От приливов до колебаний осадков: потоки играют ключевую и меняющуюся роль в экосистемах по всему миру

Многие экосистемы Земли подвержены пульсирующим изменениям: сезонным перепадам температур, приливам и отливам, ежегодному наступлению дождливых периодов. Эти колебания могут играть важную роль в обеспечении питательными веществами и другими ключевыми ресурсами, однако изменение климата часто делает амплитуду этих импульсов более экстремальной, что иногда приводит к катастрофическим последствиям.

Как утверждает Сунг-Чинг Ли, необходимы более качественные данные о влиянии изменений в этих пульсациях. Автор описывает текущие усилия по сбору таких данных с помощью метода вихревой ковариации, который измеряет обмены между экосистемами и атмосферой. Работа сосредоточена на потоках в засушливых регионах и прибрежных "синих углеродных" экосистемах — двух крайностях по шкале увлажнения, которые отличаются высоким уровнем биоразнообразия и запасами углерода и находятся под растущей угрозой из-за изменения климата. Исследование опубликовано в Journal of Geophysical Research: Biogeosciences.

Ученые собирают данные с сетей башен для измерения потоков (flux towers), планируя расширить методы сбора, например, совмещая мобильные измерительные устройства с существующими башнями и объединяя данные о потоках с другими измерениями. Эти стратегии, по словам автора, становятся все более важными для оценки нетрадиционных источников воды, таких как приливы и конденсация в засушливых условиях, а также для понимания влияния нарушений, подобных лесным пожарам, дыму и пыльным бурям, на функционирование экосистем.

Понимание того, как экосистемы адаптируются к недавним изменениям этих и других факторов, крайне важно для уточнения моделей системы Земли и построения более точных прогнозов о том, как экосистемы будут адаптироваться — или не смогут адаптироваться — в будущем. Автор и его коллеги также исследуют использование машинного обучения в науках о Земле и разрабатывают гибридные подходы, сочетающие процессно-ориентированные модели с методами машинного обучения. Ключевым преимуществом гибридных моделей является их полезность в решении проблем параметризации и возможность включения дополнительных источников данных. Эти достижения могут помочь раскрыть потенциал данных о потоках для получения важных сведений о меняющемся мире.