2014年至2024年佐治亚潮汐盐沼垂直碳通量数据集

为什么这片沼泽对气候重要

潮汐盐沼为地球默默做着重要的工作：它们把二氧化碳从空气中抽走，储存在植物和泥土中，有助于减缓气候变化。然而，这些潮湿景观持续受潮汐、风暴和海平面上升塑造，使其长期行为难以预测。本文提供了一处佐治亚盐沼长达十年的细致碳通量观测，是目前关于此类“蓝碳”系统随时间如何呼吸碳的最详尽记录之一。

十年注视一处活跃海岸线

研究聚焦于萨佩洛岛（Sapelo Island）附近、以盐草（Spartina alterniflora）为优势的沼泽。自2013年底起，佐治亚海岸生态长期生态研究（Georgia Coastal Ecosystems Long Term Ecological Research）项目的研究人员在沼泽中央架设了一座高金属塔。该塔连续监测沼泽表面与大气之间的二氧化碳通量。沼泽受一天两次潮汐影响，海水淹没并退去这片平坦的草地，咸水从附近的溪流涌入。沼泽的不同区域生长着矮、中等和高秆的盐草，所有这些植被共同构成塔所观测到的碳信号。

借助风声测量碳

团队使用一种称为涡度协方差的方法，本质上是“听”微小气流及其携带的碳。安装在大约五米高处的快速传感器以每秒十次的频率记录三维风速和二氧化碳浓度。通过配对这些信号，该方法揭示了生态系统总体上是吸收碳（作为汇）还是释放碳（作为源）。基于这些测量，他们以30分钟为间隔计算出三项关键量：净生态系统交换（NEE，CO2的总体得失）、呼吸（植物和土壤释放的碳）和总初级生产（GPP，光合作用吸收的碳）。随后将这些值累计为日总量和年总量。

理解数据缺口、潮汐与不确定性

在严酷的海岸环境中进行实测往往很混乱。仪器偶尔故障，维护工作会扰动气流，沼泽本身随植物生长、枯萎和潮水淹没而变化。为处理缺失或不可靠的数据，作者采用了现代机器学习方法，使用名为XGBoost的算法在未测期间预测碳交换。这些模型从高质量数据和多种环境线索中学习，例如光照、温度、风速、水位以及时段或季节信息。团队还特别关注潮汐：当沼泽被淹没时，水覆盖植物叶片并封存来自土壤的碳，减少塔能观测到的垂直交换。通过在模型中引入水位信息和季节性植被高度，他们比标准陆地方法更真实地捕捉到了这些潮汐效应。

这些数值可靠到何种程度？

由于碳收支依赖于数据的可信度，作者在每一步都仔细量化了不确定性。他们将随机测量噪声、多种机器学习模型之间的差异，以及在将总交换拆分为呼吸与光合作用时引入的额外不确定性结合起来。通过重复模拟，他们为每个30分钟、每日和年度值生成了95%的置信区间。他们还详细记录了何时使用了两套传感系统中的每一套，以及每天或每年有多少比例依赖模型而非直接测量。整整一年（2018年）完全缺乏塔尺数据，因此其通量仅基于模型预测，应格外谨慎对待。

为蓝碳的未来打开一扇窗

最终成果是一个开放获取、可用于科学研究的数据集，覆盖十年潮汐盐沼的垂直碳通量。研究人员可以用它来验证卫星对植被生长的估算、改进沿海碳收支模型，并探索沼泽对气候变化、干旱和海平面上升的响应。对非专业读者而言，结论很直接：这项工作把一处沼泽变成了长期运行的气候观测站，细致展示了活跃海岸线如何储存与释放碳。若想评估这些沿海生态系统在应对气候变化中能发挥多少作用——以及如何保护它们以维持这种功能——此类记录至关重要。

引用: Hawman, P.A., Mishra, D.R. A Dataset of Vertical Carbon Fluxes from a Georgia Tidal Salt Marsh from 2014 to 2024. Sci Data 13, 251 (2026). https://doi.org/10.1038/s41597-026-06571-2

关键词: 盐沼, 蓝碳, 碳通量, 潮汐湿地, 涡度协方差