在全球范围内，光合作用是大气和生物圈之间最大的单一CO2通量。因此，光合作用的长期变化，例如对大气CO2上升的响应，可能为气候变化提供重要的反馈。理论预测，CO2的增加增加了全球光合作用，这一过程被称为CO2施肥，这是目前陆地碳汇的主要原因。然而，全球陆地光合作用碳吸收不能直接观察到，而必须由陆地生物圈模型(TBMs)预测或从代理推断。基于卫星的全球陆地光合作用碳吸收量估算来自于对地表反射率时空变化的观测，而植被的太阳能吸收量可从中得出。由于它们综合了地面观测数据，因此通常被视为比较TBMs的基准。这样的比较通常表明，由于光合作用对CO2增加的敏感性太高，TBMs高估了全球陆地光合作用的变化。然而，卫星- TBMs的比较存在争议，因为大多数基于卫星的估算，无论是机器学习(ML)还是基于算法，都没有考虑到普遍观察到的CO2增加对C3植被叶片光能利用效率(LUE)的直接影响。这是因为从太空中无法直接观察到CO2增加对LUE的直接影响。相比之下，基于观测的代用物，基于coss8、coss15、涡旋协方差网络、植物标本室和野外氘同位素的冰芯记录，表明TBMs可能低估了全球光合作用对CO2的敏感性。基于以上，现阶段对全球陆地光合作用对CO2的敏感性的估计存在差异，而且缺乏全球约束，这在未来对地球系统的预测中构成了很大的不确定性，并阻碍了对导致全球陆地碳循环长期变化的各种过程的归因。

基于此，加州大学伯克利分校T. F. Keenan等利用遥感(RS)观测资料，根据生态最优性理论来帮助限制光合作用对CO2上升的历史响应。作者开发了一种方法，在现有的基于卫星的方法中纳入CO2对冠层陆地总初级光合作用(GPP)速率的直接影响。使用光合作用碳固定的第一性原理，并生成30年全球卫星衍生GPP数据集。此外，基于从陆地-大气净碳交换趋势项目(TRENDY24)中确定了模拟的陆地碳汇与光合作用对CO2的敏感性之间的紧急多模式关系。当这些方法结合起来时，限制了CO2对全球GPP历史影响的合理估计范围，解决了卫星和tbm推断的GPP对大气CO2历史变化的敏感性之间的巨大明显差异。

结果表明，1981 ~ 2020年，CO2施肥使全球陆地年光合作用增加了13.5±3.5%或15.9±2.9 PgC(平均±s.d)。此外，广泛使用的基于RS的全球陆地光合作用估计需要考虑CO2增加对光合LUE的影响，并提供一种与所研究的TBMs大致一致的全球适用方法。综上所述，我们的研究结果表明，自1982年以来，大气中CO2的增加导致了全球光合作用的大幅增加，这代表了一种强烈的碳浓度反馈，有助于减缓大气中人为排放的积累。本研究结果有助于解决全球陆地光合作用对CO2历史敏感性的相互矛盾的估计，并突出了人为排放对全球生态系统的巨大影响。

TBMs和多个卫星观测的全球年光合作用的长期变化

原文链接 ↓

https://doi.org/10.1038/s41558-023-01867-2