研究揭示藻源碳调控海洋溶解性碳库机制

抖音推荐 2025年08月22日 16:19 1 admin

中国科学院华南植物园研究员王法明团队与合作者，通过超高分辨质谱解析不同类群与生长阶段的溶解有机碳分子组成，并结合遥感与机器学习方法，在全球尺度上评估浮游植物对溶解有机碳动态的贡献，并揭示了藻源碳调控海洋溶解性碳库机制。相关成果近日发表于《自然-通讯》（Nature Communications）。

相关研究的技术路线。研究团队供图

浮游植物（藻）是海洋溶解性有机碳的主要来源，它们产生的溶解有机碳一方面以生物可降解溶解性有机碳的形式被微生物快速消耗，并在转化过程中部分进入惰性溶解有机碳库；另一方面也可直接分泌惰性溶解有机碳。无论是间接转化还是直接分泌，这些惰性溶解有机碳最终都会对海洋溶解有机碳库的长期积累产生重要贡献。因此，藻源碳的组分特征是调控海洋溶解有机碳库规模与稳定性的关键因素。然而，由于浮游植物物种多样且生长阶段快速变化，不同类群在生长与衰退过程中的碳分配与释放特征复杂多变，严重制约了我们对藻源碳特征及其作用机制的深入理解。

针对上述科学问题，研究人员在国家重点研发计划、国家自然科学基金等项目的资助下，首先利用超高分辨率质谱技术，系统地量化了六个典型藻门（蓝藻门、绿藻门、硅藻门、金藻门、甲藻门和定鞭藻门）类群在生长期与衰亡期下，不同碳馏分（胞内溶解有机碳，胞外结合态溶解有机碳及胞外溶解态溶解有机碳）中生物可降解溶解性有机碳及惰性溶解有机碳的相对占比。结果发现，在所有的实验藻株中，定义为难以被分解的惰性溶解有机碳都占其总有机碳的10%以上。这一结果突破了传统对藻源碳多以活性碳为主的认知，也强化了藻类可直接释放惰性溶解有机碳这一现象的普适性。

紧接着，在获得这些类群特异的碳分配参数后，研究人员进一步结合卫星反演的类群分辨叶绿素浓度数据，构建了机器学习模型，用于预测海洋表层溶解有机碳浓度。结果显示，引入类群特异的碳分配参数后，模型的预测精度显著提高（生长期和衰退期的R2分别达0.92和0.80），远超未考虑此类信息的模型（R2仅为0.69和0.46）。

最后，基于这一优化模型，本研究生成了全球尺度的海洋溶解有机碳数据集，不仅发现海洋表层溶解有机碳库的物种贡献度，其中硅藻门对该溶解有机碳库的变化贡献最大，解释了高达63.8%的变异；更揭示了不同生长季下藻源溶解有机碳的差异性，生长期产生的顽固型溶解有机碳显著高于衰退期。这些现象意味着未来浮游植物暴发持续时间及气候驱动的群落结构变化，将深刻影响着海洋溶解有机碳动态与碳循环过程。

该研究为理解和预测全球碳循环提供了新的视角和工具，也为评估气候变化背景下海洋碳汇功能的变化提供了关键科学依据。

相关论文信息：https://doi.org/10.1038/s41467-025-63105-x