นอกโลกนี้: การสังเคราะห์ด้วยแสงวัดจากอวกาศ

เนื่องจากความสามารถในการสร้างผลิตภัณฑ์ที่มีคุณค่าจากสารประกอบอินทรีย์ เช่น CO 2พืชจึงเป็นที่รู้จักในฐานะ "ผู้ผลิตหลัก" การผลิตเบื้องต้นขั้นต้น (GPP) ซึ่งเป็นการวัดอัตราการตรึง CO 2ในพืชผ่านการสังเคราะห์ด้วยแสง เป็นตัวชี้วัดสำคัญในการติดตามความสมบูรณ์และประสิทธิภาพของระบบนิเวศที่มีพืชเป็นฐาน ทีมวิจัยจากศูนย์นวัตกรรมพลังงานชีวภาพและผลิตภัณฑ์ชีวภาพขั้นสูงของกระทรวงพลังงานสหรัฐ (CABBI) ที่มหาวิทยาลัยอิลลินอยส์เออร์บานา-แชมเพนได้พัฒนาผลิตภัณฑ์เพื่อวัด GPP อย่างแม่นยำ: ผลิตภัณฑ์ SatelLite Only Photosynthesis Estimation Gross Primary Production (SLOPE GPP) ที่ a ขั้นตอนเวลารายวันและความละเอียดเชิงพื้นที่ระดับฟิลด์ ทีมงานใช้ประโยชน์จากซูเปอร์คอมพิวเตอร์ Blue Waters ซึ่งตั้งอยู่ที่ U of I National Center for Supercomputing Applications (NCSA) ในการวิจัยของพวกเขา บทความของพวกเขาได้รับการตีพิมพ์ในEarth System Science Dataในเดือนกุมภาพันธ์ พ.ศ. 2564 Kaiyu Guan กล่าวว่า "การหาปริมาณของอัตราที่พืชในกระบวนการในพื้นที่ที่กำหนดนั้นมีความสำคัญอย่างยิ่งต่อความเข้าใจทั่วโลกเกี่ยวกับการหมุนเวียนคาร์บอน การจัดการที่ดินบนบก และสุขภาพของน้ำและดิน โดยเฉพาะอย่างยิ่งเมื่อพิจารณาถึงสภาวะที่ไม่แน่นอนของดาวเคราะห์ที่ร้อนขึ้น"หัวหน้าโครงการและศาสตราจารย์ NCSA Blue Waters Chongya Jiang, a นักวิจัยในโครงการ สิ่งที่น่าสนใจเป็นพิเศษคือความเกี่ยวข้องของการตรวจสอบ GPP กับระบบนิเวศเกษตรพลังงานชีวภาพ ซึ่ง "โรงงาน" ของพืชผลได้รับการออกแบบมาเป็นพิเศษเพื่อผลิตเชื้อเพลิงชีวภาพที่นำกลับมาใช้ใหม่ได้ การหาปริมาณการตรึง CO 2ในสภาพแวดล้อมเหล่านี้เป็นเครื่องมือในการเพิ่มประสิทธิภาพภาคสนามและเอื้อประโยชน์ต่อเศรษฐกิจชีวภาพทั่วโลก นักวิทยาศาสตร์ของ CABBI เช่น Andy VanLoocke นักวิจัยธีมความยั่งยืน แนะนำว่าข้อมูลใหม่ที่สำคัญนี้สามารถใช้เพื่อจำกัดการจำลองแบบจำลองสำหรับศักยภาพผลผลิตพืชพลังงานชีวภาพ เทคโนโลยีที่ใช้ในการทดลองนี้ล้ำสมัย ตามชื่อของมัน มันได้มาจากข้อมูลดาวเทียมล้วนๆ ดังนั้นจึงใช้การสังเกตโดยสมบูรณ์ แทนที่จะอาศัยวิธีการสร้างแบบจำลองที่ซับซ้อนและไม่แน่นอน ตัวอย่างหนึ่งของเทคโนโลยีที่ใช้การสังเกตคือคลอโรฟิลล์เรืองแสง (SIF) ที่เกิดจากแสงอาทิตย์ ซึ่งเป็นสัญญาณแสงอ่อนที่ปล่อยออกมาจากพืชซึ่งถูกใช้เป็นพร็อกซีใหม่สำหรับ GPP ได้รับแรงบันดาลใจจากการสำรวจภาคพื้นดินของ SIF เป็นเวลานานหลายปี กลุ่มของ Guan ได้พัฒนาวิธีการขั้นสูงยิ่งขึ้นในการปรับปรุงการประมาณค่า GPP: การรวมดัชนีพืชพันธุ์ใหม่ที่เรียกว่า "การสะท้อนแสงของพืชพรรณในระยะใกล้อินฟราเรดที่ปรับสภาพดิน" (SANIRv) เข้ากับการแผ่รังสีที่สังเคราะห์ด้วยแสง (PAR) ). SLOPE สร้างขึ้นจากการผสมผสานที่แปลกใหม่นี้ SANIRv แสดงถึงประสิทธิภาพของรังสีดวงอาทิตย์ที่พืชใช้ และ PAR แสดงถึงรังสีดวงอาทิตย์ที่พืชสามารถนำไปใช้ในการ สังเคราะห์ แสงได้ เมตริกทั้งสองได้มาจากการสังเกตจากดาวเทียม จากการวิเคราะห์ไซต์ AmeriFlux 49 แห่ง นักวิจัยพบว่า PAR และ SANIRv สามารถใช้ประโยชน์จากการประเมิน GPP ได้อย่างแม่นยำ ในความเป็นจริง ผลิตภัณฑ์ SLOPE GPP สามารถอธิบาย 85% ของการเปลี่ยนแปลงเชิงพื้นที่และเวลาใน GPP ที่ได้รับจากไซต์ที่วิเคราะห์ ซึ่งเป็นผลลัพธ์ที่ประสบความสำเร็จและประสิทธิภาพที่ดีที่สุดที่เคยมีมาในการเปรียบเทียบข้อมูลมาตรฐานทองคำนี้ เนื่องจากทั้ง SANIRv และ PAR เป็น "ดาวเทียมเท่านั้น" นี่เป็นความสำเร็จที่นักวิจัยแสวงหามาเป็นเวลานาน แต่ขณะนี้เพิ่งถูกนำมาใช้ในผลิตภัณฑ์ GPP ที่ใช้งานได้ กระบวนการที่มีอยู่เพื่อหาปริมาณ GPP ไม่มีประสิทธิภาพด้วยเหตุผลหลักสามประการ: ความแม่นยำเชิงพื้นที่ (ตามภาพ) ความแม่นยำเชิงเวลา (ตามเวลา) และเวลาแฝง (ความล่าช้าในความพร้อมของข้อมูล) ผลิตภัณฑ์ SLOPE GPP ที่สร้างขึ้นโดยทีมงานของ Guan ใช้ภาพถ่ายดาวเทียมที่คมชัดเป็น 2 เท่าของการศึกษาขนาดใหญ่ส่วนใหญ่ (วัดที่ 250 เมตร เทียบกับปกติ > 500 เมตร) และดึงข้อมูลตามวงจรรายวัน ซึ่งละเอียดกว่าปกติถึง 8 เท่า ที่สำคัญกว่านั้น ผลิตภัณฑ์ใหม่นี้มีเวลาแฝงระหว่างหนึ่งถึงสามวัน ในขณะที่ชุดข้อมูลที่มีอยู่ล้าหลังกว่าเป็นเดือนหรือเป็นปี ประการสุดท้าย ผลิตภัณฑ์ GPP ส่วนใหญ่ที่ใช้ในปัจจุบันเป็นการวิเคราะห์มากกว่าการสังเกต ตัวชี้วัดที่ใช้ในการคำนวณ GPP (เช่น ความชื้นในดิน อุณหภูมิ ฯลฯ) มาจากอัลกอริทึมมากกว่าเงื่อนไขในโลกแห่งความจริงที่รวบรวมได้จากดาวเทียม ข้อสังเกต "การสังเคราะห์ด้วยแสงหรือ GPP เป็นรากฐานสำหรับการหาปริมาณงบประมาณคาร์บอนในระดับภาคสนาม หากไม่มีข้อมูล GPP ที่แม่นยำ การหาปริมาณตัวแปรที่เกี่ยวข้องกับคาร์บอนอื่นๆ เช่น การเปลี่ยนแปลงของคาร์บอนในดินประจำปี จะเชื่อถือได้น้อยกว่ามาก" Guan กล่าว "ซูเปอร์คอมพิวเตอร์ Blue Waters ทำให้การคำนวณระดับเพตะไบต์ของเราเป็นไปได้ เราจะใช้ข้อมูล GPP ใหม่นี้เพื่อพัฒนาความสามารถของเราอย่างมีนัยสำคัญในการวัดปริมาณบัญชีงบประมาณคาร์บอนทางการเกษตร และจะทำหน้าที่เป็นข้อมูลหลักในการจำกัดการสร้างแบบจำลองการเปลี่ยนแปลงของคาร์บอนอินทรีย์ในดินสำหรับ ทุกฟิลด์ที่ต้องมีการวัดปริมาณคาร์บอนของดิน นอกจากข้อมูล SLOPE GPP แล้ว วิธีการที่คล้ายกันนี้ช่วยให้เราสร้างข้อมูล GPP ที่ความละเอียด 10 เมตรและรายวันได้