Abstract Ecosystem processes are important determinants of the biogeochemistry of the ocean, and they can be profoundly affected by changes in climate. Ocean models currently express ecosystem processes through empirically derived parameterizations that tightly link key geochemical tracers to ocean physics. The explicit inclusion of ecosystem processes in models will permit ecological changes to be taken into account, and will allow us to address several important questions, including the causes of observed glacial–interglacial changes in atmospheric trace gases and aerosols, and how the oceanic uptake of CO 2 is likely to change in the future. There is an urgent need to assess our mechanistic understanding of the environmental factors that exert control over marine ecosystems, and to represent their natural complexity based on theoretical understanding. We present a prototype design for a Dynamic Green Ocean Model (DGOM) based on the identification of (a) key plankton functional types that need to be simulated explicitly to capture important biogeochemical processes in the ocean; (b) key processes controlling the growth and mortality of these functional types and hence their interactions; and (c) sources of information necessary to parameterize each of these processes within a modeling framework. We also develop a strategy for model evaluation, based on simulation of both past and present mean state and variability, and identify potential sources of validation data for each. Finally, we present a DGOM‐based strategy for addressing key questions in ocean biogeochemistry. This paper thus presents ongoing work in ocean biogeochemical modeling, which, it is hoped will motivate international collaborations to improve our understanding of the role of the ocean in the climate system.

Abstract. Nitrous oxide (N2O) is a long-lived potent greenhouse gas and stratospheric ozone-depleting substance that has been accumulating in the atmosphere since the preindustrial period. The mole fraction of atmospheric N2O has increased by nearly 25 % from 270 ppb (parts per billion) in 1750 to 336 ppb in 2022, with the fastest annual growth rate since 1980 of more than 1.3 ppb yr−1 in both 2020 and 2021. According to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change (IPCC AR6), the relative contribution of N2O to the total enhanced effective radiative forcing of greenhouse gases was 6.4 % for 1750–2022. As a core component of our global greenhouse gas assessments coordinated by the Global Carbon Project (GCP), our global N2O budget incorporates both natural and anthropogenic sources and sinks and accounts for the interactions between nitrogen additions and the biogeochemical processes that control N2O emissions. We use bottom-up (BU: inventory, statistical extrapolation of flux measurements, and process-based land and ocean modeling) and top-down (TD: atmospheric measurement-based inversion) approaches. We provide a comprehensive quantification of global N2O sources and sinks in 21 natural and anthropogenic categories in 18 regions between 1980 and 2020. We estimate that total annual anthropogenic N2O emissions have increased 40 % (or 1.9 Tg N yr−1) in the past 4 decades (1980–2020). Direct agricultural emissions in 2020 (3.9 Tg N yr−1, best estimate) represent the large majority of anthropogenic emissions, followed by other direct anthropogenic sources, including fossil fuel and industry, waste and wastewater, and biomass burning (2.1 Tg N yr−1), and indirect anthropogenic sources (1.3 Tg N yr−1) . For the year 2020, our best estimate of total BU emissions for natural and anthropogenic sources was 18.5 (lower–upper bounds: 10.6–27.0) Tg N yr−1, close to our TD estimate of 17.0 (16.6–17.4) Tg N yr−1. For the 2010–2019 period, the annual BU decadal-average emissions for both natural and anthropogenic sources were 18.2 (10.6–25.9) Tg N yr−1 and TD emissions were 17.4 (15.8–19.20) Tg N yr−1. The once top emitter Europe has reduced its emissions by 31 % since the 1980s, while those of emerging economies have grown, making China the top emitter since the 2010s. The observed atmospheric N2O concentrations in recent years have exceeded projected levels under all scenarios in the Coupled Model Intercomparison Project Phase 6 (CMIP6), underscoring the importance of reducing anthropogenic N2O emissions. To evaluate mitigation efforts and contribute to the Global Stocktake of the United Nations Framework Convention on Climate Change, we propose the establishment of a global network for monitoring and modeling N2O from the surface through to the stratosphere. The data presented in this work can be downloaded from https://doi.org/10.18160/RQ8P-2Z4R (Tian et al., 2023).

Abstract Phytoplankton primary production is a crucial component of Arctic Ocean (AO) biogeochemistry, playing a pivotal role in carbon cycling by supporting higher trophic levels and removing atmospheric carbon dioxide. The advent of satellite observations measuring chlorophyll a concentration (Chl_a) has provided unprecedented insights into the distribution of AO phytoplankton, enhancing our ability to assess oceanic net primary production (NPP). However, the optical properties of AO waters differ significantly from those of the lower‐latitude waters, complicating remotely sensed Chl_a retrievals. To mitigate these deficiencies, solar‐induced chlorophyll fluorescence (SIF) has emerged as a valuable tool for gaining physiological insights into the direct photosynthetic processes of the AO. However, the temporal coverage of satellite SIF data makes long‐term analysis of Chl_a photosynthetic activity challenging. In this study, we leverage satellite‐based SIF measurements from 2018 to 2021 to assess their correlation with a set of predictive factors influencing phytoplankton photosynthesis. Generally, observed SIF over the AO showed a higher correlation with normalized fluorescence line height (NFLH) compared to Chl_a. We extended the temporal coverage of the original SIF data to encompass the period from 2004 to 2020. The extended record revealed noticeable differences between SIF, and satellite‐based Chl_a, and NFLH observations. Our novel data set offers a pathway forward to monitor the physiological interactions of phytoplankton with climate changes, promising to significantly improve our understanding of Arctic waters productivity. The application of this data is expected to provide new insights into how phytoplankton respond to environmental shifts, contributing to a more nuanced understanding of their role in high‐latitude marine ecosystems.

Abstract. The Arctic Ocean experiences significant seasonal to interannual environmental changes, including in temperature, light, sea ice, and surface nutrient concentrations, that influence the dynamics of marine plankton populations. Here, we use a hindcast simulation (1948–2009) of size-structured Arctic Ocean plankton communities, ocean circulation, and biogeochemical cycles in order to better understand how seasonal to interannual changes in the environment influence phytoplankton physiology, plankton community structure, trophic dynamics, and fish production in the Arctic Ocean. The growth of model phytoplankton was primarily limited in winter, spring, and fall by light, but in summer, the growth of smaller and larger phytoplankton was mostly limited by temperature and nutrient availability, respectively. The dominant trophic pathway in summer was from phytoplankton to herbivorous zooplankton such that the average trophic position of model zooplankton was lower in the summer growing season compared to the rest of the year. On interannual timescales, changes in plankton community composition were strongly tied to interannual changes in bottom-up forcing by the environment. In the summer, in years with less ice and warmer temperatures, the biomass of phytoplankton and zooplankton was higher, the size–abundance relationship slopes were more negative (indicative of a phytoplankton community enriched in smaller phytoplankton), zooplankton had higher mean trophic position (indicative of greater carnivory), and potential fishery production was greater, fueled by increased mesozooplankton biomass and flux of organic matter to the benthos. The summertime shift toward greater carnivory in warmer and low-ice years was due primarily to changes in phenology, with phytoplankton and microzooplankton blooms occurring approximately 1 month earlier in these conditions and carnivorous zooplankton increasing in abundance during summer. The model provides a spatially and temporally complete overview of simulated changes in plankton communities in the Arctic Ocean occurring on seasonal to interannual timescales, and it provides insights into the mechanisms underlying these changes as well as their broader biogeochemical and ecosystem significance.