Роль марганца в почвенном углероде и изменении климата

Хотя большинство людей в первую очередь думают об атмосферных выбросах углерода от ископаемого топлива, почва планеты на самом деле хранит больше углерода и может стать основным источником его высвобождения или тактикой смягчения последствий. Биогеохимик Элизабет Херндон из Национальной лаборатории Ок-Ридж Министерства энергетики США вместе с коллегами исследует малоизученный элемент этой головоломки: роль марганца в углеродном цикле.

Марганец — это металлический микроэлемент, участвующий в росте и функционировании растений, например, в фотосинтезе для преобразования молекул воды в кислород. Он также влияет на другие аспекты углеродной динамики экосистем, такие как разложение растительного вещества и стабилизация органического вещества в почвах. Работа Херндон уже показала, что марганец, хотя обычно присутствует в почвах в более низких концентрациях, может вносить в углеродный цикл такой же вклад, как и более изученное железо. В статье учёные отмечают, что оксиды марганца могут играть важную роль в сохранении органического вещества в уязвимых средах, выступая в роли «цемента», ограничивающего деградацию углеродных запасов.

«Оксиды марганца — очень реакционноспособный компонент почв, — сказала Херндон. — Мы изучали марганец в лабораторных экспериментах, но до конца не понимаем, как он функционирует в естественной среде — как преобразует органическое вещество и влияет на хранение углерода». Её команда изучает эти процессы в полевых условиях в арктической тундре в рамках крупного проекта NGEE Arctic, а также в водоразделе Уокер-Бранч в Теннесси. Учёные сотрудничают с Институтом сельского хозяйства Университета Теннесси, чтобы оценить поглощение марганца сельскохозяйственными культурами, и работают над улучшением учёта влияния марганца в климатических моделях. «Наши цели в ORNL, — подчеркнула Херндон, — не только понять, что представляют собой эти взаимодействия почвенных минералов, но и поместить их в количественные рамки, чтобы их можно было включить в наши модели для лучшего прогнозирования будущего».