一项最新研究表明，火山排放的二氧化碳导致了地球上最大的物种灭绝事件——二叠纪末大灭绝。

相关论文于美国东部时间9月6日15时发布在国际知名学术期刊《美国科学院院报》上，论文标题为《Massive and rapid predominantly volcanic CO2 emission during the end-Permian mass extinction》（二叠纪末大灭绝期间，主要来自火山的巨量迅速的二氧化碳排放），通讯作者为挪威奥斯陆大学教授Wolfram M. Kürschner、北京大学助理教授李明松、美国蒙特克莱尔州立大学助理教授崔莹。

“我们的研究结果显示，导致二叠纪末生物大灭绝的原因是巨量快速的碳排放。当时的最大排放速率是每年排放约50亿吨碳，仅仅是当前排放量（每年约100亿吨碳）的一半。这可能导致当时地球表层系统被推过了临界点——海洋的pH和温度的极端变化导致不可逆转的大灭绝。”

问及了解二叠纪物种灭绝原因对人类的意义，李明松对澎湃新闻（www.thepaper.cn）记者表示，“这对当前的全球变暖和极端环境变化具有参考价值，也对碳达峰和碳中和的战略具有一定的启示意义。”

二叠纪（Permian period）是古生代的最后一个纪，开始于距今约2.99亿年，共经历4700万年。二叠纪末大灭绝发生在2.52亿年前，被认为是地球历史上生物多样性损失最严重的一次。三叶虫、海蝎以及重要珊瑚类群全部消失，单弓类群动物和许多爬行类群也灭绝。

“过去5.4亿年，地球发生了很多次生物大灭绝和复苏事件，其中最著名的是被称为Big Five的五次生物大灭绝。2.5亿年前的二叠纪末生物大灭绝是这些事件中最惨烈的，超过90%的海洋物种和70%的陆地物种灭绝。”李明松介绍道。

李明松表示，“查明这次大灭绝发生、发展的时间进程和发生原因一直是地球科学领域的热点研究问题。有很多研究认为西伯利亚大火成岩省的活动是导致了这次大灭绝的原因。”

二叠纪末大灭绝与西伯利亚大火成岩省(large igneous province , LIP)的爆发同时发生。大火成岩省是在较短时间内由巨量喷发的火成岩所组成的大规模岩浆区域。西伯利亚大火山岩省是地质历史上最大规模的大火成岩省，占地600万平方公里。

“尽管我们知道火山活动发挥了作用，但我们并没有很好地了解哪些过程和机制导致了生物多样性的巨大损失。”Wolfram M. Kürschner对澎湃新闻记者表示，有充分证据表明，该期间海洋和陆地温度急剧上升，可能变得致命。

“但这种全球变暖的原因尚不清楚。可能的情况是二氧化碳或甲烷直接从火山活动或通过燃烧/加热被火山熔岩渗透的煤释放到大气中。然而，我们直到现在还没有任何定量数据来准确重建其过程与机制。”Kürschner表示。

此项工作中，研究人员结合了沉积物样本中保存的生物标志物同位素记录、天文年代学和地球系统模型，来了解大灭绝期间二氧化碳排放的来源、速度和总量。他们利用特定化合物的碳同位素分析来确定来自陆生植物和海生藻类的有机物中碳同位素的来源，它们保存在挪威海岸芬马克台地采集的沉积物岩芯中。之后，再将同位素数据整合到一组地球系统模型中。

结果表明，二叠纪末大灭绝与二氧化碳为主的大规模快速排放同时发生，导致海洋严重酸化，全球温度从25°C上升到40°C。

“我们的研究表明西伯利亚大火山岩省活动导致的快速巨量的碳排放导致了全球大气二氧化碳含量的急剧升高，引起了全球升温和海洋酸化，同时还伴随着海洋缺氧等一系列事件，很可能是导致这次大灭绝的原因。”李明松表示。

李明松称，此项研究最主要难点在于地质年代的标定以及地球系统模型模拟结果的不确定性。

“首先，由于大灭绝事件的地质记录都是保存在沉积地层之中的，每一个数据点对应的是地层深度而非时间。如何将地层深度转换为地质时间，以及如何将研究材料对比到全球地层标准（如中国浙江长兴煤山剖面），是首先要解决的难题。我们利用古气候变化的天文理论，识别出地层记录的天文周期，建立了天文年代标尺，解决了这一难点。”

李明松表示，“其次，复杂的地球系统模型的模拟很大的不确定性。这项研究基于高分辨率的天文年代标尺，利用了碳同位素的漂移数据，反演驱动地球系统模型，结合指示海洋酸化程度的pH值数据，获得了当时最可能的碳排放模式。”

“通过我们的研究，我们首次表明，释放到大气的大部分碳都是直接来自火山作用的岩浆脱气。”Kürschner表示。

论文指出，此研究仍有一些未解决的问题，未来的建模工作需要更密集的具有全球代表性的海洋和大气碳同位素数据，并采用天文调谐年代模型，以产生更可靠的反演结果，并与当前结果进行比较。

Kürschner表示，“我们现在只有一个进一步的证据证明发生了什么。这像一个侦探故事，我们需要更多片段来更好地重建2.5亿年前大规模杀戮的发生。我的意思是我们需要收集更多的地球化学数据，可以用这些数据改进我们的模型计算。”

论文链接为：https://doi.org/10.1073/pnas.2014701118