В Арктике много водоёмов, а быстрое таяние многолетней мерзлоты дестабилизирует круговорот углерода и меняет гидрологию. Особенно важно количественно и точно масштабировать водные выбросы углерода в арктических экосистемах. Ставшие недавно доступными наборы данных дистанционного зондирования с высоким разрешением фиксируют физические характеристики арктических ландшафтов с беспрецедентным пространственным разрешением. Авторы демонстрируют, как модели машинного обучения могут использовать эти наборы пространственных данных для значительного повышения точности при масштабировании потоков CO₂ и CH₄ в водоёмах в дельте реки Юкон-Кускоквим на юго-западе штата Аляска. Обнаружено, что размер и контур водоёма являются надёжными предикторами выбросов CO₂ в водную среду, приписывая более двух третей влияния модели масштабирования. Небольшие водоёмы (<0,001 км²) были очагами выбросов, внося вклад в потоки, в несколько раз превышающие их относительную площадь, но составляли менее 5% от общего углеродного баланса. На малые и средние озёра (0,001–0,1 км²) приходится большая часть выбросов углерода из водоёмов. Выбросы CH₄ из водоёмов прогнозировались на основе сочетания растительного покрова водно-болотных экосистем и связанных с ними факторов, а также гидрологии водоразделов и отражательной способности поверхности водоёма, связанной с хромофорным растворённым органическим веществом. По сравнению с этим подходом машинного обучения, традиционные методы масштабирования, которые не учитывали соответствующие характеристики ландшафта, завышали выбросы CO₂ и CH₄ на 26-79% и 8-53% соответственно. Это исследование демонстрирует важность комплексного наземно-водного подхода для улучшения оценок и сокращения неопределённости при масштабировании выбросов углерода в Арктике.

 

Ссылка: https://www.researchgate.net/publication/370703841_Scaling_waterbody_carbon_dioxide_and_methane_fluxes_in_the_arctic_using_an_integrated_terrestrial-aquatic_approach