Kort udviklet med kunstig intelligens bekræfter lave niveauer af fosfor i Amazonas jord

Da virkningerne af klimaændringer i stigende grad påvirker dagligdagen for beboere i flere lande, herunder Brasilien, er modstandsdygtigheden af ​​skove, især tropiske som Amazonas, blevet et hyppigt forskningsemne. Ud over at studere forskellige faktorer, der påvirker den måde, hvorpå vegetation reagerer på global opvarmning, søger forskere at forbedre vegetationsmodeller – værktøjer, der spiller en afgørende rolle i forståelsen og forvaltningen af ​​økosystemer, der bidrager til bevarelse af biodiversitet og bæredygtig udvikling.

Og det er netop denne kombination, der er beskrevet i forskning offentliggjort i tidsskriftet Earth System Science Data af en gruppe tilknyttet brasilianske institutioner. Arbejdet resulterede i en række kort, der mere præcist beskriver mængden af ​​de forskellige kemiske former for fosfor i Amazonas jord. "Bygget" ved hjælp af en ny metodologi baseret på kunstig intelligens bekræfter kortene, at regionen har en meget lav koncentration af mineralet.

Effekten af ​​dette er, at mangel på fosfor påvirker arternes vækstcyklus og kan for eksempel forhindre træer i at reagere på stigningen i kuldioxid i forbindelse med klimaændringer.

"Da vi arbejdede på vegetationsmodeller for at forstå klimaadfærden i Amazonas, indså vi, at der var specifik information om mængderne af fosfor i jorden. Normalt brugte disse kort i tidligere metoder kun jordtyper [klasser] som forudsigelser for mineralet Vi så, at det ville være nødvendigt at inkludere andre miljømæssige egenskaber, så vi udviklede en ny statistisk teknik baseret på maskinlæring ud fra eksisterende data," forklarer João Paulo Darela Filho, som i øjeblikket er postdoc-forsker ved det tekniske universitet i München. (Tyskland).

Darela Filho begyndte at arbejde på projektet under sit ph.d.-studie, som sluttede i 2021.

På det tidspunkt var hans fokus på at inkorporere data i Caetê-modellen om kredsløb af næringsstoffer som nitrogen og fosfor, som er vigtige for at forstå trævækstens adfærd. Caetê, som betyder "urskov" på Tupi-Guarani-sproget, er en algoritme, der er i stand til at projicere fremtiden for Amazonas vegetation ved at præsentere scenarier for skovtransformation.

Den første af sin slags, der udelukkende er brasiliansk, kommer fra akronymet Carbon and Ecosystem functional-Trait Evaluation model.

Caetê blev udviklet af et hold fra Earth System Science Laboratory ved State University of Campinas (UNICAMP), koordineret af professor David Montenegro Lapola, som også er forfatter til artiklen med Darela Filho.

"Kortene, der er produceret under João Darelas ledelse, er et uundværligt skridt til at fremme vores forståelse af, hvordan tropiske skove, som generelt er fosfor-begrænsede, vil reagere på klimaændringer og andre menneskelige forstyrrelser," sagde Lapola til Agência FAPESP.

Forskerne brugte data fra 108 steder i Amazonas. De brugte en tilgang baseret på tilfældige skovregressionsmodeller, der var blevet trænet og testet til at forudsige forskellige former for fosfor - totalt, tilgængeligt, organisk, uorganisk og okkluderet (når det er bundet til andre stoffer). De brugte også oplysninger fra referencejordtyperne og andre egenskaber såsom geolokalisering, nitrogen- og kulstofniveauer, terrænhøjde og hældning, jordens pH, gennemsnitlig årlig nedbør og temperatur.

Skovregressionsmodellerne viste gennemsnitlige nøjagtighedsniveauer på over 64 %, afhængig af fosforformen. For det samlede mineral nåede nøjagtigheden op på 77,3%.

Resultaterne af forskningen viste, at den gennemsnitlige koncentration af totalt fosfor fundet i det analyserede datasæt var 284,13 milligram pr. kilogram jord (mg kg ⁻¹ ). Denne mængde anses for lav sammenlignet med det globale gennemsnit—570 mg kg ⁻¹ . Ved en analyse af kortene fandt man ud af, at de steder, der er rigest på fosfor, ligger på grænsen mellem Andesbjergene og Amazonas, i modsætning til de ældste jorder i Amazonas lavland, der ligger i den østlige region.

Forskerne mener, at de nye kort kan være nyttige til at parametrere og evaluere terrestriske økosystemmodeller og endda kunne give svar om forholdet mellem jord og vegetation i Amazonas-regionen.

"Maskinlæring, med brug af kunstig intelligens, vil i stigende grad blive anvendt i videnskaben, især til fremtidige projektioner. Vores kort kan bruges af andre forskere til at forstå, hvordan Amazonas vil reagere på klimaændringer," tilføjer Darela Filho.

En international undersøgelse ledet af et hold inklusive Lapola og vist på forsiden af ​​februar-udgaven af ​​Nature viste, at næsten halvdelen af ​​Amazonas er på vej mod et point of no return inden 2050, hvilket betyder, at skoven sandsynligvis vil miste sin modstandsdygtighed over for ekstrem tørke og skovrydning.

Denne undersøgelse anslog, at mellem 10 % og 47 % af regionens områder vil blive udsat for forstyrrelser og trusler, der kan udløse "uventede" overgange i økosystemer og forværre regionale klimaændringer. Akkumuleret skovrydning, global opvarmning, mængden af ​​årlig nedbør i biomet, intensiteten af ​​regntiden og længden af ​​den tørre sæson blev betragtet som stressende situationer. Risikoen er omdannelsen af ​​biomet til savanneområder, der ikke er i stand til at opfylde rollen som kulstofbinding.

Flere oplysninger: João Paulo Darela-Filho et al., Referencekort over jordfosfor for pan-Amazon-regionen, Earth System Science Data (2024). DOI:10.5194/essd-16-715-2024

Journaloplysninger: Earth System Science Data , Natur

Leveret af FAPESP