土壤碳研究减少了预测气候变化影响的不确定性

导  读

大自然提供了无数方法来检查它的健康。较成功的指标之一是其土壤有机碳的状况，或碳在土壤的有机部分的浓度，包括腐烂的植被或动物产物。碳含量的微小变化会大大改变大气中的碳浓度并影响气候。

译者: 陈能场（广东省生态环境技术研究所研究员、中国科协环境生态领域首席传播专家）

日期：2020年7月9日

原题:  Soil carbon research reduces uncertainty in predicting climate change impacts

作者：Ginger Reilly, Argonne National Laboratory

出处：https://phys.org/news/2020-07-soil-carbon-uncertainty-climate-impacts.html

阿贡国家实验室的科学家从ARPA-E获得了800万美元的资助，用于与新创公司（startup companies）合作，并利用数字双子技术帮助开发新型的先进反应堆。从左至右：Emily Shemon，Rui Hu和Temitope Taiwo。照片来源：阿贡国家实验室。

能源部和美国农业部的研究人员使用新的全球模型来研究环境控制因素如何影响土壤有机碳，这些变化可以改变大气中的碳浓度并影响气候。预测可能有利于行业缓解计划。

大自然提供了无数方法来检查它自家的健康。较成功的指标之一是其土壤有机碳的状况，或碳在土壤的有机部分的浓度，包括腐烂的植被或动物产物。碳含量的微小变化会大大改变大气中的碳浓度并影响气候。

美国能源部（DOE）阿贡国家实验室的地理空间科学家Umakant Mishra说：“土壤有机碳对研究非常重要，因为土壤特性为人类提供了众多的生态系统服务，例如使污染物失活，保护生物多样性，保护和净化水，提高土壤肥力以及减轻气候变化的影响。”

农业部与包括阿贡在内的几个能源部国家实验室合作，开始预测和模拟环境控制因素或土壤形成因素（气候、生物、地形、父物质和时间）对美国本土不同空间尺度土壤有机碳的影响。

土壤有机碳研究的结果旨在减少预测全球碳气候反馈和相关的气候变化时的不确定性。他们还可以就未来的极端气候如何影响从农业和作物保险业到自然资源保护业等众多行业的活动提供更大的确定性。

研究人员首次能够通过使用大量最近可用的现场观测结果，大量的环境因素和机器学习算法（一种从特定数据中学习的人工智能方法，逐步改进对类似新数据的预测）来生成缩放算法，来解释如此庞大的地理区域。

在这种情况下，比例尺是指假定土壤有机碳特性相似的区域，而比例尺则采用从一种空间比例尺收集的信息并将其应用于另一种空间比例尺。随着该区域分解成网格单元的图案，本研究中使用的空间尺度范围从100 m的较精细分辨率到网格中心之间的50 km的更精细的分辨率。

Mishra说：“土壤有机碳含量在不同的采样地点是不同的，这就是为什么如果我们想捕获研究区域土壤特性的空间异质性，就需要在代表性的地点进行采样。”

他和他的合作者作为研究的一部分创建的缩放算法，除了更准确地预测气候变化外，对地球系统模型（例如DOE的能源百亿分之一地球系统模型）也很重要。

Mishra指出，缩放是一个在生物地球化学/自然科学中传统上被忽略的问题，人们认为与一个空间尺度相关的属性或过程可以在较小或较大的尺度上应用。但实际上并非如此。

当前的地球系统模型用于预测未来的全球碳气候反馈和相关的气候变化，它们在粗略的空间尺度（50-100 km）上运行，并且目前无法以某种方式表示环境控制者及其对土壤有机碳的影响与实地观察一致。

他补充说：“环境因素对土壤有机碳的控制与当前土地表面模型中的观察结果不一致。” “我们相信，我们在这项研究中开发的缩放函数是从一个大地理区域的众多样本中提取的，可以改善地球系统模型中土地表面土壤有机碳的空间表示。”

在该研究小组最近的工作结果中，模型表明，地形和土壤属性是较小尺度下土壤有机碳的重要控制者。从规模上看，气候和土地利用因素是重要的控制因素。

2020年10月1日出版的《Geoderma》（2020年6月23日，在线出版）刊登了一篇关于这项研究的文章，'土壤有机碳变化环境控制因素的重要性和强度与规模'。

发表的文章：K. Adhikari et al, Importance and strength of environmental controllers of soil organic carbon changes with scale, Geoderma (2020). DOI: 10.1016/j.geoderma.2020.114472