Ученые ускоряют моделирование влияния растений на климат

Модели систем Земли — важный инструмент для изучения сложных процессов, происходящих на планете, например, в атмосфере и биосфере и между ними. Они помогают исследователям и политикам лучше понимать такие явления, как изменение климата. Включение большего количества данных в эти симуляции может повысить точность моделирования, однако иногда это требует кропотливой задачи сбора миллионов точек данных.

Исследователи, в том числе доцент кафедры природных ресурсов и окружающей среды Университета Коннектикута Джеймс Найтон, Пабло Санчес-Мартинес из Эдинбургского университета и Леандер Андерегг из Калифорнийского университета в Санта-Барбаре, разработали метод, позволяющий обойти необходимость сбора данных для более чем 55 000 видов деревьев, чтобы лучше учитывать, как растения влияют на круговорот воды на планете. Их выводы опубликованы в Nature Scientific Data.

Растения играют важную роль в процессах Земли, от улавливания углерода и обеспечения кислородом других форм жизни, таких как люди. Растения также ответственны за движение воды, говорит Найтон, где, по оценкам, 60% всех дождей возвращается в атмосферу посредством транспирации. Это огромное движение воды через растения в глобальном масштабе является сложным и в настоящее время представлено моделями системы Земли (ESM) в упрощенном виде, говорит Найтон, где все растения в регионе могут рассматриваться как единое целое (т.е. функциональный тип растений).

Найтон, преподаватель Колледжа сельского хозяйства, здравоохранения и природных ресурсов, объясняет, что функциональные типы растений (PFT) используются, потому что мало известно о деталях отдельных видов растений. Было бы сложнее взять подробную карту растительности на континенте и ввести все правильные значения для каждого отдельного вида, поэтому проще рассматривать один общий PFT.

Проблема с PFT заключается в том, что разные виды растений различаются по своим гидрологическим признакам — или по тому, как вода движется через растения, — и это чрезмерное упрощение таких системно значимых признаков может ограничить эффективность имеющихся моделей для прогнозирования будущего. Ученые перешли к учету этих различий, создавая базы данных, такие как TRY Plant Trait Database, где собирается эта информация. Однако Найтон отмечает, что только около 5000–15000 видов растений имели хорошо каталогизированные признаки после нескольких столетий изучения растений.

Он говорит, что на Земле насчитывается от 60 000 до 70 000 видов деревьев, а это означает, что через 200 лет известно, возможно, от 5 до 10% того, что происходит. Если бы все делалось таким образом, то потребовалось бы еще около 2000 лет, чтобы узнать обо всех растениях, о которых нужно, и к тому времени изменение климата уже наступит, и будет слишком поздно. Ученые не могут так поступать. Нельзя просто ждать, пока исследователи на местах проведут свои исследования и заполнят эту глобальную базу данных. Чрезвычайно полезно проводить полевые исследования, но одни они не позволят достичь цели достаточно быстро.

Найтон и его коллеги решили решить эту проблему и ускорить процесс, изучив данные о доступных признаках, такую информацию, как высота дерева, глубина корней или скорость течения воды внутри растения. Затем они сравнили историю этого вида и его родство с другими видами в так называемом филогенетическом тесте для этих признаков.

Найтон пояснил: ученые стремились увидеть, насколько схожи значения признаков у близкородственных видов, и идея, лежащая в основе этого, заключается в том, что если эти признаки имеют решающее значение для их выживания, эволюция сохранит значения признаков, они не будут распределены случайным образом. Например, если для выживания определенного типа растений было критически важно выращивание глубоких корней, виды, которые ответвляются от него, вероятно, также будут иметь глубокие корни, и все, что находится в этом семействе или роде, будет иметь схожую структуру корней.

Исследователи провели тест для всех признаков, и Найтон говорит, что они обнаружили высокий уровень консервации по всему филогенетическому древу, что означает, что близкородственные виды, как правило, имеют более близкие значения признаков.

Затем ученые взяли филогению, где можно взять все виды растений на Земле и нанести их друг на друга, и показать, насколько тесно каждое растение связано со всеми другими растениями.

Найтон говорит, что они могут вменить данные о признаках, если у них есть информация о близкородственных видах, а это означает, что эти данные можно вывести без необходимости проводить миллионы полевых измерений.

Он поясняет: ученые использовали различные численные методы машинного обучения, и благодаря этому смогли создать базу данных этих очень важных значений деревьев для 55 000 видов деревьев на Земле. Если нужно провести глобальное моделирование, которое включает в себя больше деталей в растительности, что важно, теперь есть отправная точка. Необязательно использовать этот общий подход «один вид растений на континент», можно, теоретически, попробовать что-то более подробное, но ввести все различные виды и посмотреть, что произойдет.

Найтон говорит, что они считают эту работу аппроксимацией низкого порядка, но это важная отправная точка. По мере сбора дополнительных данных от полевых исследователей, данные могут использоваться для обновления и уточнения интерполированных данных, чтобы повысить точность этого подхода.

Эта работа является следующим шагом в более крупном проекте, первым шагом которого был эксперимент по проверке концепции на меньшем, более локальном уровне. Этот проект установил этот метод вменения гидрологических признаков как жизнеспособный подход, и Найтон говорит, что следующим шагом является сравнение вмененных данных с данными наблюдений, которые они собирают в лесу Университета Коннектикута и на других участках по всей территории Соединенных Штатов.

Найтон объясняет, что по всей территории США есть 10 участков, где собираются обширные данные, которые послужат тестовыми примерами. Найтон говорит, что студентка магистратуры Кэролайн Стэнтон в настоящее время строит модели экосистем каждого участка, и они калибруют модели с высоким разрешением, чтобы оценить признаки, которые они будут сравнивать с данными, собранными учеными за последние 20 лет. Затем они сравнят предполагаемые результаты признаков растений с данными наблюдений, собранными на участке, чтобы увидеть, как качество модели зависит от каждого подхода.

В конечном итоге исследователи надеются применить этот метод к лесным участкам по всему миру, чтобы изучить аспекты того, что заставляет признаки различаться. Понимание изменчивости признаков у разных видов растений может повысить точность моделей, но эти данные также могут дать представление о том, что заставляет различные признаки различаться.

Найтон говорит, что он и его коллеги надеются, что эта информация будет полезна для специалистов по климатическому моделированию, но они также надеются, что она может улучшить понимание системы Земли в целом и больше узнать о жизненно важных ролях, которые играют растения.

Он подводит итог: растения контролируют окружающую среду в невероятной степени.