上个月，包括伯克利实验室的William Riley和Qing Zhu在内的国际科学家团队发布了有关全球甲烷预算的最新信息，作为全球碳计划的一部分。 他们估计，2008年至2017年十年间，全球甲烷年排放量接近5.7亿吨，比2000年代初记录的排放量高5％，相当于全球道路上增加了1.89亿辆汽车。
农业，废物和化石燃料等人为来源造成了这些排放的60％，而湿地则构成了甲烷的最大自然来源。 伯克利实验室的高级科学家赖利（Riley）专注于模拟陆地生态系统（例如湿地）如何与气候相互作用。 他们与Zhu合作，建立了一种计算机模型，使科学家能够量化全球范围内湿地的甲烷排放量。
尽管在过去十年至2000年代初期，全球湿地甲烷排放量基本保持不变，但在估算全球甲烷预算时，这些景观仍带来一些最大的不确定性。 Riley解释了他的团队参与全球碳计划以及他们为减少这种不确定性所做的努力。
尽管在过去十年至2000年代初期，全球湿地甲烷排放量基本保持不变，但在估算全球甲烷预算时，这些景观仍带来一些最大的不确定性。 Riley解释了他的团队参与全球碳计划以及他们为减少这种不确定性所做的努力。
问：什么是全球碳项目，您是如何参与的？
这是一个结构松散的国际科学家团体，自2001年以来一直致力于建立全球温室气体预算，以及其他工作。这些预算包括二氧化碳，甲烷和一氧化二氮。许多工作集中于表征这些预算，了解为什么它们可能会发生变化以及科学界可以做什么以更好地估算它们。
作为“通过合成与计算降低生物地球化学相互作用的不确定性”项目（RUBISCO）的一部分，该项目是伯克利实验室的科学重点领域，我们致力于全球碳预算。伯克利实验室小组建立了最初的全球湿地甲烷模型之一，这就是为什么我们被要求参加全球碳计划的原因。
问：为什么我们要关心甲烷？
甲烷的排放源来自各种人为来源，如垃圾填埋场，农业和化石燃料，以及自然系统（如湿地）。它是人类贡献的第二重要的温室气体。自工业化前时代以来，大气中甲烷的增加已导致温室气体对气候变暖影响的四分之一。好大
但是与二氧化碳不同，甲烷在大气中的寿命较短。如果我们对排放量做出重大改变，则可以相对快速地去除甲烷。
问：甲烷排放很难估算吗？
甲烷来源很多。为了制定预算，您需要将它们全部加起来。我们可以合理地估算人为造成的甲烷排放量的贡献。但是，很难估算来自湿地等生物源的甲烷排放量，据估计，这些排放量占全球甲烷排放预算的20％至30％。
在湿地中，甲烷是由微生物活动产生的。甲烷一旦产生，就会有多种途径被消耗并从土壤中转移到大气中：植物，起泡和扩散。所有这些过程本身都不确定，将它们放在一起很难进行预测。例如，植物可以从土壤中抽出甲烷，然后将其直接释放到大气中，而无需经过氧化步骤。与模拟和预测二氧化碳排放量相比，这是一组更为复杂的物理和生物过程。
从卫星图像中确定湿地下有多少土地面积也很困难。例如，由于排水，瞬态湿地的覆盖范围可能在一个季节或多年内发生变化。另外，湿地通常有新出现的植被，这会使遥感估算变得复杂。
问：您的团队对更好地估算湿地的排放量有何贡献？
作为全球碳项目的一部分，有13个主要的建模中心，使用13个独立的模型来估算湿地甲烷排放量，我们就是其中之一。我们的模型已集成到美国能源部的地球系统模型E3SM（能源百亿地球系统模型）中，代表了分布广泛的湿地，并且包括与这些景观相关的许多过程。与其他模型一样，从全球FLUXNET网络的80个湿地站点连续收集的变量（如温度，降水和甲烷排放数据）用于评估和改进模型。在这些站点级别的比较中，我们还包括有关湿地类型的信息：沼泽，沼泽，沼泽等；植被，是进入系统的碳输入；微生物活性以及地下水位深度的估算值，这是甲烷排放的有力控制者。
这些信息使我们能够评估最终影响排放估算的各种过程和相互作用。但是这些复杂的生物过程也在甲烷排放预测中引入了很大的不确定性范围。我们的目标是建立一个以相对机械的方式代表这些重要过程的模型，该模型可以直接针对现场观察进行测试。
问：我们知道某些模型的性能是否比其他模型好吗？
尚不清楚哪种方法最好。但是我认为使用从最简单到最细微差别的所有模型都是有价值的。最终，我们都希望提高湿地甲烷排放的可预测性。
本文中报告的最终排放量是13个模型各自估算值的平均值。
问：某些地区的湿地甲烷排放量是否超过其他地区？
湿地甲烷排放量存在较大的纬度梯度。在热带地区，通量比在高纬度和温带地区大。热带地区的温度要高得多，因此与真正寒冷的高纬度地区相比，您可以获得更多的生物活性和更多的甲烷生成。我们估计热带湿地的年排放总量超过1.1亿吨，而高纬度地区的排放量约为1000万吨。
这种模式不足为奇，并且已经认识了很长时间。而且，这些排放是自然的，因此只要我们不排干湿地，排放就会持续下去，这种情况确实会发生。
问：您预计未来湿地的排放量会增加吗？
我们的模拟表明，随着世界变暖和大气中二氧化碳浓度的增加，甲烷排放量将继续增加。我们小组正在参与正在进行的GCP努力，以从多个全球建模小组中综合这些类型的未来估算。
问：您在改善当前模型的估算能力方面下一步要采取什么措施？
我们正在考虑使用机器学习工具来帮助建立湿地甲烷排放与我们认为控制这些排放的所有因素之间的关系。输入将是在FLUXNET湿地站点收集的排放数据，以及与这些地区有关的其他相关变量（湿地特征，植被，气候）。了解了这些变量与甲烷排放量之间的关系强度后，就可以将其推断到我们没有排放数据的其他湿地站点。当然，这种方法将需要在可以进行基准观察的部分站点进行测试，以确保区域外推适用于全球。
我们也有兴趣将这些类型的受观察约束的机器学习模型与更多的机械模型集成在一起，以期改善全局表示的整体可预测性。