朴世龙团队联合王腾蛟团队利用人工智能近实时追踪陆地碳汇，破解2023年大气二氧化碳激增之谜

　　

陆地生态系统碳汇在减缓气候变化和“碳中和”战略中举足轻重，及时准确评估陆地碳汇变化对科学制订生态系统碳汇巩固提升政策尤为关键。全球碳计划虽每年公布全球碳收支，但数据滞后一年之久，无法及时反映陆地生态系统碳汇变化。2023年，气温再创新高，极端干旱大面积发生，全球大气CO₂平均浓度激增2.8ppm，达419.3ppm，而陆地生态系统碳汇的大小和作用却难以及时揭秘。

为此，北京大学碳中和研究院朴世龙院士团队联合王腾蛟教授团队，构建了基于生态过程的人工智能（AI）碳汇预测模型，并结合中国科学院青藏高原研究所田向军研究员团队发展的“贡嘎”大气反演模型，研究发现2023年大气CO₂浓度激增主要归因于全球陆地生态系统碳汇下降，而非化石燃料碳排放和海洋碳汇变化。具体而言，AI模型模拟表明，相比于2022年，2023年全球陆地碳汇减少了约18.2亿吨碳，其中约80%归因于热带植被生产力骤降引起的碳汇大幅降低，与“贡嘎”大气反演系统结果一致。

2023年全球碳收支异常分析。 (a) 1959—2023年大气CO₂年增长量。 (b) 2023年化石燃料燃烧碳排放、陆地净碳通量、海洋净碳通量相较于2022年的变化。 (c—d) 大气反演系统（c）以及基于生态过程的人工智能碳汇预测模型（d）估计的2023年陆地净碳通量异常。b—d中正值表示更多的碳释放到大气中

本研究自主研发的AI碳汇预测模型深度融合了人工智能技术和碳汇形成过程与机制，克服了纯数据驱动“黑箱”模型可解释性低、归因难、极端事件预警能力弱等缺点，能模拟季节至年代际陆地生态系统碳循环关键过程变化，从而准确模拟重现了极端气候事件下陆地碳汇变化及其原因，为利用AI准确评估陆地碳汇提供了鲜明例证。相比于传统手段，AI预测模型可大幅缩短陆地碳汇评估周期，支撑陆地碳汇的近实时追踪，助力减缓气候变化和“碳中和”战略实施。

研究成果以“The decline in tropical land carbon sink drives high atmospheric CO₂ growth rate in 2023”为题发表于《国家科学评论》（National Science Review，NSR）。北京大学城市与环境学院博士生桂研琛，博士后王锴、金哲，计算机学院博士后王鹤媛为共同第一作者，北京大学朴世龙、王腾蛟、陈薇副研究员，以及中国科学院青藏高原研究所汪涛研究员、田向军为共同通讯作者。