih besar untuk beberapa kelas partikel yang tenggelam guna menggambarkan efek ukuran dan pemberat (30–200 m/d, IPSL-CM6A-LR dan EC-Earth3-CC; 50–180 m/d, GFDL-CM4). Berbagai parameterisasi model biogeokimia ini telah dibahas secara lebih rinci dalam Burd ( 2024 ).
Tabel 1. Informasi Parameterisasi Model untuk Delapan ESM CMIP6 yang Digunakan dalam Analisis Ini
| Model | Model BGC laut | Model laut | Referensi | Resolusi horizontal | Tingkat kedalaman | TDR | ODR | Fitoplankton | Zooplankton | Bakteri | Kelas partikel tenggelam | Kecepatan tenggelam (m/d) |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Bahasa Indonesia: CESM2 | MARBL-BEC | Bahasa Indonesia: POP2 | Danabasoglu dkk. ( 2020 ) dan Long dkk. ( 2021 ) | 1° | 60 | TIDAK | Ya | 3 eksplisit (kecil, diatom, diazotrof), 1 implisit (kokolitofor) | 1 (zooplankton generik) | Implisit | Implisit | Implisit |
| CMCC-ESM2 | BFM5.1 | Bahasa Indonesia: NEMO3.6 | Lovato dan kawan-kawan ( 2022 ) | 1° | 50 | Ya | Ya | 2 (diatom, nano-flagellata) | 2 (1 mikro, 1 meso) | 1 (heterotrofik) | 2 (diatom, non-diatom) | Peningkatan tergantung kedalaman untuk diatom |
| EC-Bumi3-CC | IKAN V2 | Bahasa Indonesia: NEMO3.6 | Aumont dkk. ( 2015 ) dan Döscher dkk. ( 2022 ) | 1° | 75 | Ya | Ya | 2 (diatom, nanofitoplankton) | 2 (1 mikro, 1 meso) | Implisit | 2 (kecil, besar) | Konstan untuk yang kecil, peningkatan tergantung kedalaman untuk yang besar untuk mewakili pemberat (30–200) |
| GFDL-CM4 | BLING v2 | Ibu6 | Dunne dkk. ( 2020 ) dan Held dkk. ( 2019 ) | 1° | 35 | Ya | Ya | 0 eksplisit, 2 implisit | 2 tersirat | Implisit | 1 | Peningkatan tergantung kedalaman untuk mewakili pemberat (50–180) |
| GFDL-ESM4 | COBALTv2 | Ibu6 | Saham dkk. ( 2020 ) | 1° | 35 | Ya | Ya | 3 eksplisit (kecil, besar, diazotrof), 1 implisit (diatom) | 3 (1 mikro, 2 meso) | Eksplisit (hidup bebas) | 3 (labil, semilabile, semirefraktori) | Konstan (100) |
| IPSL-CM6A-LR | PISCES v2 | NEMO OPA | Aumont dkk. ( 2015 ) dan Boucher dkk. ( 2020 ) | 1° | 75 | Ya | Ya | 2 (diatom, nanofitoplankton) | 2 (1 mikro, 1 meso) | Implisit | 2 (kecil, besar) | Konstan untuk yang kecil, peningkatan tergantung kedalaman untuk yang besar untuk mewakili pemberat (30–200) |
| MPI-ESM1.2-HR | HAMOCC6 | MPIOM1.63 | Mauritsen dkk. ( 2019 ) dan Paulsen dkk. ( 2017 ) | 0,5° | 40 | TIDAK | Ya | 2 (massal, cyanobacteria) | 1 | Implisit | 1 | Peningkatan linier seiring kedalaman (3,5–80) |
| UKESM1-0-LL | MEDUSA-2.0 | NEMO-HadGEM3-GO6.0 | Sellar dkk. ( 2019 ) dan Yool dkk. ( 2013 ) | 1° | 75 | Ya | TIDAK | 2 (diatom, fitoplankton lainnya) | 2 (1 mikro, 1 meso) | Implisit | 1 eksplisit, 1 implisit | Konstan (2.5) |
2.2 Definisi Horizon Kedalaman
Kami menghitung fluks POC pada dua horizon kedalaman tetap—100 dan 1.000 m—dan tiga horizon kedalaman yang bervariasi secara spasial dan temporal—dasar zona eufotik (kedalaman EZ), kedalaman kompensasi partikel (PCD), dan kedalaman lapisan campuran tahunan maksimum (MLD maks ) (Gambar 1 ). Fluks ekspor dinotasikan sebagai fluks POC DH , di mana DH = horizon kedalaman. 100 m adalah horizon kedalaman yang paling umum digunakan untuk menghitung fluks POC dalam studi pemodelan (Bopp et al., 2013 ; Henson et al., 2022 ) dan 1.000 m telah digunakan untuk merepresentasikan “fluks sekuestrasi” ke laut dalam (Lampitt et al., 2008 ; Wilson et al., 2022 ). PCD di setiap sel grid laut didefinisikan sebagai kedalaman fluks POC maksimum dalam profil fluks POC rata-rata tahunan yang diselesaikan kedalaman. MLD maksimum di setiap sel grid samudra didefinisikan sebagai kedalaman lapisan campuran terdalam dalam satu tahun kalender (Januari-Januari) dan dihitung dari data MLD terselesaikan bulanan (mlotst).
Kedalaman EZ umumnya didefinisikan sebagai 1% atau 0,1% dari radiasi aktif fotosintesis (PAR) yang tersedia atau sebagai kedalaman kompensasi, di mana NPP = 0 (fotosintesis bruto = respirasi autotrofik) (Buesseler et al., 2020 ; Wu et al., 2021 ). PAR adalah proksi observasional yang tidak diarsipkan dalam ESM, tetapi ESM memiliki keluaran NPP yang diselesaikan secara kedalaman (pp) yang tersedia, yang memungkinkan kami untuk menilai kedalaman di mana NPP mencapai nol menggunakan pendekatan yang tidak layak secara observasional. Kami mendefinisikan dasar zona eufotik sebagai kedalaman di mana NPP berkurang hingga 1% dari NPP maksimum (NPP maks ) dalam profil NPP rata-rata tahunan yang diselesaikan secara kedalaman karena paling mendekati kedalaman di mana penurunan cepat NPP melambat dan mulai mendekati nol secara asimtotik di sebagian besar model (contoh profil kedalaman ditunjukkan pada Gambar S1 di Informasi Pendukung S1 ). Pengecualian dibuat untuk GFDL-CM4, yang memiliki kedalaman EZ yang luar biasa dalam menggunakan metrik maks NPP 1% (Tabel S1 dalam Informasi Pendukung S1 ). Sebaliknya, kami menggunakan 10% dari NPP maks untuk menentukan kedalaman EZ dalam GFDL-CM4 karena lebih mendekati kedalaman di mana NPP secara asimtotik mendekati nol (lihat Teks S1, Gambar S1, dan S2 dalam Informasi Pendukung S1 untuk analisis sensitivitas metrik maks NPP ). NPP diarsipkan setiap tahun dalam semua model kecuali CMCC-ESM2 dan UKESM1-0-LL. Untuk kedua model ini, kami menghitung NPP maks sebagai rata-rata tahun kalender. Keluaran NPP historis yang diselesaikan kedalamannya tidak diarsipkan untuk EC-Earth3-CC pada saat analisis ini, jadi kedalaman EZ fluks POC dihitung hanya dalam model ini di bawah SSP5-8.5 (2015–2100).
2.3 Analisis Model
Mayoritas model sudah mengarsipkan fluks POC 100 m (epc100), jadi dalam kebanyakan kasus, tidak diperlukan perhitungan untuk fluks POC 100 m ; satu pengecualian adalah GFDL-CM4, yang hanya menyediakan keluaran fluks POC beresolusi kedalaman (expc). Fluks POC 100 m dalam GFDL-CM4 dan fluks POC pada empat horizon kedalaman lainnya dihitung dengan melakukan interpolasi linier keluaran fluks POC beresolusi kedalaman ke kedalaman horizon kedalaman ekspor pada setiap sel grid horizontal. Fluks POC beresolusi kedalaman diarsipkan setiap tahun di setiap model kecuali untuk UKESM1-0-LL, yang mengarsipkannya setiap bulan. Semua perhitungan fluks POC untuk UKESM1-0-LL dirata-ratakan setiap tahun sebelum interpolasi.
Kami menggunakan keluaran fluks POC dari berbagai horizon kedalaman bersama dengan NPP untuk menghitung efisiensi ekspor (rasio-e) serta efisiensi transfer ke kedalaman. Untuk semua perhitungan NPP yang tidak melibatkan fluks POC EZ depth , keluaran NPP terintegrasi kolom (intpp) digunakan. Rasio-e didefinisikan sebagai fraksi NPP yang berkontribusi terhadap fluks POC, dievaluasi pada horizon kedalaman tertentu (DH):
Efisiensi transfer (TE) didefinisikan sebagai persentase fluks POC horizon kedalaman permukaan yang mencapai 1.000 m:
Untuk setiap variabel target (fluks POC DH , NPP, rasio-e, dan TE), kami menghitung deret waktu 250 tahun yang terintegrasi secara global (1850–2100) menggunakan keluaran model historis (1850–2014) dan keluaran skenario emisi tinggi SSP5-8.5 (2015–2100). Deret waktu global dihitung pada setiap jaringan asli ESM, dengan pengecualian GFDL-ESM4 dan GFDL-CM4, yang mengarsipkan keluaran pada 360 derajat yang teratur. persamaan matematika 180 1° kisi.
Kami mengubah semua keluaran model grid asli ke grid 360 biasa persamaan matematika Kisi 180 1° menggunakan interpolasi rata-rata tertimbang jarak terbalik (remapdis) dari perangkat lunak Climate Data Operator (CDO) (Schulzweida, 2023 ). Semua perubahan yang dipetakan yang ditampilkan adalah perbedaan antara klimatologi dasar historis 50 tahun (1850–1900) dan klimatologi masa depan yang diproyeksikan 20 tahun (2080–2100).
Rangkaian waktu 250 tahun yang terintegrasi secara regional (1850–2100) dihitung di Samudra Selatan (Selatan 60°S), Atlantik Utara (40°–65°N, 70°–0°W), Pasifik Khatulistiwa (15°S–15°N, 160°E–75°W), dan lintang rendah (30°–30°S, tidak termasuk Pasifik Khatulistiwa). Rangkaian waktu ini dihitung setelah penggambaran ulang untuk menormalkan ukuran wilayah dan batas koordinat di seluruh model. Kami menghitung kontribusi persentase setiap wilayah terhadap fluks POC global relatif terhadap luasnya sebagai berikut:
3 Hasil dan Pembahasan
3.1 Perbedaan Regional dalam Kedalaman Cakrawala Ekspor
Pertama-tama kami mengevaluasi representasi rata-rata multimodel dari tiga horizon kedalaman yang bervariasi secara spasial dan temporal—kedalaman EZ, PCD, dan MLD maks —baik dalam rata-rata historis maupun pada akhir abad ke-21 (Gambar 2 ; Gambar S3 dan Tabel S1 dalam Informasi Pendukung S1 ). Pola dalam ketiga horizon kedalaman ekspor ini menunjukkan perbedaan regional yang signifikan sejalan dengan hipotesis yang mendukung argumen fisik dan biologis untuk penggunaan horizon kedalaman yang lebih bernuansa ini (Buesseler & Boyd, 2009 ; Buesseler et al., 2020 ; Palevsky & Doney, 2018 , 2021 ).
Rata-rata kedalaman EZ multimodel dan PCD menunjukkan pola spasial yang serupa; keduanya terdalam di gir subtropis dan terdangkal di samudra kutub, Pasifik Ekuatorial, dan di wilayah pesisir (Gambar 2 dan Gambar S3 dalam Informasi Pendukung S1 ), konsisten dengan data observasional dan ekspektasi teoritis bahwa kedalaman EZ lebih dangkal di wilayah dengan NPP tinggi (Buesseler et al., 2020 ). Rata-rata kedalaman EZ multimodel lebih dalam dari 100 m di sebagian besar samudra (Gambar 2a dan 2b ), yang khususnya terkait di gir subtropis dengan wilayah dengan NPP lebih rendah. Rata-rata kedalaman EZ multimodel (Gambar 2a dan 2b ; Gambar S3a dalam Informasi Pendukung S1 ) secara spasial sebanding dengan Buesseler et al. ( 2020 ) model diagnostik Ez 0,1 kedalaman PAR , menunjukkan bahwa pendekatan kami untuk mendefinisikan kedalaman EZ pada 1% (atau 10%) dari NPP maksimum (lihat Bagian 2.2 , Gambar S1, dan Tabel S1 dalam Informasi Pendukung S1 ) adalah metrik yang sesuai dalam ESM. PCD rata-rata multimodel lebih dangkal dari 100 m di mana-mana kecuali di gir subtropis (Gambar 2c dan 2d ). PCD yang lebih dalam ini kemungkinan konsisten dengan maksimum klorofil dalam persisten yang diamati di gir subtropis (Cornec et al., 2021 ). Proyeksi masa depan rata-rata multimodel menunjukkan bahwa kedalaman EZ dan PCD semakin dalam di sebagian besar lautan (Gambar S3b dan S3d dalam Informasi Pendukung S1 ), dan PCD yang lebih dalam dari 100 m meluas di pusaran subtropis (Gambar 2c dan 2d ; Gambar S3d dalam Informasi Pendukung S1 ). Pendalaman yang diproyeksikan ini kemungkinan didorong oleh perubahan keterbatasan nutrisi, penurunan NPP, dan pergeseran komposisi komunitas fitoplankton yang menyebabkan perluasan perairan oligotrofik (Laufkötter et al., 2015 ; Leonelli et al., 2022 ). Namun, menilai pendorong spesifik perubahan kedalaman cakrawala kedalaman ekspor di antara model-model sulit dilakukan karena model-model tidak sepakat tentang arah perubahan NPP (Laufkötter et al., 2015 ; Tagliabue et al., 2021 ) dan parameterisasi model sangat berbeda (Tabel 1 ).
Konsisten dengan analisis sebelumnya dari keluaran ESM dan data observasional (misalnya, Fu et al., 2016 ; Holte et al., 2017 ; Palevsky & Doney, 2018 , 2021 ), ada variabilitas spasial yang kuat dalam MLD maks baik dalam rata-rata historis dan proyeksi masa depan (Gambar 2e dan 2f ; Gambar S3e dan S3f dalam Informasi Pendukung S1 ). MLD maks secara signifikan melebihi 100 m di seluruh wilayah lintang tinggi dengan pencampuran musim dingin yang dalam dan ventilasi kolom air, khususnya di Atlantik Utara subpolar dan di Samudra Selatan, sementara itu lebih dangkal dari 100 m di lautan subtropis, di mana ada stratifikasi yang lebih kuat (Gambar 2e dan 2f ). Seperti yang telah ditemukan dalam analisis simulasi CMIP generasi sebelumnya (Capotondi et al., 2012 ; Fu et al., 2016 ) serta analisis keluaran CMIP6 (Kwiatkowski et al., 2020 ), peningkatan stratifikasi yang disebabkan oleh pemanasan menyebabkan MLD mengelompok secara global, tetapi terutama di wilayah lintang tinggi dengan MLD dasar terdalam ( Gambar S3f dalam Informasi Pendukung S1 ).
3.2 Perubahan Global dan Spasial dalam Fluks POC di Berbagai Cakrawala Kedalaman Ekspor
Mirip dengan analisis sebelumnya yang telah menganalisis perubahan fluks POC pada horizon kedalaman 100 m (Bopp et al., 2013 ; Cabré et al., 2015 ; Doney et al., 2024 ; Fu et al., 2016 ; Henson et al., 2022 , 2024 ; Laufkötter et al., 2016 ; Wilson et al., 2022 ), proyeksi CMIP6 ESM tentang perubahan fluks POC di bawah SSP5-8.5 menunjukkan penurunan fluks POC di semua lima horizon kedalaman dan di semua model kecuali CESM2 pada 1.000 m (Gambar 3 ). Pada kedalaman 100 m, kedalaman EZ, dan PCD, terdapat dua kelompok model yang menentukan penyebaran laju global penurunan fluks POC: satu dengan laju penurunan yang lebih lambat (CESM2, EC-Earth3-CC, dan IPSL-CM6A-LR), dan satu dengan laju penurunan yang lebih cepat (CMCC-ESM2, GFDL-CM4, GFDL-ESM4, MPI-ESM1-2-HR, dan UKESM1-0-LL) (Gambar 3 ). Kontrol mekanistik untuk perbedaan ini dibahas di Bagian 3.3 . Kisaran penurunan multimodel pada tiga horizon kedalaman ini serupa, dengan proyeksi penurunan rata-rata masa depan (2080–2100) relatif terhadap garis dasar historis (1850–1900) berkisar dari 2,1% hingga 17,7% pada 100 m, 4,5%–19,2% pada kedalaman EZ, dan 0,8%–17,0% pada PCD (Tabel S2 dalam Informasi Pendukung S1 ). Dalam delapan model individual yang dinilai dalam analisis ini, sebaran penurunan di seluruh horizon kedalaman ini juga sangat serupa, dengan sebaran terbesar (3,5%) ditemukan di IPSL-CM6A-LR (Gambar S4 dalam Informasi Pendukung S1 ). Pada MLD maks , proyeksi penurunan rata-rata global masa depan dalam fluks POC berkisar dari 0,4% hingga 21,8% (Tabel S2 dalam Informasi Pendukung S1 ), dan distribusi di antara model tidak menyerupai horizon kedalaman permukaan lainnya (Gambar 3d ). Kesamaan penurunan global yang diproyeksikan dalam fluks POC MLDmax dan fluks POC 100 m sangat mengejutkan karena kami berhipotesis bahwa pendangkalan MLD max (Gambar S3f dalam Informasi Pendukung S1 ) akan menangkal penurunan fluks POC yang didorong oleh penurunan NPP, yang menghasilkan tingkat penurunan fluks POC yang lebih rendah (Palevsky & Doney, 2021 ). Kisaran perubahan persentase rata-rata adalah yang terbesar pada 1.000 m (peningkatan 3,7%—penurunan 55,0%, Tabel S2 dalam Informasi Pendukung S1 ). Fluks POC absolut 1000 m bergantung pada efisiensi transfer hingga 1.000 m (Doney et al., 2024 ), dan rentang yang lebar dalam perubahan fluks POC 1000 m dapat disebabkan oleh perbedaan parameterisasi dalam kecepatan tenggelamnya partikel, TDR, dan tingkat ODR (Tabel 1 ; Wang & Fennel, 2024)). Perubahan fluks POC absolut untuk setiap model dan horizon kedalaman dirangkum dalam Tabel S2 dan Gambar S5 di Informasi Pendukung S1 , dan perubahan relatif yang dikelompokkan berdasarkan model ditunjukkan pada Gambar S4 di Informasi Pendukung S1 .
Pola spasial rata-rata perubahan multimodel menunjukkan kesamaan di lima horizon kedalaman ekspor (Gambar 4 ; Gambar S6 dalam Informasi Pendukung S1 ). Di semua horizon kedalaman, fluks POC diproyeksikan meningkat di Samudra Selatan (Gambar S7p–S7t dalam Informasi Pendukung S1 ) dan Samudra Arktik, yang keduanya merupakan wilayah tempat model memproyeksikan peningkatan NPP (Tagliabue et al., 2021 ). Perubahan rata-rata multimodel dalam fluks POC bervariasi di seluruh horizon kedalaman di giring subtropis, dan kesepakatan antar model mengenai arah perubahan fluks POC rendah (terbukti dari kurangnya stippling di giring subtropis pada Gambar 4 dan analisis khusus pada lintang rendah pada Gambar S7f–S7j dalam Informasi Pendukung S1 ), konsisten dengan kesepakatan rendah di antara model mengenai arah perubahan NPP yang diharapkan dalam wilayah oligotropik ini (Kwiatkowski et al., 2020 ; Laufkötter et al., 2015 ). Fluks POC rata-rata multimodel menurun di Samudra Khatulistiwa pada setiap horizon kedalaman (Gambar 4 ), yang kemungkinan juga disebabkan oleh penurunan NPP (Kwiatkowski et al., 2020 ; Laufkötter et al., 2015 ; Tagliabue et al., 2021 ).
Satu perbedaan penting di antara pola spasial horizon kedalaman adalah peningkatan multimodel yang diproyeksikan dalam fluks POC MLDmax di Atlantik Utara Subpolar (Gambar 4d ), sedangkan fluks POC diproyeksikan menurun di wilayah ini ketika dievaluasi pada empat horizon kedalaman lainnya. POC yang diremineralisasi di bawah lapisan campuran yang terstratifikasi secara musiman dapat terbawa ke dalam lapisan campuran dan dilepaskan kembali ke atmosfer selama pencampuran musim dingin yang dalam. Efek ini terutama terlihat di Atlantik Utara Subpolar karena merupakan wilayah dengan MLD max yang dalam secara historis (Gambar S3e dalam Informasi Pendukung S1 ). Oleh karena itu, fluks POC 100 m akan melebih-lebihkan ekspor pada skala waktu tahunan atau lebih lama di wilayah ini (Palevsky & Doney, 2018 , 2021 ). Di bawah perubahan iklim, penguatan stratifikasi laut di Atlantik Utara Subpolar akan menghambat pencampuran musim dingin yang dalam, menyebabkan MLD menjadi dangkal, yang berarti bahwa POC tidak harus tenggelam sedalam itu untuk keluar dari lapisan campuran dan fluks POC keseluruhan MLDmax akan meningkat (Palevsky & Doney, 2021 ). Pada skala regional, peningkatan stratifikasi ini dapat menangkal pengurangan NPP atau rasio-e yang seharusnya menyebabkan penurunan fluks POC (Palevsky & Doney, 2021 ). Sejalan dengan analisis Palevsky dan Doney tentang simulasi CESM1-BEC, perbandingan multimodel kami dengan CMIP6 ESM menunjukkan peningkatan fluks POC di Atlantik Utara (Gambar 4 ). Namun, pada skala global, penurunan fluks POC multimodel MLDmax memiliki rentang yang sama dengan cakrawala kedalaman lainnya (Gambar 3 , Tabel S2 dalam Informasi Pendukung S1 ).
Meskipun ada kesepakatan umum dalam pola spasial multimodel perubahan fluks POC saat dibandingkan di antara lima horizon kedalaman, ada kesepakatan spasial global yang rendah di seluruh model pada arah perubahan fluks POC di bawah SSP5-8.5 (Gambar 4 ). Tanda perubahan fluks POC yang diproyeksikan setuju di seluruh delapan model di 21% area lautan untuk masing-masing fluks POC 100 m , fluks POC EZ depth , dan fluks POC MLDmax , di 18% area lautan untuk fluks POC PCD , dan di 15% area lautan untuk fluks POC 1000 m (lihat stippling pada Gambar 4 ). Samudra Atlantik Khatulistiwa, Samudra Hindia Barat, dan petak-petak kecil di Samudra Selatan adalah satu-satunya wilayah di mana semua model setuju pada tanda perubahan fluks POC di semua lima horizon kedalaman, yang mewakili hanya 7% dari total area lautan (Gambar 4 ). Kesepakatan spasial yang rendah dalam arah perubahan fluks POC 100 m juga ditemukan dalam model CMIP6 tambahan (Henson et al., 2022 ).
Meskipun kesepakatan spasial rendah dan perubahan yang diproyeksikan sangat bervariasi di seluruh model (Gambar 4 dan Gambar S7 dalam Informasi Pendukung S1 ), perbandingan multimodel masih memberikan wawasan yang berguna ke dalam tren global rata-rata dalam fluks POC yang diproyeksikan di seluruh cakrawala kedalaman. Satu hal penting yang dapat diambil adalah bahwa pola penurunan pada fluks POC 100 m , fluks POC kedalaman EZ , dan fluks POC PCD serupa secara global dan spasial (Gambar 3 dan 4 ; Gambar S7 dalam Informasi Pendukung S1 ). Meskipun kesepakatan model global secara keseluruhan pada tanda perubahan fluks POC di ketiga cakrawala kedalaman ini rendah (18%–21%), ada tumpang tindih yang signifikan (75%) di wilayah kesepakatan, seperti yang terlihat di beberapa bagian Atlantik Utara Subtropis, Pasifik Utara dan Selatan Subtropis, Samudra Selatan, Atlantik Khatulistiwa, dan Samudra Hindia Barat (Gambar 4a–4c ). Perubahan relatif serupa dari fluks POC global baseline historis pada tiga horizon kedalaman ini tidak terduga, mengingat perbedaan absolut dalam laju global historis baseline dan pola spasial fluks POC di EZ dan PCD dibandingkan dengan 100 m (Tabel S2 dan Gambar S5 dalam Informasi Pendukung S1 ; konsisten dengan hasil sebelumnya dari Palevsky dan Doney ( 2018 ); Buesseler et al. ( 2020 )). Kisaran fluks POC rata-rata global absolut pada akhir abad ke-21 juga serupa antara 100 m (4,9–8,3 Pg C/tahun) dan kedalaman EZ (4,8–10,5 Pg C/tahun), didorong oleh sebaran lebar pada laju baseline dan perubahan simulasi di antara simulasi ESM di kedua horizon kedalaman (Gambar S5 dan Tabel S2 dalam Informasi Pendukung S1 ). Lebih jauh lagi, laju penurunan fluks POC serupa di seluruh horizon kedalaman ekspor permukaan dalam masing-masing dari delapan model yang dinilai di sini (Gambar S4 dalam Informasi Pendukung S1 ), yang menunjukkan respons global serupa dalam model terlepas dari pilihan horizon kedalaman ekspor permukaan. Kesamaan global dalam perubahan fluks POC di seluruh horizon kedalaman EZ, PCD, dan kedalaman 100 m dalam CMIP6 ESM menunjukkan bahwa horizon kedalaman tetap 100 m memberikan informasi serupa dengan horizon kedalaman EZ dan kedalaman PCD yang bervariasi secara spasial dan temporal untuk menyelidiki laju dan pola global perubahan fluks POC lapisan produktif permukaan dalam simulasi ESM ini. Namun, tetap penting untuk mempertimbangkan penyebaran luas dalam representasi fisika laut dan biogeokimia di berbagai ESM (misalnya, Tabel 1 ), pendorong mekanistik perubahan yang mendasarinya (lihat Bagian 3.3 ), dan pola perubahan spasial (lihat Bagian 3.4 ) untuk mengontekstualisasikan perubahan fluks POC global yang dinilai pada 100 m.
3.3 Penggerak Mekanistik Perubahan Fluks POC
Pada tingkat mekanistik, metrik tambahan efisiensi BCP—efisiensi transfer (TE), rasio-e, dan NPP—dapat membantu menjelaskan perbedaan antarmodel dalam proyeksi fluks POC (Doney et al., 2024 ; Laufkötter et al., 2016 ). Variasi lintas ESM dalam penggerak mekanistik fluks POC ini disebabkan oleh berbagai parameterisasi model (Tabel 1 ), tetapi pengaruh spesifik pada fluks ekspor, serta bias yang diperkenalkan oleh setiap parameterisasi, tidak pasti (Burd, 2024 ; Doney et al., 2024 ; Henson et al., 2022 , 2024 ; Wang & Fennel, 2024 ; Wilson et al., 2022 ). Bahasa Indonesia: Di bagian ini, kami mengevaluasi TE yang dimodelkan, e-ratio, dan NPP di samping fluks POC di permukaan dan di kedalaman untuk mengembangkan pemahaman yang lebih bernuansa tentang efisiensi pompa biologis yang dimodelkan dan membandingkannya di seluruh ESM. Mengingat bahwa rentang penurunan umumnya serupa di keempat horizon kedalaman dekat permukaan (Gambar 3 dan Gambar S4 dalam Informasi Pendukung S1 , Bagian 3.2 ), dan bahwa pola spasial multimodel dari perubahan fluks POC serupa di sebagian besar lautan di seluruh horizon kedalaman dekat permukaan (Gambar 4 dan Gambar S6 dalam Informasi Pendukung S1 ), kami menggunakan horizon kedalaman 100 m untuk merepresentasikan fluks POC dari permukaan laut dan menghitung e-ratio dan TE dalam Gambar 5-7 .
3.3.1 Kontrol Fluks POC di Permukaan Laut—NPP dan Rasio E
Perubahan dalam e-ratio dan NPP keduanya memengaruhi fluks POC keluar dari permukaan laut (Persamaan 1 , Gambar 5 ). Di antara delapan model yang dinilai dalam studi ini, NPP terintegrasi global berkisar dari peningkatan 10% (IPSL-CM6A-LR) hingga penurunan 16% (UKESM1-0-LL) pada akhir abad ke-21. CESM2, CMCC-ESM2, EC-Earth3-CC, dan IPSL-CM6A-LR memproyeksikan peningkatan NPP global, sementara GFDL-ESM4, GFDL-CM4, MPI-ESM1-2-HR, dan UKESM1-0-LL memproyeksikan penurunan (Gambar 5a ). Telah diketahui dengan baik bahwa NPP sangat tidak pasti dalam CMIP6 dan CMIP5 ESM, dan model tidak sepakat apakah NPP akan meningkat atau menurun secara global dalam skenario emisi tinggi (Bopp et al., 2013 ; Henson et al., 2024 ; Kwiatkowski et al., 2020 ; Laufkötter et al., 2015 ; Tagliabue et al., 2021 ). Wilayah utama tempat kedelapan model sepakat mengenai tanda perubahan NPP adalah Samudra Selatan dan Atlantik Utara Subpolar, dengan kesepakatan antarmodel yang lebih rendah di sebagian besar wilayah lain (Gambar 6b ).
E-ratio memiliki kontribusi yang sama pentingnya terhadap fluks POC seperti NPP, tetapi tidak ada kesepakatan di antara model-model tentang proses yang mengarah pada perubahan dalam e-ratio (Laufkötter et al., 2016 ). Di antara delapan ESM CMIP6 yang dievaluasi di sini, e-ratio historis (1850–1900) yang dirata-ratakan secara global berkisar dari 0,12 (GFDL-ESM4) hingga 0,20 (UKESM1-0-LL) (Gambar S9b dalam Informasi Pendukung S1 ) dan e-ratio diproyeksikan menurun di bawah SSP8-8,5 dalam setiap model, meskipun dengan rentang besaran penurunan (−2% dalam UKESM1-0-LL hingga −21% dalam CMCC-ESM2) (Gambar 5b ). E-ratio diproyeksikan menurun di sebagian besar lautan (Gambar 6d ), dan kesepakatan tanda perubahan e-ratio adalah 24% secara global. Laufkötter et al. ( 2016 ) menemukan penurunan e-ratio global serupa pada model biogeokimia generasi awal. Penurunan e-ratio dapat disebabkan oleh pergeseran komposisi komunitas plankton atau peningkatan laju respirasi dengan suhu yang lebih hangat (Laufkötter et al., 2016 ). Rata-rata e-ratio multimodel meningkat dari lintang yang lebih rendah ke yang lebih tinggi (Gambar 6c ), konsisten dengan analisis e-ratio sebelumnya dalam simulasi model (Doney et al., 2024 ; Laufkötter et al., 2016 ; Palevsky & Doney, 2021 ).
Khususnya, tiga model dengan tingkat penurunan terendah dalam fluks POC 100 m (CESM2, EC-Earth3-CC, dan IPSL-CM6A-LR) semua memproyeksikan peningkatan global dalam NPP, mengimbangi penurunan rasio-e yang diproyeksikan (Gambar 5 ). Di sisi lain, GFDL-CM4 dan CMCC-ESM2 keduanya memproyeksikan penurunan fluks POC 100 m yang besar , meskipun mereka memproyeksikan perubahan global minimal (GFDL-CM4) atau peningkatan global dalam NPP (CMCC-ESM2). Dalam kasus kedua model ini, laju penurunan fluks POC 100 m didorong oleh penurunan besar dalam rasio-e (Gambar 5 ). Ini menunjukkan bahwa baik NPP maupun rasio-e dapat menjadi pendorong dominan perubahan fluks POC di permukaan laut.
3.3.2 Kontrol Fluks POC di Laut Dalam—Efisiensi Transfer
Efisiensi transfer (TE) dari permukaan ke kedalaman mengendalikan besarnya dan perubahan fluks POC 1000 m (Persamaan 2 , Gambar 5 ). Dalam rata-rata historis (1850–1900), TE global berkisar dari 3% (UKESM1-0-LL) hingga 21% (IPSL-CM6A-LR) yang ditransfer (Gambar S9d dalam Informasi Pendukung S1 ), sejalan dengan hasil dari Henson et al. ( 2024 ) dan Wilson et al. ( 2022 ). Pola spasial rata-rata multimodel menunjukkan TE tertinggi di Pasifik Ekuatorial dan TE terendah di girus subtropis (Gambar 6g ), mirip dengan TE ensembel model RECCAP2 pada 1.000 m (Doney et al., 2024 ). Pada akhir abad ke-21, persentase perubahan terintegrasi global dalam TE berkisar dari +8% di CESM2 hingga -46% di UKESM1-0-LL (Gambar 5d ). Model yang dinilai di sini menunjukkan kesepakatan spasial yang rendah pada tanda perubahan TE yang diproyeksikan, dengan kedelapan model sepakat pada tanda perubahan yang diproyeksikan hanya pada 9% lautan global (Gambar 6h ). Ini konsisten dengan pekerjaan sebelumnya yang menunjukkan bahwa pola spasial TE sangat tidak pasti baik dalam model maupun pengamatan (Cram et al., 2018 ; Doney et al., 2024 ; Henson et al., 2012 ; Marsay et al., 2015 ; Wang & Fennel, 2024 ; Wilson et al., 2022 ).
Model-model individual menunjukkan perbedaan besar dalam fluks POC yang diproyeksikan 1000 m , sebagian besar didorong oleh variabilitas TE. Parameterisasi model biogeokimia utama yang memengaruhi TE dan akhirnya besarnya fluks POC di laut dalam adalah remineralisasi yang bergantung pada suhu dan oksigen (masing-masing TDR dan ODR), pemanfaatan bakteri, dan variasi dalam kecepatan tenggelamnya partikel, yang dapat disebabkan oleh efek pemberat atau penyertaan ukuran partikel yang berbeda (Cram et al., 2018 ; Lima et al., 2014 ; Wang & Fennel, 2024 ). Misalnya, UKESM1-0-LL memiliki fluks POC absolut tertinggi 100 m dari semua model yang dinilai, tetapi TE absolut terendah (3%), dan dengan demikian memiliki fluks POC absolut terendah 1000 m (Gambar S9 dalam Informasi Pendukung S1 ). Persentase absolut awal yang rendah yang ditransfer ini menjelaskan mengapa UKESM1-0-LL memiliki persentase penurunan terbesar dalam persen yang ditransfer (Gambar 5 ). TE rendah pada UKESM1-0-LL kemungkinan disebabkan oleh parameterisasi kecepatan tenggelamnya partikel yang lambat dan konstan, sehingga POC memerlukan lebih banyak waktu untuk remineralisasi sebelum mencapai 1.000 m (Tabel 1 ).
Sementara itu, CESM2 adalah satu-satunya model yang memproyeksikan peningkatan fluks POC 1000 m selama abad ke-21, didorong oleh peningkatan yang diproyeksikan dalam TE global meskipun fluks POC 100 m menurun (Gambar 5 ). CESM2 dan MPI-ESM1-2-HR adalah dua model yang dinilai di sini yang tidak menyertakan parameterisasi untuk TDR (Tabel 1 ). Bias yang diperkenalkan ke dalam ESM yang tidak menyertakan proses ini tidak pasti; namun, penyertaan TDR mendorong penurunan TE karena suhu yang lebih hangat meningkatkan laju respirasi (Cram et al., 2018 ; Henson et al., 2022 ; Laufkötter et al., 2017 ; Wang & Fennel, 2024 ). Analisis mekanistik penuh dari proses yang memengaruhi TE dalam setiap model yang dinilai di sini berada di luar cakupan studi ini. Namun, pemanasan laut dalam merupakan pendorong penting penurunan TE selama abad ke-21 dalam model yang menyertakan TDR (Wang & Fennel, 2024 ). Dalam CESM2, penghilangan TDR dapat menjelaskan mengapa proyeksi TE selama abad ke-21 berbeda dari model lain yang dinilai di sini, yang memungkinkan faktor-faktor yang mendorong peningkatan TE selama abad ke-21—seperti remineralisasi yang lebih lambat dalam kondisi oksigen rendah di laut dalam (akibat ODR)—untuk mendominasi proyeksi keseluruhan. Namun, fakta bahwa fluks TE dan POC 1000 m diproyeksikan menurun dalam MPI-ESM1-2-HR tetapi tidak CESM2 (dua model yang tidak memiliki TDR) menunjukkan bahwa tidak ada mekanisme tunggal yang mendominasi TE karena efek kompensasi dari banyak faktor yang memengaruhi tenggelamnya partikel dan remineralisasi, dan sulit untuk mengisolasi pengaruh spesifik dari setiap pilihan parameterisasi biogeokimia individu dalam ESM yang sangat kompleks ini. Analisis masa depan mengenai proyeksi ESM dari BCP akan mendapat manfaat dari analisis mekanistik lebih lanjut mengenai faktor-faktor yang memengaruhi TE dalam model-model ini, serta evaluasi yang lebih rinci mengenai keterampilan model dalam mensimulasikan TE dengan membandingkan tingkat dan mekanisme yang disimulasikan dengan pengamatan (lihat analisis dan rekomendasi Wang dan Fennel, 2024 ).
3.4 Penggerak Regional Perubahan Fluks POC
Kami menilai proyeksi NPP, e-ratio, fluks POC 100 m , TE, dan perubahan fluks POC 1000 m di empat wilayah untuk mengungkap bagaimana penggerak mekanistik regional perubahan fluks POC dalam simulasi model dapat berbeda dari penggerak global (Gambar 7 ). Kami juga menilai perubahan fluks POC seiring waktu dalam setiap wilayah di semua lima horizon kedalaman (Gambar S7 dalam Informasi Pendukung S1 ); namun, karena hasil ini menunjukkan tren serupa dalam setiap wilayah di keempat horizon kedalaman permukaan (kedalaman EZ, PCD, MLD maks , dan 100 m) di sebagian besar model, kami fokus pada fluks POC 100 m dalam analisis regional penggerak mekanistik kami. Keempat wilayah yang kami nilai (batas wilayah ditunjukkan dalam tampilan peta pada Gambar 4a dan 6a ) adalah: lintang rendah (30°–30°S, tidak termasuk Pasifik Khatulistiwa), Pasifik Khatulistiwa (15°S–15°N, 160°E–75°W), Samudra Selatan (selatan 60°S), dan Atlantik Utara Subpolar (40°–65°N, 70°–0°W). Kami juga menilai kontribusi relatif dari masing-masing keempat wilayah ini terhadap keseluruhan fluks POC global di masing-masing dari lima horizon kedalaman (Persamaan 3 ), baik dalam rata-rata historis multimodel (1850–1900) dan rata-rata masa depan multimodel yang diproyeksikan (2080–2100) (Tabel 2 ).
Tabel 2. Rata-rata Persentase Kontribusi Multimodel Setiap Wilayah terhadap Fluks Karbon Organik Partikulat (POC) Global Relatif terhadap Luas Wilayahnya (Persamaan 3 ) pada Lima Horizon Kedalaman Ekspor dalam Rata-rata Historis (1850–1900) dan Rata-rata SSP5-8.5 Masa Depan yang Diproyeksikan (2080–2100)
| Wilayah | Periode waktu | 100 meter | Kedalaman mudah | PCD | MLD maks | 1.000 meter persegi |
|---|---|---|---|---|---|---|
| Lintang Rendah | Tahun 1850–1900 | 78% (1) | 72% (0) | 80% (0) | 82% (1) | 72% (1) |
| Tahun 2080–2100 | 74% (0) | 69% (0) | 75% (0) | 71% (1) | 65% (0) | |
| Pasifik Khatulistiwa | Tahun 1850–1900 | 118% (7) | 111% (5) | 115% (7) | 130% (7) | 155% (7) |
| Tahun 2080–2100 | 110% (5) | 101% (4) | 107% (5) | 105% (5) | 147% (6) | |
| Samudra Selatan | Tahun 1850–1900 | 85% (2) | 91% (2) | 80% (1) | 81% (1) | 103% (3) |
| Tahun 2080–2100 | 117% (5) | 125% (7) | 108% (3) | 125% (7) | 154% (5) | |
| Atlantik Utara | Tahun 1850–1900 | 113% (4) | 127% (4) | 113% (4) | 87% (1) | 102% (4) |
| Tahun 2080–2100 | 95% (2) | 97% (2) | 91% (2) | 98% (4) | 82% (2) |
Tren ESM individual dalam NPP, e-ratio, fluks POC 100 m , TE, dan fluks POC 1000 m di wilayah lintang rendah (Gambar 7a–7e ) serupa dengan tren untuk keseluruhan lautan global (Gambar 5 ), konsisten dengan lintang rendah yang mencakup 40% dari luas permukaan lautan global. Wilayah ini memiliki kontribusi yang sangat rendah terhadap fluks POC relatif terhadap wilayahnya di semua lima horizon kedalaman dan di hampir semua ESM individual, baik dalam periode historis maupun dalam simulasi masa depan (Tabel 2 ), didorong oleh NPP dan fluks POC yang rendah di girus subtropis (Gambar 6 ). Meskipun demikian, lintang rendah penting untuk dipertimbangkan mengingat perannya dalam mendorong tren global secara keseluruhan karena cakupan luas permukaan lautannya yang besar. Sebaliknya, kawasan Pasifik Khatulistiwa, Samudra Selatan, dan Atlantik Utara Subpolar merupakan kawasan yang telah menarik perhatian signifikan oleh komunitas riset yang tertarik mempelajari pompa biologis modern maupun proyeksi perubahan di masa mendatang, meskipun hanya meliputi sebagian kecil lautan global (Pasifik Khatulistiwa: 13%, Samudra Selatan: 4%, Atlantik Utara Subpolar: 2%).
Pasifik Khatulistiwa memberikan kontribusi yang sangat besar terhadap fluks POC global rata-rata multimodel relatif terhadap wilayahnya di setiap horizon kedalaman, baik dalam periode historis maupun pada akhir abad ke-21 (Tabel 2 ). Namun, semua horizon kedalaman menunjukkan penurunan dalam tingkat kontribusi yang tidak proporsional itu pada akhir abad ke-21 dibandingkan dengan periode historis dasar (Tabel 2 ). Pasifik Khatulistiwa juga merupakan wilayah yang dicirikan oleh variabilitas antartahunan yang tinggi dan kesepakatan yang rendah di antara ESM dalam tanda perubahan yang diharapkan dalam NPP, rasio-e, TE, dan fluks POC (Gambar 7f–7j ), konsisten dengan analisis sebelumnya yang menunjukkan bahwa wilayah ini memiliki ketidakpastian terbesar dalam NPP di seluruh model CMIP6, yang dapat menjadi hasil dari perbedaan parameterisasi dalam sirkulasi, pasokan nutrisi, dan penggembalaan (Tagliabue et al., 2021 ).
Pola perubahan yang disimulasikan oleh model untuk Samudra Selatan berbeda dari yang ada di samudra global dan kawasan lain. Ekspor karbon diproyeksikan meningkat selama abad ke-21 di Samudra Selatan, berbeda dengan penurunan yang diproyeksikan di kawasan lain. Semua ESM memproyeksikan peningkatan NPP di kawasan ini (Gambar 7k ), yang mendorong proyeksi peningkatan fluks POC 100 m di semua ESM (Gambar 7m ) dan peningkatan fluks POC 1000 m di sebagian besar ESM (Gambar 7o ), meskipun ada sebaran intermodel yang signifikan dalam tanda perubahan yang diproyeksikan dalam rasio-e dan TE (Gambar 7i dan 7n ). Hal ini menghasilkan peningkatan yang diproyeksikan secara signifikan dalam kontribusi Samudra Selatan terhadap fluks POC global relatif terhadap wilayahnya di semua lima horizon kedalaman pada akhir abad ke-21 (Tabel 2 ). Hasil-hasil ini konsisten dengan analisis ESM generasi sebelumnya (Laufkötter et al., 2016 ) dan mengarah pada minat berkelanjutan untuk memahami laju dan mekanisme penggerak pompa biologis Samudra Selatan saat ini, karena diperkirakan memainkan peran yang sangat besar dalam menggerakkan lintasan perubahan yang diproyeksikan pada pompa biologis lautan global (Tabel 2 ).
Sementara pola perubahan yang diproyeksikan oleh ESM individual menunjukkan kesamaan yang signifikan antara rata-rata global (Gambar 5 ) dan lintang rendah, Pasifik Khatulistiwa, dan Samudra Selatan (Gambar 7a–7o ), tren ESM individual dalam NPP, e-ratio, fluks POC 100 m , TE, dan fluks POC 1000 m di Atlantik Utara menunjukkan tren yang berbeda dari wilayah lain (Gambar 7p–7t ). Misalnya, penurunan besar dalam NPP dan e-ratio menyebabkan penurunan terbesar yang diproyeksikan dalam fluks POC Atlantik Utara 100 m di CMCC-ESM2, sedangkan peningkatan NPP yang cepat selama periode historis mendorong peningkatan terbesar yang diproyeksikan dalam fluks POC Atlantik Utara 100 m di EC-Earth3-CC (Gambar 7p–7r ). Meskipun mayoritas ESM yang dievaluasi di sini menunjukkan penurunan fluks POC 1000 m di Atlantik Utara selama abad ke-21, mereka menunjukkan kesepakatan rendah dalam tanda perubahan yang diproyeksikan dalam NPP, rasio-e, fluks POC 100 m , dan TE, mungkin karena interaksi kompleks antara pendorong fisik dan biologis di wilayah ini yang ditandai oleh mekarnya musim semi yang kuat, pencampuran musim dingin yang dalam, dan perubahan yang signifikan tetapi tidak pasti yang diproyeksikan dalam fitur-fitur ini selama abad ke-21 (misalnya, Palevsky & Nicholson, 2018 ). Pada semua horizon kedalaman selain MLD maks , Atlantik Utara memulai simulasi dengan kontribusi yang sangat besar terhadap fluks POC relatif terhadap area globalnya (meskipun lebih sedikit pada 1.000 m), yang kemudian menurun pada akhir abad ke-21 (Tabel 2 ). Sebaliknya, fluks POC MLDmax meningkat di Atlantik Utara selama abad ke-21 dalam rata-rata spasial multimodel (Gambar 4d ) dan dalam model tertentu dalam deret waktu terintegrasi regional (Gambar S7x dalam Informasi Pendukung S1 ), didorong oleh pendangkalan horizon kedalaman ini di bawah stratifikasi yang didorong oleh perubahan iklim (Gambar 2e dan 2f ; Gambar S3 dalam Informasi Pendukung S1 ; Tabel 2 dan Tabel S1 dalam Informasi Pendukung S1 ; Palevsky & Doney, 2021 ). Ini adalah salah satu contoh bagaimana pilihan horizon kedalaman ekspor dapat memiliki perbedaan yang signifikan pada skala regional dalam model tertentu.
4 Kesimpulan
Dalam makalah ini, kami menyajikan perbandingan multimodel proyeksi fluks POC di bawah SSP5-8.5 di lima horizon kedalaman ekspor dan menyelidiki faktor pendorong variabilitas fluks POC dan perubahan jangka panjang pada skala global dan regional. Motivasi utama untuk analisis ini adalah kurangnya konsensus dalam komunitas oseanografi tentang pilihan horizon kedalaman ekspor yang akan digunakan untuk penilaian BCP. Karena penelitian ini menganalisis representasi ESM dari BCP, hasil kami memiliki implikasi paling langsung untuk pilihan horizon kedalaman ekspor dalam simulasi ESM, tetapi juga menawarkan wawasan mekanistik yang relevan dengan analisis observasional BCP.
Dalam deret waktu terintegrasi global (Gambar 3 ) dan analisis spasial (Gambar 4 ), perubahan simulasi dalam fluks POC selama abad ke-21 cukup mirip di tiga horizon kedalaman yang paling umum digunakan untuk merepresentasikan fluks dari permukaan laut dan ke mesopelagik: 100 m, kedalaman EZ, dan PCD. Sementara kedalaman EZ dan PCD keduanya memberikan batas yang lebih relevan secara biologis antara permukaan laut dan mesopelagik, keduanya juga lebih rumit secara komputasi untuk diimplementasikan dalam menginterpretasikan keluaran ESM. Di antara dua pilihan yang bervariasi secara spasial dan temporal ini, PCD lebih sulit untuk dinilai dalam studi observasional (Palevsky & Doney, 2018 ), tetapi relatif lebih mudah untuk dihitung dalam ESM karena tidak memerlukan keluaran NPP. Mengingat trade-off antara kesamaan dalam hasil global pada 100 m versus pada kedalaman EZ atau pada PCD dan persyaratan komputasi yang relatif lebih tinggi untuk menghitung kedalaman POC EZ dan fluks POC PCD , 100 m mungkin tetap menjadi pilihan optimal horizon kedalaman ekspor untuk banyak analisis multimodel skala global, dan—mengingat sebaran rendah di antara horizon kedalaman dalam model individual (Gambar S4 dalam Informasi Pendukung S1 )—beberapa analisis global dari ESM individual. Namun, banyak pertanyaan penelitian, seperti yang difokuskan pada perbandingan latitudinal atau regional ekspor dari permukaan laut ke mesopelagik, akan mendapat manfaat dari penggunaan kedalaman EZ atau PCD yang bervariasi secara spasial, mengingat pola spasial yang kuat dalam horizon kedalaman ini (Gambar 2 ). Misalnya, konsisten dengan analisis berbasis model dan observasional sebelumnya (Buesseler et al., 2020 ; Palevsky & Doney, 2018 ), analisis menggunakan horizon kedalaman EZ menunjukkan gradien latitudinal yang lebih kuat antara fluks POC yang meningkat dan rasio-e di lintang tinggi yang menurun ke arah lintang subtropis daripada yang akan ditemukan analisis yang sama dengan menggunakan horizon kedalaman ekspor tetap 100 m (Gambar 6 ). Dengan kedalaman EZ yang diproyeksikan akan semakin dalam secara global selama abad ke-21, tetapi akan dangkal di sebagian besar Samudra Selatan (Gambar S3b dalam Informasi Pendukung S1 ), penggunaan horizon kedalaman EZ akan menyoroti pendorong perubahan ekosistem dalam perbandingan perubahan fluks POC di Samudra Selatan dengan perubahan di wilayah lain.
Baik horizon kedalaman maksimum MLD maupun horizon kedalaman tetap 1.000 m telah digunakan untuk menilai kontribusi BCP terhadap skala waktu tahunan atau lebih lama dari penyerapan karbon (Palevsky & Doney, 2018 , 2021 ; Wilson et al., 2022 ). Ketidakpastian dalam fluks POC meningkat pada kedalaman karena perbedaan TE (Wang & Fennel, 2024 ). Dengan kisaran 60% dalam persentase perubahan fluks POC terintegrasi global 1000 m , kami memang menemukan tingkat ketidakpastian tertinggi dalam perubahan fluks POC pada kedalaman dan perubahan TE hingga 1.000 m (Gambar 3 dan 5 ), yang menunjukkan bahwa tren penyerapan BCP jangka panjang bahkan lebih tidak pasti daripada fluks POC dari permukaan laut. Sementara horizon kedalaman tetap 1.000 m memberikan metrik komputasi yang mudah untuk penyerapan karbon jangka panjang, variabilitas spasial dan temporal dalam stratifikasi laut (Gambar 2e dan 2f ) dan sirkulasi menghasilkan pola yang lebih kompleks dalam kedalaman di mana partikel yang tenggelam harus menembus sebelum remineralisasi agar dapat diserap pada skala waktu yang relevan dengan iklim (DeVries et al., 2012 ; Nowicki et al., 2022 ; Palevsky et al., 2016 ; Ricour et al., 2023 ). Palevsky dan Doney ( 2021 ) berhipotesis bahwa peningkatan stratifikasi yang didorong oleh pemanasan laut selama abad ke-21 dapat menangkal penurunan MLDmax fluks POC yang didorong oleh penurunan NPP dan rasio-e, karena partikel tidak harus tenggelam terlalu jauh untuk dianggap diserap, tetapi tidak menemukan hipotesis ini didukung secara global dalam analisis mereka tentang simulasi CESM1-BEC. Analisis multimodel kami mengonfirmasi bahwa hipotesis mitigasi global penurunan fluks POC pada MLD maks dibandingkan dengan horizon kedalaman 100 m yang tetap ini tidak ditemukan di sebagian besar model, karena penurunan fluks POC lebih bervariasi dan terkadang lebih besar pada MLD maks (Gambar 3 , Tabel S2 dalam Informasi Pendukung S1 ). Namun, perubahan stratifikasi selama abad ke-21 dapat memengaruhi pola regional fluks POC MLDmaks dalam beberapa model, misalnya di Atlantik Utara subpolar (Gambar 4 dan Gambar S7x dalam Informasi Pendukung S1 ).
Penambahan pengarsipan rutin keluaran fluks POC beresolusi kedalaman di CMIP6 adalah kemajuan signifikan bagi kapasitas komunitas penelitian untuk menjawab pertanyaan tentang BCP menggunakan simulasi ESM, tetapi juga menawarkan kompleksitas tambahan bagi peneliti untuk dipertimbangkan dalam memutuskan kedalaman atau rentang kedalaman keluaran fluks POC yang akan dimasukkan dalam analisis mereka. Perbedaan besar dalam parameterisasi biogeokimia ESM (Tabel 1 ; Burd, 2024 ) menghasilkan kesepakatan rendah di seluruh model dalam besaran (Gambar 3 ), pola spasial (Gambar 4 ), dan penggerak mekanistik (Gambar 5 ) dari perubahan abad ke-21 yang diproyeksikan ke BCP di seluruh lima cakrawala kedalaman ekspor yang dievaluasi di sini, dengan kesepakatan terendah pada 1.000 m karena variasi besar di seluruh model dalam perubahan TE yang diproyeksikan. Sementara generasi perbandingan antarmodel sebelumnya telah mempertimbangkan kontribusi mekanistik terpisah dari NPP dan rasio-e terhadap ketidakpastian dalam fluks POC 100 m (Laufkötter et al., 2016 ), keluaran CMIP6 dengan resolusi kedalaman kini memungkinkan komunitas untuk mengidentifikasi ketidakpastian dalam proses yang mengendalikan TE sebagai faktor penting yang mendorong ketidakpastian dalam proyeksi BCP di masa mendatang. Oleh karena itu, TE merupakan prioritas untuk evaluasi dan pengembangan model di masa mendatang (Henson et al., 2022 , 2024 ; Wang & Fennel, 2024 ; Wilson et al., 2022 ).
Meningkatnya ketersediaan kendala observasional beresolusi kedalaman pada BCP dan mekanisme penggeraknya dari platform otonom, seperti Biogeochemical-Argo (Claustre et al., 2020 ), dikombinasikan dengan keluaran ESM beresolusi kedalaman, menawarkan potensi untuk bergerak melampaui penggunaan cakrawala kedalaman yang tetap atau bahkan bervariasi secara spasial dan temporal ke analisis profil kedalaman penuh dalam mengatasi tantangan ini (misalnya, Wang & Fennel, 2024 ). Namun, keterbatasan komputasi membuatnya tidak praktis untuk merekomendasikan bahwa semua analisis ESM dari BCP menggunakan data beresolusi kedalaman penuh, terutama untuk analisis deret waktu simulasi skenario perubahan iklim di masa mendatang. Bahasa Indonesia: Untuk banyak analisis, khususnya yang berfokus pada pola global daripada regional atau spasial, penambahan horizon kedalaman tetap 1.000 m ke horizon kedalaman tetap 100 m tradisional (misalnya, Wilson et al., 2022 ) akan memberikan data tambahan yang diperlukan untuk menilai pertanyaan tentang TE dan penyerapan karbon jangka panjang oleh BCP tanpa memerlukan penggunaan keluaran ESM dengan kedalaman terselesaikan penuh. Analisis yang disajikan dalam makalah ini yang membandingkan wawasan yang diperoleh dari penggunaan kedalaman EZ yang bervariasi secara spasial dan temporal, PCD, dan horizon kedalaman ekspor maksimum MLD dibandingkan dengan kedalaman tetap 100 dan 1.000 m menawarkan perspektif yang kami harap akan membantu memandu dan memberikan konteks untuk pilihan peneliti lain tentang horizon kedalaman ekspor mana yang akan dipilih untuk analisis yang menargetkan berbagai macam pertanyaan penelitian yang mungkin tentang BCP.
