Eine neue Studie zeigt, dass eine Berechnungsmethode, die von internationalen Messnetzwerken verwendet wird, eine systematische Verzerrung bei Schätzungen der Kohlenstoffbilanz für nördliche Ökosysteme erzeugt. Die vom Finnischen Meteorologischen Institut geleitete Studie zeigt, dass eine Methode des maschinellen Lernens verwendet werden kann, um den Fehler erheblich zu reduzieren.
Eine Schlüsselmethode zur Messung der Kohlenstoffbilanz von Wäldern, landwirtschaftlichen Feldern und Feuchtgebieten ist die Eddy-Kovarianz-Technik. Im Prinzip misst diese Methode den Kohlendioxidaustausch zwischen Ökosystemen und der Atmosphäre kontinuierlich jede halbe Stunde. Einige Messungen müssen jedoch aufgrund ungünstiger atmosphärischer Bedingungen verworfen werden, und auch technische Ausfälle führen zu Datenlücken. Das Ersetzen oder Füllen der fehlenden Daten, um vollständige Zeitreihen zu erhalten, ist ein wesentlicher Schritt bei der Berechnung der jährlichen Kohlenstoffbilanzen.
Eine neue Studie, die vom Finnischen Meteorologischen Institut geleitet wurde, untersuchte zum ersten Mal, welche Auswirkungen verschiedene Methoden zum Füllen von Lücken auf die Schätzungen der Kohlenstoffbilanz von Ökosystemen in hohen Breiten haben. Die Ergebnisse wurden in veröffentlicht Wissenschaftliche Berichte.
Die Studie zeigte, dass die häufigste Methode zum Füllen von Lücken, die auch von internationalen Flussmessnetzen verwendet wird, einen systematischen Fehler in den jährlichen Schätzungen der Kohlenstoffbilanz der nördlichen Ökosysteme verursacht. Aufgrund dieses Fehlers wurden die Emissionen von Kohlenstoffquellen überschätzt und die Stärke von Kohlenstoffsenken unterschätzt. Die Verzerrung ist erheblich, an manchen Standorten sogar in ähnlicher Größenordnung wie die jährliche Kohlenstoffbilanz. Der Fehler wird durch eine sehr schiefe Verteilung der Sonnenstrahlung in nördlichen Breiten verursacht.
Eine maschinelle Lernmethode liefert zuverlässige Schätzungen der Kohlenstoffbilanz
Um den Fehler zu korrigieren, nutzte die Studie eine maschinelle Lernmethode, die sich als genauer als die alte Standardmethode erwies und keine systematischen Fehler verursachte. Neben einer neuen, unvoreingenommenen Methode wurde die alte Methode modifiziert, um die in nördlichen Breiten vorherrschenden Umweltbedingungen besser zu berücksichtigen.
Boreale und Tundra-Biome bedecken eine Fläche von mehr als 20 Millionen Quadratkilometern. Daher kann der in der Studie festgestellte systematische Fehler erhebliche Auswirkungen auf die Kohlenstoffbilanzschätzungen nördlicher Gebiete haben, wenn diese auf Eddy-Kovarianzmessungen basieren. Wenn die verbesserten Methoden zum Füllen von Lücken weit verbreitet sind, können Schätzungen der Kohlenstoffbilanzen nördlicher Ökosysteme genauer berechnet werden. In Zukunft können Eddy-Kovarianzdaten auch verwendet werden, um die Zuverlässigkeit von Kohlenstoffbilanzschätzungen zu erhöhen, die in nationalen Treibhausgasinventaren erstellt werden.
Mehr Informationen:
Henriikka Vekuri et al., Eine weit verbreitete Eddy-Kovarianz-Lückenfüllmethode erzeugt eine systematische Verzerrung bei Schätzungen der Kohlenstoffbilanz, Wissenschaftliche Berichte (2023). DOI: 10.1038/s41598-023-28827-2
Bereitgestellt vom Finnischen Meteorologischen Institut