2024-04-30 13:42 来源：得道网
随着气候变化的影响越来越多地影响到包括巴西在内的一些国家居民的日常生活，森林的恢复力，特别是亚马逊等热带森林的恢复力，已经成为一个经常研究的话题。除了研究影响植被对全球变暖反应方式的各种因素外，科学家们还在寻求改进植被模型——这些工具在理解和管理生态系统、促进生物多样性保护和可持续发展方面发挥着至关重要的作用。
与巴西机构有关的一个小组在《地球系统科学数据》杂志上发表的研究报告中描述的正是这种组合。这项工作产生了一系列地图，更准确地描述了亚马逊土壤中不同化学形式磷的数量。使用基于人工智能的新方法“构建”的地图证实，该地区的矿物浓度非常低。
这样做的影响是，缺乏磷会影响物种的生长周期，例如，可能会阻止树木对与气候变化相关的二氧化碳增加做出反应。
“当我们研究植被模型以了解亚马逊地区的气候行为时，我们意识到有关于土壤中磷含量的具体信息。通常，在以前的方法中，这些地图只使用土壤类型[类]作为矿物的预测因子。我们看到有必要包括其他环境属性，所以我们开发了一种基于现有数据的机器学习的新统计技术，”jo
Darela Filho在他的博士研究期间开始研究这个项目，该项目于2021年结束。
当时，他的重点是将氮和磷等营养物质循环的数据纳入Caetê模型，这对理解树木的生长行为很重要。Caetê在图皮-瓜拉尼语中是“原始森林”的意思，它是一种算法，能够通过呈现森林转变的场景来预测亚马逊植被的未来。
这是首个巴西独有的模型，它的名字来自碳和生态系统功能-性状评估模型的首字母缩略词。
Caetê是由坎皮纳斯州立大学地球系统科学实验室(UNICAMP)的一个团队开发的，由David Montenegro Lapola教授协调，他也是Darela Filho文章的作者。
Lapola告诉Agência FAPESP:“在jo<s:1> o Darela领导下制作的地图是促进我们了解热带森林如何应对气候变化和其他人类干扰的不可或缺的一步，热带森林通常是磷有限的。”
研究人员使用了亚马逊108个地点的数据。他们使用了一种基于随机森林回归模型的方法，该模型经过训练和测试，可以预测不同形式的全磷、有效磷、有机磷、无机磷和闭塞磷(当它与其他物质结合时)。他们还使用了参考土壤类型和其他属性的信息，如地理位置、氮和碳水平、地形海拔和坡度、土壤pH值、年平均降水量和温度。
根据磷的形态，森林回归模型的平均准确率超过64%。对于总矿物，准确度达到77.3%。
研究结果表明，在分析数据集中发现的总磷的平均浓度为每公斤土壤284.13毫克(mg kg - 1)。与全球平均水平(570 mg kg - 1)相比，这一数量被认为是低的。在分析地图时，发现磷最丰富的地点位于安第斯山脉和亚马逊河之间的边界，而亚马逊低地最古老的土壤位于东部地区。
科学家们认为，新的地图可以用于参数化和评估陆地生态系统模型，甚至可以提供关于亚马逊地区土壤和植被之间关系的答案。
“随着人工智能的使用，机器学习将越来越多地应用于科学，特别是用于未来预测。我们的地图可以被其他研究人员用来了解亚马逊将如何应对气候变化，”Darela Filho补充道。
由包括Lapola在内的一个团队领导的一项国际研究表明，到2050年，近一半的亚马逊地区将走向一个不可逆的点，这意味着森林可能会失去对极端干旱和森林砍伐的适应能力。
该研究估计，该地区10%至47%的地区将面临干扰和威胁，可能引发生态系统“意想不到”的转变，并加剧区域气候变化。累积的森林砍伐、全球变暖、生物群落的年降雨量、雨季的强度和旱季的长度被认为是紧张的情况。风险在于生物群系转变为无法发挥固碳作用的稀树草原地区。
更多信息:jo
引用本文:人工智能开发的地图证实亚马逊土壤中磷含量低(2024年4月29日)，从https://phys.org/news/2024-04-artificial-intelligence-phosphorus-amazonian-soil.html检索到2024年4月29日
本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
