用现场甲流量数据和机器学习方法量化全球湿地甲排放量
Shuo Chen1, Licheng Liu1, Yuchi Ma2
1Department of Earth, Atmospheric, Planetary Sciences Purdue University West Lafayette IN USA.
Earth's future
|December 2, 2024
概括
全球湿地甲 (CH4) 排放量使用机器学习模型进行估计. 这项研究为了解CH4提供了关键数据.
科学领域:
- 地球科学 地球科学 地球科学
- 气候科学 气候科学
- 环境科学 环境科学
背景情况:
- 湿地甲 (CH4) 排放显著影响全球气候动态.
- 目前全球对湿地CH4排放的估计表现出相当大的不确定性.
- 准确的量化对于气候建模和减缓战略至关重要.
研究的目的:
- 开发和应用机器学习 (ML) 模型来估计全球湿地CH4排放.
- 通过多模型组合 (MME) 方法减少CH4排放估计中的不确定性.
- 在各种气候变化情景下预测未来的湿地CH4排放.
主要方法:
- 开发了六种不同的自下而上的ML模型,使用室内测量和Fluxnet-CH4网络的现场CH4流量数据.
- 采用多模型组合 (MME) 方法来合成模型输出并减少不确定性.
- 将降水,温度,土壤特性,湿地和气候类型等环境变量纳入模型.
- 将MME推断到全球范围内,以估计从1979年到2099年的CH4排放量.
主要成果:
- 估计目前的湿地CH4年排放量为146.6 ± 12.2 Tg CH4 yr-1 (1979-2022). 估计目前的湿地CH4年排放量为146.6 ± 12.2 Tg CH4 yr-1 (1979-2022).
- 在不同的共享社会经济路径 (SSP) 下,预计未来的排放量将增加:165.8 ± 11.6 (SSP126),185.6 ± 15.0 (SSP370) 和193.6 ± 17.2 (SSP585) Tg CH4 yr-1到21世纪末.
- 确定北欧和近赤道地区作为目前的CH4排放热点.
结论:
- 基于ML的MME方法提供了一种可靠的数据驱动方法,用于估计全球湿地CH4排放.
- 未来的湿地CH4排放量预计将增加,根据排放情况而有所不同.
- 进一步的研究应该集中在全面的CH4测量和改善湿地空间动态的特征,以减少量化不确定性.
