Python社区  »  机器学习算法

《自然》| 清华大学地学系黄小猛团队基于深度学习方法合作揭示全球土壤碳储存机制

气象学家 • 5 天前 • 9 次点击  

地球上储存的土壤有机碳量是陆地植被有机碳的4倍,很小比例的流失也可能加速气候变暖。促进土壤固碳有助于降低大气中的二氧化碳浓度,是应对气候变化的自然解决方案之一。清华大学地球系统科学系黄小猛教授、博士生陶凤以及康奈尔大学骆亦其教授组织的国际研究团队在生态学和计算机科学领域开展深度学科交叉,利用人工智能和数据同化技术,揭示了微生物碳利用效率对全球土壤有机碳储量的决定性作用。

研究立足于过去两百年的土壤碳循环理论,整合了世界最大的土壤有机碳数据库,并结合先进人工智能和数据同化技术,首次系统评估了各种土壤碳循环过程对全球土壤有机碳储存的相对贡献。研究揭示了微生物碳利用效率与土壤有机碳储量的关系,为通过土地管理影响微生物过程、促进土壤固碳和实现碳中和目标提供了科学理论基础。此外,研究构建的机理模型、生态大数据与人工智能相融合的新范式也为其他相关领域研究提供了新思路。

该项成果以“微生物碳利用效率促进全球土壤碳储存”(Microbial carbon use efficiency promotes global soil carbon storage)为题,于5月24日发表在《自然》杂志上。

微生物既是土壤中主要的有机质分解者,也通过其生长和死亡直接产生土壤有机质。解析微生物过程对土壤有机碳储存的双重控制机制和定量评估其相对贡献,是理解土壤碳循环及其响应气候变化的关键。

为此,研究团队以微生物碳利用效率为变量,整合了微生物过程对土壤有机碳储存的双重控制机制,探讨了其与全球土壤有机碳储量的关系。微生物碳利用效率代表了微生物如何在代谢中将碳分配于生物合成和矿化分解之间。高的微生物碳利用效率意味着通过增加的生物量,进而产生更多的凋亡物及有机副产物,以此来促进土壤有机碳的积累。另一方面,这也可能意味着促进有机质分解的酶更多被合成,并最终加速土壤有机碳的流失(图1)。


图1 微生物碳利用效率对土壤有机碳的两种控制途径


研究将描述复杂土壤碳循环的机理模型与5万多条土壤碳观测数据相融合,在贝叶斯框架下确定了微生物过程对土壤有机碳储存最可能的控制路径。结果表明,在全球范围内,微生物碳利用效率与土壤有机碳储量正相关(图2),微生物代谢中对有机合成较高的碳分配比例最终导致了土壤有机碳的积累而不是流失


图2 涌现的微生物碳利用效率与土壤有机碳储量关系


研究团队进一步基于团队自主开发的“过程驱动和数据驱动融合的深度学习建模(PRODA)方法”,将站点尺度的数据-模型融合结果扩展到全球尺度,获取了包括微生物碳利用效率在内的7类土壤碳循环过程的空间分布格局,并定量评估了它们对全球土壤有机碳储量和空间分布的相对贡献。微生物碳利用效率在全球呈现低纬度低值和高纬度高值的格局(图3),反映出微生物生理对温度的适应性——在热带地区,微生物降低了对有机合成的碳分配比例,以适应高温环境中维持代谢所需的更多能量。“PRODA方法创造性地利用人工智能技术结合过程模型揭示了土壤碳循环过程的空间格局,这对利用过程模型合理模拟土壤碳储存至关重要。”清华大学黄小猛教授表示


图3 全球土壤有机碳及其相关过程的空间格局


研究还发现,微生物过程在土壤碳储存中发挥着最为关键的作用。准确描述微生物碳利用效率的空间格局是准确模拟全球土壤有机碳储量和空间分布的关键,其重要性是土壤有机质分解和植物碳输入等其他过程的4倍以上(图4)。“我们的团队突破性地解决了在全球尺度评估微生物过程与其他过程对土壤碳储存的相对重要性这一难题。”康奈尔大学骆亦其教授说。


图4 微生物碳利用效率相对其他土壤碳循环过程重要性


清华大学2018级直博生陶凤为论文第一作者,康奈尔大学骆亦其教授和清华大学黄小猛教授为共同通讯作者。来自中国、美国、德国、法国、瑞典、瑞士、澳大利亚、意大利和英国的30多名合作者参与了这项研究。研究得到国家自然科学基金、国家重点研发计划和国家留学基金委的支持。


论文链接:

https://www.nature.com/articles/s41586-023-06042-3


扫描二维码或点击阅读原文即可获取全文

供稿:陶凤 黄小猛

编辑:王佳音

审核:张强

排版:霍婧雯




-----广告赞助商-----







声明:欢迎转载、转发本号原创内容,可留言区留言或者后台联系小编(微信:gavin7675)进行授权。气象学家公众号转载信息旨在传播交流,其内容由作者负责,不代表本号观点。文中部分图片来源于网络,如涉及作品内容、版权和其他问题,请后台联系小编处理。


往期推荐

 获取ERA5-Land陆面高分辨率再分析数据(32TB)

 1942-2022年中国地面气象站观测数据免费分享

 获取全球GPM降水数据,半小时/逐日(4TB)

 获取1998-2019 TRMM 3B42逐日降水数据

★ 获取最新版本CMIP6降尺度数据集30TB

★ 获取ERA5常用变量再分析数据26TB

 EC数据商店推出Python在线处理工具箱

★ EC打造实用气象Python工具Metview

★ 机器学习简介及在短临天气预警中的应用

★ Nature-地球系统科学领域的深度学习及理解

★ 采用神经网络与深度学习来预报降水、温度

★ 灵魂拷问:ChatGPT对气象人的饭碗是福是祸?

★ 气象局是做啥的?气象局的薪水多少?

★ 一位气象学家尝试ChatGPT复现Nature子刊的研究,他真的会面临失业吗?!


   欢迎加入气象学家交流群   

请备注:姓名/昵称-单位/学校-研究方向



Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/155489
 
9 次点击