当前位置：首页 > news >正文

GCB | 梁玉婷/钱超等揭示降低量化全球湿地甲烷排放温度依赖性的不确定性

news 2026/8/24 3:39:26

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 Emission

Article，2026/2/10

Global Change Biology

DOI：10.1111/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 Zhu，Hans K. Carlson，Ruiwen Hu，Rong-Xi Tan（谭荣熙），Weigen Huang（黄伟根），Jizhong Zhou（周集中），Jingdong Mao（毛景东），Thomas W. Crowther，Zhi-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, China）

2 中国科学院大学（University of Chinese Academy of Sciences, Beijing, China）

3 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, China）

4 南京大学人工智能学院（School of Artificial Intelligence, Nanjing University, Nanjing, China）

5 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, USA）

6 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, USA）

7 美国俄克拉何马大学生物科学学院（School of Biological Sciences, University of Oklahoma, Norman, Oklahoma, USA）

8 美国 Old Dominion 大学化学与生物化学系（Department of Chemistry and Biochemistry, Old Dominion University, Norfolk, USA）

9 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： qianc@nju.edu.cn；ytliang@issas.ac.cn

摘要

Abstract

了解湿地甲烷排放（E_M）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 E_M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 E_M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(CH

₄)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（E_M）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。E_M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，E_M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E_M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E_M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E_M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E_M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 E_M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“E_M可以估计的位置”与“E_M估计值在全球范围内的变化方式”分开，从而避免将 E_M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E_M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E_M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E_M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E_M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E_M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（E_M）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E_M季节性变化。分析表明，全球层面的E_M以及大多数站点层面的E_M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E_M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E_M，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 E_M符合Arrhenius 方程为 0.619 eV（95% CI：0.536–0.703）。

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]=0.96，F1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（R2=0.89，图1d）。其次，其可解释性分析表明，土壤碳氮比和水深是预测E_M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E_M估计值，如图1所示。

图 1 . 全球湿地 CH4 排放量 (E_M) 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 (AUC=1)，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 E_M值置信度较低；第 2 节）和绿色区域（E_M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 E_M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 E_M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 E_M值的算术平均值（虚线），通过将所有 E_M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 E_M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（E_M）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% CI：29,571–30,961）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% CI：67.9–71.1）（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% CI：5.0–12.9），而两阶段模型的结果变化了4.0%（95% CI：2.5–5.6）。这些结果表明，与LME模型相比，两阶段模型在预测E_M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% CI：24.6–28.2）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，E_M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E_M生物地理变异进行了表征。这些区域湿地E_M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E_M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 E_M为 0.694 eV，这相当于随着温度从 0°C 升高到 30°C，CH₄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（E_M）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E_M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 (E_M)。(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E_M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E_M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E_M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（E_M）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E_M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E_M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 E_M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 E_M的生物地理变异相比，使用来自 LME 模型的固定 E_M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E_M预测结果较为可靠，但需要注意的是，我们关于湿地E_M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E_M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E_M信息，我们的方法表征了 E_M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E_M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E_M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