卫星拍摄到的河流三角洲POC入海输送过程。课题组供图

本报讯（记者崔雪芹）北京大学环境科学与工程学院研究员李东锋课题组针对全球河流碳通量长期连续观测不足的难题，整合约10万条全球河流颗粒有机碳（POC）实测数据与120万幅Landsat卫星影像，研发了Aqua-OC动态机器学习框架，使人工智能能够从海量卫星影像中识别出不同河流的有机碳信号，并把零散的面观测拓展为覆盖全球河网的长时序连续监测。基于这一技术，他们研究重建了全球2409条河流过去近40年的逐年POC通量变化，发现全球河流POC入海通量在过去40年间净增加约20%。相关研究6月29日发表于《自然-地球科学》。

研究结果揭示了全球河流POC入海通量变化的强烈区域差异。研究发现，全球约33%的河流POC入海通量呈显著增加趋势，主要分布在北极和热带地区；约14%的河流呈显著减小趋势，主要集中在欧洲、北美东部和中国东部等大坝密集区域。进一步分析表明，北极冻土退化增强了有机碳向河流的输入，热带毁林加剧了陆源有机碳的侵蚀和输移，而大坝建设则通过拦截POC减小了部分区域的入海通量。总体而言，冻土退化和热带毁林带来的增强效应超过了大坝拦截的削弱作用，推动全球河流POC入海通量快速增加。

研究进一步指出，当前全球碳收支核算中存在河流入海碳通量“动态核算缺口”，即过去的碳预算通常把河流碳通量视作相对固定的背景值，而研究表明，冻土退化、热带毁林和大坝建设等气候和人为扰动正在不断改变“陆地-海洋连续体”碳循环过程。基于上述发现，研究团队提出了“卫星监测-过程识别-人工智能约束-风险评估”的河流碳研究新范式，以实地监测和卫星观测为基础，以机器学习、多模态数据融合和物理约束为手段，为河流碳通量动态核算、陆海连续体碳循环机制研究以及海岸带生态环境风险评估提供更加系统的观测与分析框架，同时也为下一代全球碳预算和海洋生物地球化学模型提供动态陆源碳输入约束，有助于提升对全球碳源汇核算及其气候反馈的认识和预测能力。

相关论文信息：

https://doi.org/10.1038/s41561-026-02034-w