生物科学门户网站
BIO1000.COM

由于变暖的海洋微生物增加空气中的二氧化碳

世界上的海洋吸收了人类每年吸入空气中大约四分之一的二氧化碳 - 这是对温室效应的强大制约。除了纯粹的物理和化学过程之外,其中很大一部分是由光合浮游生物吸收的,因为它们将碳结合到它们的体内。

当浮游生物死亡时,它们下沉,带走碳。有机雨的某些部分将最终锁定在深海中,与大气隔绝数百年或更长时间。但是海洋所需要的东西,海洋也会回归。在许多遗骸变得很远之前,它们被需氧细菌消耗。并且,就像我们一样,这些细菌通过吸入氧气并排出二氧化碳而呼吸。大部分再生的二氧化碳因此最终回到空中。

一项新的研究表明,随着气候变化,海洋变暖,世界上许多地区的二氧化碳再生可能会变得更快。反过来,这可能会降低深海保持碳锁定的能力。该研究表明,在许多情况下,细菌在较浅的深度消耗更多的浮游生物比以前认为的更多,并且他们这样做的条件将随着水温升高而扩散。这项研究发表在本周的“美国国家科学院院刊”上。

哥伦比亚大学Lamont-Doherty地球观测站的海洋学家罗伯特安德森说:“结果告诉我们,变暖将导致许多地区更快地回收碳,这意味着更少的碳将到达深海并储存在那里。” 。

科学家认为浮游生物每年产生约400亿至500亿吨固体有机碳。他们估计,根据地区和条件,大约80亿至100亿吨能够从地表海洋沉入更深的地方,经过约100米,而不会被细菌吞噬。然而,科学家们对二氧化碳呼吸的深度以及因此将二氧化碳返回大气的速度了解甚少。新研究对这个问题进行了调查,结果令人惊讶。

使用2013年从秘鲁到塔希提岛的研究游轮的数据,科学家们观察了两个不同的区域:南美洲以外的营养丰富,高产水域,以及在赤道下方的中央海洋中缓慢循环的大部分贫瘠水域被称为南太平洋环流的电流。

为了测量有机颗粒有多深,许多海洋学研究使用相对原始的装置,当颗粒下沉时被动地捕获颗粒。但是,这些设备只能在海洋的广阔距离和深度上收集有限数量的数据。对于这项新的研究,研究人员反而在不同深度抽取大量海水并通过它进行筛选。从这些中,他们分离出有机碳颗粒和钍元素的同位素,这些颗粒一起使他们能够计算通过他们采样的每个深度下沉的碳量。此过程产生的数据远远多于传统方法。

在肥沃的区域,由于细菌和其他生物体吞噬有机物质,氧气在表面附近迅速消耗殆尽。在约150米的深度,氧含量接近零,停止有氧活动。一旦有机物质到达这一层,称为氧气最小区域(OMZ),它就会不受影响地沉入更深的海洋。因此,OMZ形成一种保护帽,覆盖任何沉入其中的有机物质。在深处,氧气水平再次上升,好氧细菌可以恢复工作;然而,到目前为止产生的任何二氧化碳都需要几个世纪才能通过上升流回到空中。

到目前为止,许多科学家认为大部分表面附近产生的有机物质都会通过OMZ,因此大部分二氧化碳再生都会发生在深海。然而,研究人员的测量表明,实际上只有大约15%的人做到这一点;其余的转换回OMZ以上的二氧化碳。

该研究的主要作者,Lamont-Doherty的研究生弗兰克帕维亚说:“人们并不认为在较浅的区域发生了太多的再生。”“它发生的事实表明,这个模型完全没有像我们想象的那样发挥作用。”

这很重要,因为研究人员预测,随着海洋的变暖,OMZ将在更广泛的区域水平扩散,并垂直向地面扩散。在传统的范例下,这将允许更多的有机物质到达深海以被困在那里。然而,新的研究表明,随着OMZ的扩散,在它们之上的二氧化碳再生也将如此。这将抵消任何增加的OMZ下有机物质的捕获。帕维亚说,哪种效应 - 近地表再生或OMZ提供的上限 - 可能会赢得更多研究的问题。但这一发现暗示OMZ的传播可能不像以前认为的那样有益。(至少不是碳储存; OMZ是有害的,因为它们在现在重要的捕鱼区域杀死了许多海洋生物。)

更进一步,在南太平洋环流中,结果不那么模糊。由于缺乏养分,这里的生物活性低于OMZs,之前使用沉积物捕集器的研究表明,表面形成的大部分有机物质都会沉入冷深处。一些二氧化碳再生发生在那里,但气体重新浮现需要几个世纪。然而,新的研究发现了相反的结果:在温暖的表面附近有更多的再生,而不是之前的一些研究估计。

这很重要,因为像OMZ一样,南太平洋环流以及海洋其他部分的类似现有系统预计会随着海洋变暖而增长。这些地区将这些地区分成顶部和较冷水域的温暖水域的分层蛋糕。因为根据这项研究,在温暖,较浅的水域中会发生如此多的二氧化碳再生,更多的二氧化碳最终会在更广泛的区域内返回空气中。而且不像近岸OMZ那样,“在回转中没有平衡效应,”安德森说。“旋转的故事是,在海洋的广阔区域,碳储存效率会降低。”(还有其他四个主要的旋转:北太平洋,南大西洋和北大西洋,以及印度洋。)

研究人员指出,他们研究的过程只是海洋碳循环的一部分。独立于生物学的物理和化学反应是大气和海洋之间大部分碳交换的原因,这些过程可能以复杂和不可预测的方式与生物学相互作用。“这项[研究]为我们提供了以前没有的信息,我们可以插入未来的模型以做出更好的估计,”帕维亚说。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。