GCB: 降低量化全球湿地甲烷排放温度依赖性的不确定性降低量化全球湿地甲烷排放温度依赖性的不确定性Reducing the Discrepancy in Quantifying the Temperature Dependence of Global Wetland Methane EmissionArticle2026/2/10Global Change BiologyDOI10.1111/gcb.70748原文链接https://doi.org/10.1111/gcb.70748第一作者 Han Hu胡汗Ke Xue薛轲Yishen Sun孙诣深通讯作者 Chao Qian钱超Yuting Liang梁玉婷合作作者 Qing ZhuHans K. CarlsonRuiwen HuRong-Xi Tan谭荣熙Weigen Huang黄伟根Jizhong Zhou周集中Jingdong Mao毛景东Thomas W. CrowtherZhi-Hua Zhou周志华Jiabao Zhang张佳宝主要单位1 中国科学院南京土壤研究所土壤与农业可持续发展国家重点实验室State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science, Chinese Academy of Sciences, Nanjing, China2 中国科学院大学University of Chinese Academy of Sciences, Beijing, China3 南京大学计算机软件新技术国家重点实验室National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China4 南京大学人工智能学院School of Artificial Intelligence, Nanjing University, Nanjing, China5 美国劳伦斯伯克利国家实验室气候与生态系统科学部Climate and Ecosystem Sciences Division, Lawrence Berkeley National Laboratory, Berkeley, California, USA6 美国劳伦斯伯克利国家实验室环境基因组与系统生物学部Environmental Genomics and Systems Biology Division, Lawrence Berkeley National Laboratory, Berkeley, California, USA7 美国俄克拉何马大学生物科学学院School of Biological Sciences, University of Oklahoma, Norman, Oklahoma, USA8 美国 Old Dominion 大学化学与生物化学系Department of Chemistry and Biochemistry, Old Dominion University, Norfolk, USA9 瑞士苏黎世联邦理工学院环境系统科学系整合生物研究所Department of Environmental Systems Science, Institute of Integrative Biology, ETH Zurich, Zurich, Switzerland*电子邮件 qiancnju.edu.cnytliangissas.ac.cn摘要Abstract了解湿地甲烷排放EM的表观温度依赖性对于预测气候-碳反馈至关重要但目前的估算仍受限于观测局限性和方法上的不一致。湿地生态系统固有的生物地理异质性加上稀疏且分布不均的通量测量数据使得表征 EM空间格局时仍存在较大的不确定性。这一知识空白阻碍了在气候变暖情景下对湿地甲烷贡献的准确预测。本文构建了一个将混合效应模型与人工智能技术相结合的框架用于解析全球湿地甲烷排放热力学的尺度依赖性格局。我们的统一框架表明全球湿地面积中只有 73.6%第 5 至 95 百分位数71.8%–75.4%符合经典的阿伦尼乌斯型温度依赖性。该框架结合马氏距离和适用性检验能够以较高置信度预测全球 69.5%67.9%–71.1%的湿地。我们量化了高置信度可预测区域的加权平均 EM值其值为 0.694 eV并发现其存在明显的纬度差异热带0.634 eV、温带0.678 eV和北方0.745 eV湿地对温度的响应强度依次递增。忽略这些生物地理差异可能导致在选定的社会经济路径情景下对本世纪末甲烷排放量的预测低估 4.2%–13.3%。本研究改进了耦合气候-碳循环模型中的温度敏感性参数从而提高了对未来全球变暖趋势的预测精度并为应对气候变化的战略措施提供了科学依据。引言Introduction甲烷(CH4)是一种强效温室气体其全球变暖潜能值在100年时间尺度上至少是二氧化碳(CO2)的45倍。自工业革命以来人为甲烷排放量的增加已导致约 20%全球变暖。在自然生态系统中湿地是大气甲烷的主要来源约占全球自然甲烷排放量的70%。大量文献表明气候变暖会显著增加湿地甲烷CH4排放从而引发正向的甲烷-气候反馈进可能进一步加速气候变暖。然而湿地甲烷排放的温度依赖性在全球范围内仍存在很大不确定性这限制了我们预测气候变暖背景下这些排放的能力。湿地净甲烷排放量在生态系统层面的温度依赖性可以用甲烷排放的表观活化能EM来描述。表观温度敏感性综合反映了多种过程的综合效应包括甲烷的产生、氧化和传输以及地下水位深度WTD自然环境条件和其他水文限制因素。EM反映了生态系统尺度净甲烷排放的综合热响应。表观敏感性对于预测区域乃至全球尺度的气候-甲烷反馈至关重要因为必须考虑综合的生态系统响应。目前EM的全球平均值估计主要采用线性混合效应 (LME) 模型该模型能够处理嵌套协方差结构和非平衡实验设计。以往采用此方法的meta分析估计了一个恒定的平均EM值用于模拟CH4排放的模型根据所收集的现场数据估计值范围为0.63至0.96 eV。然而特定地点的EM值表现出显著的生物地理异质性在全球范围内可达0.2至2.5 eV。采用统一的全球EM值可能会掩盖关键的生物地理格局并导致进一步CH4排放预测的准确性大幅下降。此外大多数实地观测数据来自温带地区这引入了区域偏差限制了先前模型在热带和北方地区的适用性。为了提高全球EM预测的准确性必须扩大湿地排放数据的尺度和生物地理代表性。这仍然是了解当前和未来气候情景下全球CH4动态的关键研究重点。目前人工智能 (AI) 技术的进步为应对这一挑战提供了一个很有前景的解决方案。与传统的线性混合效应 (LME) 模型不同AI 技术可以将站点层面的 EM与土壤、水文、气候和植被条件联系起来从而有助于在全球范围内进行合理的外推。然而在实践中以往基于AI的研究并未系统刻画阿伦尼乌斯型温度依赖性在湿地中适用与不适用的区域并且通常对训练数据的空间代表性和全球外推的可靠性评估有限。为了弥补这些差距我们开发了一个两阶段框架将“EM可以估计的位置”与“EM估计值在全球范围内的变化方式”分开从而避免将 EM赋值到非阿伦尼乌斯区域并实现置信度感知的外推。在此我们汇编了一个包含全球 294 个野外站点、4869 条 CH4 排放观测数据的数据集图S1其中包括热带和极地地区的63个站点这在很大程度上缓解了区域偏差。我们的研究重点关注基于野外观测数据得出的表观EM值。我们利用该值描述了不同湿地生态系统中净CH4排放量如何响应温度变化并纳入了所有相关的物理、生物和水文因素。在使用线性混合效应模型LME计算站点层面的EM值后我们开发了一个分类模型用于预测全球湿地中CH4排放量符合阿伦尼乌斯方程描述排放量随温度升高而增加的区域范围。然后我们训练了一个回归模型以生成关于EM生物地理变异的定量信息。与之前的方法相比LME-AI模型框架能够捕捉到全球EM值的更多异质性和变化并明确地限制了观测值之外的外推图S2。更重要的是通过表征全球湿地EM的空间显式估计值我们可以估算未来全球湿地在变暖情景下的CH4排放量。结果与讨论Result and Discussion以往研究已将湿地地下水位深度WTD确定为全球环境监测EM的关键控制因素。鉴于WTD存在显著的季节性变化我们首先估算了数据集中的EM季节性变化。分析表明全球层面的EM以及大多数站点层面的EM均未表现出显著的季节性变化。此外湿地WTD的季节性波动与EM的变化并不一致。因此我们提出纳入考虑季节性变化驱动的温度变化的季节性EM可以有效捕捉全球和站点层面甲烷排放对年内温度波动的响应。利用现行的 LME 模型我们估计194个野外站点的平均季节性 EM符合Arrhenius 方程为 0.619 eV95% CI0.536–0.703。为了阐明湿地季节性环境监测的全球模式我们研究了七种经典的机器学习模型和三种深度神经网络这些模型均以其在分类和回归任务中的出色表现而闻名。我们开发了一个两阶段机器学习模型。首先我们选择随机森林模型作为分类模型因为它在评估多个站点的CH4排放量与阿伦尼乌斯方程的符合程度方面表现出色曲线下面积[AUC]0.96F1分数0.96。其次我们选择CatBoost模型作为回归模型原因有二。首先它是回归任务中表现最佳的模型之一R20.89图1d。其次其可解释性分析表明土壤碳氮比和水深是预测EM的最重要特征这与现有知识一致。利用该两阶段模型我们提供了空间分辨率为30角秒约1公里的EM估计值如图1所示。图 1 . 全球湿地 CH4 排放量 (EM) 的温度依赖性分布。(a) 受试者工作特征 (ROC) 曲线绿色显示了分类模型的性能是否符合阿伦尼乌斯方程。在 262 个站点中有 194 个站点符合阿伦尼乌斯方程。紫色虚线表示分类器的完美预测 (AUC1)而蓝色虚线表示随机分类。(b) 根据 CH4排放行为对全球湿地进行分类红色区域不符合阿伦尼乌斯方程、黄色区域符合阿伦尼乌斯方程但 EM值置信度较低第 2 节和绿色区域EM值可预测且置信度较高。(c) 全球及各气候带基于柯本气候分类中红色、黄色和绿色区域的比例热带、干旱、温带、寒冷和极地。(d) 用于量化 EM值的回归模型性能。红线代表 1:1 相关性完美预测该模型基于 194 个站点级数据进行训练和测试并符合阿伦尼乌斯方程。(e) 可预测区域中湿地 EM值的全球分布。灰色区域表示不可预测或低置信度区域图 b 中的红色和黄色区域。(f) 全球 EM值的算术平均值虚线通过将所有 EM值相加并除以点总数计算得出。(g) 使用线性混合效应模型方法得出的全球 EM值加权平均值。所有地图的空间分辨率约为 20 公里12 弧分。地图线条标示研究区域并不一定代表公认的国界。我们将当前主流的大型综合生态系统LME模型与两阶段模型进行了比较。就全球代表性而言LME模型的全球平均生态系统管理EM仅基于194个站点的数据覆盖了全球湿地总面积的0.4%。相比之下两阶段模型利用30,262个95% CI29,571–30,961湿地网格单元的高置信度预测值估算了全球平均生态系统管理覆盖了全球湿地总面积的69.5%95% CI67.9–71.1图1b。关于模型稳健性当数据集大小减半时LME模型的结果平均变化了9.0%95% CI5.0–12.9而两阶段模型的结果变化了4.0%95% CI2.5–5.6。这些结果表明与LME模型相比两阶段模型在预测EM方面表现出更优的全局代表性和更稳定的稳健性。分类模型识别出 26.4%95% CI24.6–28.2的全球湿地表现出非阿伦尼乌斯 CH4排放-温度关系。随后我们采用基于置换的特征重要性评估和偏依赖建模的 SHapley 加性解释SHAP分析以确定控制湿地 CH4排放-温度关系是否符合阿伦尼乌斯方程的关键预测因子。结果表明当 NDVI 超过 0.36 且年平均 WTD 低于 -20 cm 时非阿伦尼乌斯关系的概率显著增加图 2c。这种模式表现出强烈的生物地理依赖性热带湿地的偏差发生率高达70%相比之下温带为28%北方为11%图1c。几种机制假说可以解释这种生物地理差异可能涉及跨越热梯度的植被-微生物-气候耦合相互作用1热带夏季温度经常超过产甲烷古菌的热最适温度2微生物的热适应滞后导致排放响应脱钩可能引入非线性的温度-排放关系尤其是在热带地区3水生植物的根际氧合作用改变了产甲烷菌与甲烷氧化菌的平衡。 (4) 热带湿地降雨-蒸发交替引起的显著水位波动导致动态氧化还原边界迁移改变甲烷生成和甲烷氧化的空间分离同时改变气体扩散路径最终扰乱热响应模式。在上述机制假设中我们的SHAP和部分依赖性证据与植被-水文相关的机制假设3-4最为一致而假设1-2仍然合理值得进一步的针对性检验。总之我们的研究结果表明EM和Q10值都不能完全捕捉CH4排放对热带湿地季节性温度变化的响应。因此未来的研究应考虑开发针对这些独特气候带的新的量化方法。利用回归模型我们对高置信度可预测区域的EM生物地理变异进行了表征。这些区域湿地EM的算术平均值为0.722 eV标准差为0.087图1f。该平均值显著低于先前报道的0.96 eV。这种差异可能源于水文条件的不同因为我们的数据集包含了多种水文条件其中包含许多非饱和水体观测数据这些数据会降低EM值。利用当前的全球湿地 CH4排放数据集我们模拟了变暖情景并预测了不同温度条件下的全球 CH4总排放量。分析结果显示全球可预测区域的加权平均 EM为 0.694 eV这相当于随着温度从 0°C 升高到 30°CCH4排放量增加了 19 倍图 1g。值得注意的是这些结果不仅仅是简单的数值更新而是反映了全球湿地平均排放模量EM推断方式的转变。早期的荟萃分析使用线性混合效应模型LME基于有限且不均匀的站点覆盖范围来估算全球平均排放模量其假设是阿伦尼乌斯型排放普遍适用于全球湿地。后续研究表明排放模量受水文和底质限制的强烈影响为其空间变异提供了机制解释。基于这些发现我们构建了一个框架以明确区分阿伦尼乌斯型排放适用的区域以及排放模量在全球范围内的变化。该框架降低了将排放模量分配给非阿伦尼乌斯区域的风险并使我们能够考虑基线甲烷排放量及其温度依赖性的生物地理变异。综上所述这些进展都基于EM中空间明确的生物地理变异。这促使我们在站点覆盖不均的情况下生成全球尺度估计时采用LME-AI框架而非传统的LME模型。图 2 . 湿地 CH4 排放量温度依赖性的预测因子 (EM)。(a) 用于分类阿伦尼乌斯方程合规性左和回归排放指标右的预测因子重要性排序星号表示每个任务的前两个预测因子。完整的预测因子定义见第 2 节。(b, d) 单特征偏依赖图采用 SHapley 加性解释 (SHAP) 值响应其中彩色带表示偏依赖图中的临界变化区间红色、SHAP 响应中的正向黄色和负向绿色特征影响。广义加性模型拟合报告 R² 和 p 值。(c, e) 双特征协方差对标签的偏依赖图。分类结果编码为 1符合阿伦尼乌斯方程和 0不符合。我们的分析揭示了不同气候带的平均EM值存在显著的纬度梯度热带、温带和北方地区的加权平均值分别为0.634、0.678和0.745 eV。这种空间格局与WTD分布呈显著正相关北方湿地的平均WTD-7.6 cm高于热带-14.1 cm和温带湿地-23.0 cm图2d。西伯利亚湿地是这种关系的一个典型例子它包含大片连片的、对气候敏感的湿地这些湿地常年饱和WTD 0 cm储存着大量的土壤碳。土壤碳底物加速分解与这些系统中增强的排放潜力之间的相互作用可能会在预测的变暖情景下加剧甲烷排放。观察到显著的气候内部异质性尤其是在加拿大北极/亚北极湿地其EM值降低与地下水位和土壤C:N比升高相关图1e和2e。在WTD深度0-5厘米处出现了一个临界阈值响应在此深度范围内我们检测到EM值急剧增加。该阈值响应表明在景观尺度上采取水文管理策略包括控制筑坝和湿地沼泽化实践可以有效地将高WTD北方湿地的WTD维持在地表以下。这些干预措施代表了提高北方泥炭地生态系统碳封存能力并减少未来甲烷排放的有前景的方法。为了预测未来湿地甲烷排放量我们利用耦合模式比较计划CMIP和共享社会经济路径SSP来预测未来几十年全球年平均气温的变化模式。我们的方法基于以下假设本世纪全球基本环境变化率EM将保持不变。在此假设下我们模拟了不同SSP情景下的未来全球甲烷排放量。结果表明社会经济路径的选择将显著影响未来的甲烷排放量。基于这些模拟结果到本世纪末全球湿地甲烷总排放量预计将比当前水平高出1.40至2.65倍具体数值取决于所选的社会经济路径图3。相比之下当使用LME模型估算的固定EM值0.619 eV进行预测时全球湿地CH4总排放量预计比当前水平高出1.33至2.27倍。这表明如果在预测中忽略EM的生物地理变异则2100年的全球CH4排放量预测值可能被低估4.2%至13.3%图3。图 3 . 未来 CH4排放量的全球预测。对于每条共享社会经济路径 (SSP)相对比率定义为 2100 年的 CH4排放率除以当前排放率。所有地图均使用空间变化的 EM值进行预测。SSP126 代表可持续发展情景其中全球实践逐步转向可持续发展。SSP245 是中间路线情景其趋势与历史模式相似。SSP370 描绘了区域竞争情景其特点是受民族主义抬头和冲突驱动的国内或区域优先事项。SSP585 是化石燃料发展情景其特点是化石燃料的广泛开采、严重的环境退化和显著的气候变化影响。直方图百分比显示与考虑 EM的生物地理变异相比使用来自 LME 模型的固定 EM值 0.619 eV 会高估未来全球湿地 CH4排放量。地图上的线条标示研究区域并不一定代表公认的国界线。尽管我们目前的EM预测结果较为可靠但需要注意的是我们关于湿地EM恒定的假设可能并不适用于长期情况。这是因为全球干旱趋势以及植物-土壤-微生物系统的热适应可能会改变温度与CH4排放之间的关系。例如干旱会降低WTD并增加通气性从而有利于甲烷氧化而非甲烷生成。热适应包括生理适应、种内适应和竞争驱动的群落重组可以诱导产甲烷菌群落产生补偿性反应。这两个过程都可能减弱变暖对甲烷排放的刺激作用。如果气候变化按预期发展北方寒冷生态系统可能会向北方温带系统转变。这表明气候变化可能导致许多湿地EM减小。与此同时气候变化预计将导致永久冻土融化影响大约一半的北方泥炭地这可能导致这些地区的基线甲烷排放量升高。此外全球湿地面积预计也会发生变化。尽管对于某些区域尺度的变化尚未达成共识但预计全球范围内湿地面积将普遍减少这将影响未来的湿地甲烷排放量。为了增进我们对气候变暖背景下湿地CH4排放的了解未来的研究应该评估气候变化对湿地水文条件、湿地面积以及产甲烷菌的生理适应性的影响从区域到全球尺度。结论Conclusions总之通过整合来自全球代表性湿地数据集的EM信息我们的方法表征了 EM的生物地理变异格局。这增强了我们量化全球CH4动态温度敏感性的信心而这对于未来气候预测至关重要。此外对数据进行空间表征使我们能够识别出高纬度北方湿地可能对气候变暖最为敏感。更重要的是我们为改进耦合气候-碳循环模型中EM的表征提供了方法学基础从而有助于预测未来气候变暖背景下的CH4动态。我们的研究结果还强调了不同社会经济发展路径下未来CH4排放量的显著差异进一步凸显了坚持可持续发展路径的重要性。我们的研究结果强调了将EM的生物地理变异纳入气候模型的必要性这对于提高未来预测的准确性并为可持续发展战略提供科学依据至关重要。参考文献Hu H.#, Xue K.#, Sun Y.#, Zhu Q., Carlson H. K., Hu R., Tan R.-X., Qian C.*, Huang W., Zhou J., Mao J., Crowther T. W., Zhou Z.-H. Zhang J., Liang Y*. Reducing the discrepancy in quantifying the temperature dependence of global wetland methane emission. Global Change Biology, 2026; 32: e70748. https://doi.org/10.1111/gcb.70748宏基因组推荐4月10-12日微生物组-扩增子16S分析5月8-10日微生物组-宏基因组分析本公众号现全面开放投稿希望文章作者讲出自己的科研故事分享论文的精华与亮点。投稿请联系小编微信号yongxinliu 或 meta-genomicsiMeta高引 fastp PhyloSuite ImageGP2 iNAP2 ggClusterNet2iMeta工具 SangerBox2 美吉2026 OmicStudio Wekemo OmicShareiMeta综述 高脂饮食菌群 发酵中药 口腔菌群 微塑料 癌症 宿主代谢10000扩增子EasyAmplicon 比较基因组JCVI 序列分析SeqKit2 维恩图EVenniMetaOmics高引 猪微生物组 16S扩增子综述 易扩增子(EasyAmplicon)系列教程微生物组入门 Biostar 微生物组 宏基因组专业技能学术图表 高分文章 生信宝典 不可或缺的人点击阅读原文