中科院团队突破性AI模型精准测算全球植被排放，助力气候治理

中国科学院广州地球化学研究所王新明团队近日在《自然·通讯》发表研究成果，联合清华大学、加州大学尔湾分校开发的GEE-MEGAN模型，通过高分辨率遥感与机器学习技术，显著提升了森林边缘及城区植被挥发性有机物（BVOCs）排放的估算精度。该成果为全球气候变化与空气污染治理提供了突破性工具。

传统MEGAN2.1模型在人类活动频繁区域存在显著误差。以亚马逊地区为例，旧模型局部高估BVOCs排放量达77%，整体平均偏差31%。新模型通过10-30米分辨率动态集成叶面积指数、植物功能类型等参数，使排放通量误差降低21.6%-48.6%，叶面积指数估算误差减少9%-12%。尤其在城市植被破碎带，模型首次实现街区级精准测算，揭示出气候变暖与BVOCs排放的反馈机制。

技术突破体现在三方面：一是计算效率跃升，南美地区模拟速度较传统方法提升80-100倍，单物种运算时间从737秒缩短至7-9秒；二是数据传输量减少97%-99%，支持全球高分辨率实时运算；三是首次实现全球尺度下扰动区域排放量的动态修正，亚马逊区域总排放量较旧模型降低13%。

该模型对评估人类活动影响具有里程碑意义。植物释放的BVOCs总量约为人为排放的7倍，其生成的臭氧和二次有机气溶胶直接威胁呼吸健康。研究团队指出，随着城市化进程加速，高温胁迫导致的植被排放增加将进一步加剧复合污染，新模型可为气候政策制定提供毫米级数据支撑。目前该技术已进入业务化应用阶段，将服务于全球空气质量预警系统建设。