人工智能绘制的地图证实亚马逊土壤磷含量低

随着气候变化的影响日益影响到包括巴西在内的多个国家居民的日常生活，森林的恢复力，尤其是亚马逊等热带森林的恢复力，已成为研究的热门话题。除了研究影响植被对全球变暖反应的各种因素外，科学家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。

其影响是，缺乏磷会影响物种的生长周期，例如，可以阻止树木对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，我们意识到土壤中磷含量的具体信息。通常，在以前的方法中，这些地图仅使用土壤类型 [等级] 作为矿物质的预测指标。我们发现有必要纳入其他环境属性，因此我们开发了一种基于机器学习的新型统计技术，” 现任德国慕尼黑工业大学博士后研究员的João Paulo Darela Filho解释道。

文章的第一作者 Darela Filho 在 2021 年结束的博士研究期间开始从事该项目。他的研究得到了 FAPESP 通过两个项目(17/00005-3 和 19/08194-5)的支持。

当时，他的重点是将氮和磷等营养物质循环数据纳入 Caetê 模型 ，这些数据对于了解树木生长的行为非常重要。Caetê 在图皮-瓜拉尼语中意为“原始森林”，是一种能够通过呈现森林转型情景来预测亚马逊植被未来的算法。

这是第一个完全属于巴西的项目，其名称来自 CArbon 和生态系统功能性状评估模型的首字母缩略词。该项目还得到了 FAPESP 通过 AmazonFACE的支持，该项目包括实地试验和研究大气中二氧化碳 (CO 2 )的增加如何影响森林、其生物多样性和生态系统服务(更多信息请访问： agencia.fapesp.br/41571)。

Caetê 是由坎皮纳斯州立大学 (UNICAMP) 地球系统科学实验室的一个团队开发的，由 David Montenegro Lapola教授协调，他也是与 Darela Filho 共同撰写这篇文章的作者。

拉波拉告诉FAPESP 通讯社：“在若昂·达雷拉的领导下制作的这些地图对于我们了解热带森林(通常磷含量有限)如何应对气候变化和其他人类干扰至关重要。”

结果

研究人员使用了来自亚马逊 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，该方法经过训练和测试，可以预测不同形式的磷 - 总磷、可用磷、有机磷、无机磷和封闭磷(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，例如地理位置、氮和碳含量、地形海拔和坡度、土壤 pH 值、年平均降水量和温度。

森林回归模型的平均准确率超过 64%，具体取决于磷的形态。对于总矿物质，准确率达到 77.3%。

研究结果显示，分析的数据组中发现的总磷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，这一含量较低。分析地图时发现，磷含量最丰富的地区位于安第斯山脉和亚马逊河流域的边界，而亚马逊低地最古老的土壤位于东部地区。

科学家认为，新地图可能有助于参数化和评估陆地生态系统模型，甚至可以提供有关亚马逊地区土壤和植被之间关系的答案。

“机器学习和人工智能的使用将越来越多地应用于科学，尤其是未来的预测。我们的地图可供其他研究人员使用，以了解亚马逊将如何应对气候变化，”Darela Filho 补充道。

一项由拉波拉等巴西人牵头的国际研究登上了《自然》杂志二月刊的封面，该研究 表明，到 2050 年，近一半的亚马逊森林将走向不可挽回的境地，这意味着森林很可能失去对极端干旱和森林砍伐的抵御能力。

研究估计，该地区 10% 至 47% 的地区将面临干扰和威胁，这可能会引发生态系统的“意外”转变，并加剧区域气候变化。森林砍伐的累积、全球变暖、生物群落的年降雨量、雨季的强度和旱季的长度都被认为是令人紧张的情况。风险在于生物群落将转变为无法发挥碳封存作用的稀树草原。