青藏高原是全球水循环和碳封存的重要生态系统，也是气候变化敏感区。气温升高和降水模式的改变引起土壤理化性质和植物物种组成及植物物候发生变化，这些变化可能导致生物多样性和生态系统功能下降。因此，高寒草地的健康和稳定对全球生态至关重要，而土壤中的氮（N）和磷（P）养分对植物生长和生态系统稳定具有决定性作用。
近日，中国科学院青藏高原研究所高寒生态系统功能与全球变化团队姜丽丽副研究员联合加拿大农业部渥太华研究中心的Guoqi Wen研究员，在《Science of the Total Environment》发表了一篇题为《Machine learning in soil nutrient dynamics of alpine grasslands》的文章，利用机器学习的方法综述了气候变化条件下高寒草地养分动态。
研究结果显示，气候变暖显著影响了高寒草地土壤养分的可利用性及动态平衡。随着气温升高，土壤微生物活动增强，导致氮矿化速率增加，从而提高了土壤中无机氮的含量。此外，降水模式（干旱频率和强度的增加等）的变化，也影响了土壤湿度和pH值（表层碱化，深层酸化），进一步改变了土壤养分的组成和分布，使得表层土壤养分流失而深层土壤养分富集。研究还指出，气候变暖可能导致土壤磷的可利用性增加，但同时也可能因为植物生长季延长和根系分泌物的变化（例如分泌更多有机酸）而增强植物对磷的吸收，从而减少土壤中可用磷的含量。研究还发现，随着大气氮沉降的增加，土壤中的氮、磷比例整体呈上升趋势，显著影响了植物生长和资源分配。
此外，该研究强调了机器学习在土壤养分评估中的应用。利用多源数据，如卫星图像、传感器数据和常识性文本，机器学习能够快速准确地评估土壤养分的时空动态。本研究综合分析了支持向量机（SVM），部分最小二乘回归（PLSR）和随机森林等机器学习模型等在评估青藏高原高寒草地土壤碳含量变化过程的作用及预测性能。研究指出，结合大语言模型（LLM），机器学习可以为高寒草地管理提供宝贵的见解和策略，促进生态系统的可持续发展。这些发现不仅有助于理解高寒草地生态系统的复杂动态变化，还能为制定科学的草原管理策略提供科学依据，进而应对全球气候变化的挑战。
本研究获得了拉萨市重点科技项目（LSKJ202425）和西藏自治区科技项目（QYXTZX-RKZ2024-02-1和XZ202301ZY0003F）的资助。研究团队表示，未来将利用高通量数据收集工具，如无人机和高光谱成像技术，进一步提高土壤养分动态监测的精度和效率。同时，也将探索机器学习在生态管理中的应用，例如对植物物候学的预测等。
文章链接：https://doi.org/10.1016/j.scitotenv.2024.174295
