湿地是地球上固碳效率最高的生态系统之一，以仅占陆地面积的3%~13%的体量，储存了全球超1/3的土壤有机碳。不过，湿地生态系统固碳在时空分布方面的状况及其对全球陆地碳汇所作的贡献依旧不明确。其主要原因在于，当前主流的全球碳收支模型对湿地生态系统的描述相当有限，这不但降低了对湿地乃至全球陆地生态系统碳汇估算的精确程度，还不利于湿地的科学管理。

针对这一问题，中国科学院南京土壤研究所研究员丁维新带领团队基于全球原位观测数据，绘制了湿地水位时空分布图，结合环境因子数据库和机器学习方法评估了全球湿地碳汇的时空变异特征，首次量化全球湿地碳汇。该成果于近日发表在Nature Ecology & Evolution。

自创数据模型

“以往的湿地碳汇评估工作通常聚焦于特定湿地类型或特定区域的不同湿地类型，通过测量植被和/或土壤（非生态系统尺度）碳储量来估算湿地固碳量。由于调查工作间隔时间较长，无法详细、高精度地描述湿地碳汇的时间变化特征。因此，在全球尺度，迄今仍缺少对湿地生态系统碳汇功能的时空格局进行系统评估。”论文通讯作者丁维新告诉《中国科学报》。

为此，他们开发了全球湿地水位—碳通量联动模型，将湿地净生态系统生产力作为因变量，以全球环境数据集（气候、植被、土壤、水文、地形等）为自变量，筛选出湿地净生态系统生产力的主要影响因子并量化其权重，基于随机森林算法，刻画了湿地净生态系统生产力的时空分布。基于该模型，他们从606篇论文中整理出全球642个研究站点的2295项湿地水位原位观测数据，耗时4年，构建了全球湿地水位数据库和净生态系统生产力数据库。

据丁维新介绍，2295项原位观测数据主要包括两类：一类是全球湿地净生态系统生产力（Net Ecosystem Productivity, NEP）数据集，涵盖了不同的气候带和湿地类型，例如泥炭湿地、苔原湿地、沼泽湿地、洪泛平原等；另一类是全球湿地水位数据集。

湿地碳汇估算精度提升1个数量级

在大数据支撑下，研究人员发现，2000~2020年间，全球湿地的平均固碳速率达到1004百万吨碳/年（Tg C year–1），其中70%来自热带湿地。“此前已有两项研究估算全球湿地固碳量分别为830和685 Tg C year–1，但他们未考虑地上静水层深度的动态变化。这次我们通过新构建的湿地水位数据集，考虑到该因素，有效提升了湿地碳汇估算的精确度。”丁维新解释说，“不仅如此，我们绘制了0.25°×0.25°分辨率的全球湿地水位动态变化图，实现了对全球湿地时空变化的高精度约束，与以往研究相比，精度提升了1个数量级。”

全球湿地碳汇的空间格局。

  ?

全球和不同区域湿地碳汇的时间变化特征。受访者供图

  ?

精度提升，数据也随之细化。他们发现亚马逊流域和东南亚湿地受气候影响后会波及全球湿地碳汇量。这一点在2005年的数据中得以呈现。“2005年是关键时间节点，此前全球湿地碳汇呈下降趋势，在此之后则逐步回升。”丁维新表示。这是因为1995~2005年亚马逊流域的植被供水量持续下降，由于热带北大西洋变暖异常，亚马逊流域在2005年还经历了特大干旱；在东南亚地区，湿地主要受准周期性厄尔尼诺和南方涛动干旱影响。“气候变化诱发的干旱事件导致2005年以前这些地区湿地碳汇能力减弱。”丁维新说。此后，亚马逊流域、苏门答腊岛和印度支那半岛仍是湿地碳吸收量减少的热点地区。但是，气候变暖、变湿使得北半球中高纬度地区湿地固碳量呈增加态势，最终形成2005年以后全球湿地固碳量呈上升趋势。

此外，研究人员发现在过去20年，北半球中高纬度湿地碳汇持续增加，而热带和南半球中高纬度湿地则呈下降趋势，总体来说，全球湿地生态系统碳汇能力维持相对稳定。但是，不同区域湿地碳汇的差异主要受水文要素驱动，在全球气候变化背景下，日益加剧的水文极端事件将削弱湿地碳汇的韧性及其所支撑的生态系统服务功能。

步履不停

“这项研究还为我们提供了一个新的视角：近20年来，增长趋于停滞的湿地碳汇很可能是陆地碳汇增长放缓背后的重要驱动力。因此，保护湿地水文完整性对于在持续的气候变化中维持陆地碳汇的韧性至关重要。”丁维新指出。不过，他同时表示，该研究主要聚焦于气候变化驱动下的全球湿地碳汇的时空演变规律，并未考虑如湿地开垦等人为活动对湿地碳封存的影响。为此，接下来的研究将开发一个特定的生态系统碳收支评估框架，用于量化人为活动（如湿地开垦为农田）造成的湿地碳汇损失。

“需要指出的是，机器学习方法的优点很多，其中最显著的是能够有效提升建模过程的自动化水平。但正因如此，当前研究中基于机器学习的全球湿地水位—碳汇建模框架在过程机理描述方面仍显不足。下一步研究将以过程机理为基础的水文模型和生物地球化学模型与机器学习算法相结合，实现相互印证与融合优化，从而不断完善全球尺度湿地水位—碳汇联动模型，进一步提升模型的科学性与预测能力。”丁维新补充道。

该研究得到国家自然科学基金（42322709、42177301、U24A20628）和江苏省杰出青年基金（BK20230050）等项目的资助。

相关论文信息：https://doi.org/10.1038/s41559-025-02809-1