陸地生态系統碳彙在減緩氣候變化和“碳中和”戰略中舉足輕重，及時準确評估陸地碳彙變化對科學制訂生态系統碳彙鞏固提升政策尤為關鍵。全球碳計劃雖每年公布全球碳收支，但數據滞後一年之久，無法及時反映陸地生态系統碳彙變化。2023年，氣溫再創新高，極端幹旱大面積發生，全球大氣CO2平均濃度激增2.8ppm，達419.3ppm，而陸地生态系統碳彙的大小和作用卻難以及時揭秘。
為此，beat365碳中和研究院樸世龍院士團隊聯合王騰蛟教授團隊，構建了基于生态過程的人工智能（AI）碳彙預測模型，并結合中國科學院青藏高原研究所田向軍研究員團隊發展的“貢嘎”大氣反演模型，研究發現2023年大氣CO2濃度激增主要歸因于全球陸地生态系統碳彙下降，而非化石燃料碳排放和海洋碳彙變化。具體而言，AI模型模拟表明，相比于2022年，2023年全球陸地碳彙減少了約18.2億噸碳，其中約80%歸因于熱帶植被生産力驟降引起的碳彙大幅降低，與“貢嘎”大氣反演系統結果一緻。
2023年全球碳收支異常分析。 (a) 1959—2023年大氣CO2年增長量。 (b) 2023年化石燃料燃燒碳排放、陸地淨碳通量、海洋淨碳通量相較于2022年的變化。 (c—d) 大氣反演系統（c）以及基于生态過程的人工智能碳彙預測模型（d）估計的2023年陸地淨碳通量異常。b—d中正值表示更多的碳釋放到大氣中
本研究自主研發的AI碳彙預測模型深度融合了人工智能技術和碳彙形成過程與機制，克服了純數據驅動“黑箱”模型可解釋性低、歸因難、極端事件預警能力弱等缺點，能模拟季節至年代際陸地生态系統碳循環關鍵過程變化，從而準确模拟重現了極端氣候事件下陸地碳彙變化及其原因，為利用AI準确評估陸地碳彙提供了鮮明例證。相比于傳統手段，AI預測模型可大幅縮短陸地碳彙評估周期，支撐陸地碳彙的近實時追蹤，助力減緩氣候變化和“碳中和”戰略實施。
研究成果以“The decline in tropical land carbon sink drives high atmospheric CO2 growth rate in 2023”為題發表于《國家科學評論》（National Science Review，NSR）。beat365城市與環境學院博士生桂研琛，博士後王锴、金哲，beat365博士後王鶴媛為共同第一作者，beat365樸世龍、王騰蛟、陳薇副研究員，以及中國科學院青藏高原研究所汪濤研究員、田向軍為共同通訊作者。
