摘要
大气二氧化碳的同位素组成(δ13Catm)有助于了解陆地碳循环。然而,具有高空间分辨率和连续时间覆盖范围的长期全球δ13Catm分布图仍然十分稀缺。在此,我们基于现场观测数据,并结合通过机器学习处理的优化后的4D二氧化碳浓度场、再分析数据以及地理信息,构建了一个新的全球陆地月度δ13Catm等值面数据集,时间范围为2001年至2020年,空间分辨率为0.05°。在四种测试模型中,梯度提升机在随机验证下的预测性能最佳(R2?=?0.80,RMSE?=?0.12‰),并且在三种空间独立的验证框架下也保持了良好的性能(R2?=?0.56–0.67,RMSE?=?0.16‰–0.19‰)。主要的预测因子是气温和大气中的二氧化碳浓度。所得到的全球陆地等值面显示出明显的空间和时间异质性。模型预测结果在趋势幅度、季节变化幅度(偏差小于0.13‰)以及纬度梯度(小于0.2‰)等方面与美国国家海洋和大气管理局的海洋边界层观测数据高度一致。在本研究中,南半球中纬度的δ13Catm季节变化幅度为0.06‰,而北半球高纬度的这一数值则为0.6‰,体现了明显的半球不对称性。此外,超过99.8%的全球陆地网格单元在所有季节都呈现负趋势,全球陆地年平均消耗率为?0.030‰?±?0.0006‰/年。夏季和秋季的消耗趋势更为明显,8月的消耗率达到峰值(?0.035‰?±?0.0012‰/年),而春季和冬季则相对稳定。本研究提供了长期、高分辨率的全球陆地δ13Catm等值面数据集,可为碳循环研究提供重要依据,同时也有助于开展关于陆地生态系统中碳水耦合机制的大规模研究。
利益冲突声明
作者声明不存在任何利益冲突。
数据可用性说明
支持本研究的数据、模型代码以及衍生产品均可在Zenodo平台上获取,地址为https://doi.org/10.5281/zenodo.21157086。月度δ13Catm观测数据来自全球温室气体数据中心(WDCGG;https://gaw.kishou.go.jp/)和斯克里普斯二氧化碳计划(https://scrippsco2.ucsd.edu)。二氧化碳浓度数据来自NOAA CarbonTracker CT2022系统(http://carbontracker.noaa.gov)。气候数据则来源于ERA5月度再分析数据集(https://cds.climate.copernicus.eu)。用于空间预测的高程数据来自FAO GloElev_30as全球数字高程模型(https://www.fao.org/soils-portal/soil-survey/)。


