研究揭示藻源碳調控海洋溶解性碳庫機制

　　中國科學院華南植物園研究員王法明團隊與合作者，通過超高分辨質譜解析不同類群與生長階段的溶解有機碳分子組成，并結合遙感與機器學習方法，在全球尺度上評估浮游植物對溶解有機碳動態的貢獻，并揭示了藻源碳調控海洋溶解性碳庫機制。相關成果近日發表于《自然-通訊》（Nature Communications）。

　　浮游植物（藻）是海洋溶解性有機碳的主要來源，它們產生的溶解有機碳一方面以生物可降解溶解性有機碳的形式被微生物快速消耗，并在轉化過程中部分進入惰性溶解有機碳庫；另一方面也可直接分泌惰性溶解有機碳。無論是間接轉化還是直接分泌，這些惰性溶解有機碳最終都會對海洋溶解有機碳庫的長期積累產生重要貢獻。因此，藻源碳的組分特征是調控海洋溶解有機碳庫規模與穩定性的關鍵因素。然而，由于浮游植物物種多樣且生長階段快速變化，不同類群在生長與衰退過程中的碳分配與釋放特征復雜多變，嚴重制約了我們對藻源碳特征及其作用機制的深入理解。

　　針對上述科學問題，研究人員在國家重點研發計劃、國家自然科學基金等項目的資助下，首先利用超高分辨率質譜技術，系統地量化了六個典型藻門（藍藻門、綠藻門、硅藻門、金藻門、甲藻門和定鞭藻門）類群在生長期與衰亡期下，不同碳餾分（胞內溶解有機碳，胞外結合態溶解有機碳及胞外溶解態溶解有機碳）中生物可降解溶解性有機碳及惰性溶解有機碳的相對占比。結果發現，在所有的實驗藻株中，定義為難以被分解的惰性溶解有機碳都占其總有機碳的10%以上。這一結果突破了傳統對藻源碳多以活性碳為主的認知，也強化了藻類可直接釋放惰性溶解有機碳這一現象的普適性。

　　緊接著，在獲得這些類群特異的碳分配參數后，研究人員進一步結合衛星反演的類群分辨葉綠素濃度數據，構建了機器學習模型，用于預測海洋表層溶解有機碳濃度。結果顯示，引入類群特異的碳分配參數后，模型的預測精度顯著提高（生長期和衰退期的R2分別達0.92和0.80），遠超未考慮此類信息的模型（R2僅為0.69和0.46）。

　　最后，基于這一優化模型，本研究生成了全球尺度的海洋溶解有機碳數據集，不僅發現海洋表層溶解有機碳庫的物種貢獻度，其中硅藻門對該溶解有機碳庫的變化貢獻最大，解釋了高達63.8%的變異；更揭示了不同生長季下藻源溶解有機碳的差異性，生長期產生的頑固型溶解有機碳顯著高于衰退期。這些現象意味著未來浮游植物暴發持續時間及氣候驅動的群落結構變化，將深刻影響著海洋溶解有機碳動態與碳循環過程。

　　該研究為理解和預測全球碳循環提供了新的視角和工具，也為評估氣候變化背景下海洋碳匯功能的變化提供了關鍵科學依據。

　　相關論文信息：https://doi.org/10.1038/s41467-025-63105-x