NASA卫星跟踪的植物荧光可以提前几个月预测山洪暴发的干旱

植物生产力的异常飙升可能预示着土壤水分即将严重流失。美国国家航空航天局（NASA）的卫星对这种微妙的光亮进行了跟踪，为不同地貌的潜在山洪暴发提供了预警。2012年夏天，美国大部分地区在几乎没有任何征兆的情况下迅速遭受旱灾，这是自20世纪30年代长达数年的"沙尘暴"以来美国遭受的范围最广的旱灾之一。

美国国家航空航天局（NASA）的科学家发现，卫星跟踪的植物荧光可以提前几个月预测山洪暴发的干旱，从而帮助缓解干旱并了解干旱期间碳循环的影响。资料来源：美国国家航空航天局科学可视化工作室

极端高温烘干了土壤和植物中的水分，引发了"闪电干旱"，导致大面积农作物歉收，经济损失超过 300 亿美元。

典型的干旱可能会持续数季，而山洪暴发的干旱则以快速干燥为特征。它们可以在几周内形成，而且很难预测。在最近的一项研究中，美国国家航空航天局南加州喷气推进实验室的科学家们领导的研究小组能够在山洪暴发前三个月检测到山洪暴发的迹象。未来，这种提前预报将有助于减轻灾害。

他们是如何做到的？答案是追随光芒。

在肯塔基州西部的一块田地里，一台机器正在喷洒覆盖作物，为播种季节做准备。美国国家航空航天局（NASA）的科学家们正在利用天基工具帮助预测近年来造成严重农业损失的快速、隐蔽的干旱。图片来源：美国农业部/Justin Pius

太空信号

在光合作用过程中，当植物吸收阳光将二氧化碳和水转化为食物时，叶绿素会"泄漏"一些未使用的光子。这种微弱的光被称为太阳诱导荧光（SIF）。荧光越强，说明植物从大气中吸收的用于生长的二氧化碳越多。

虽然肉眼看不到这种辉光，但美国国家航空航天局（NASA）的轨道碳观测站-2（OCO-2）等卫星上的仪器可以探测到。OCO-2 于 2014 年发射，在生长季节观测到了美国中西部的萤光。

生长中的植物发出一种光，这种光可以被在地球上空数百英里轨道上运行的 NASA 卫星探测到。在这幅描绘平均年份的图像中，北美部分地区似乎闪烁着荧光。灰色表示很少或没有荧光的区域；红色、粉色和白色表示高荧光。资料来源：美国宇航局科学可视化工作室

研究人员将多年的荧光数据与 2015 年至 2020 年美国 5 月至 7 月间发生的山洪灾害清单进行了比较。他们发现了一种多米诺骨牌效应：在山洪暴发前的几周和几个月里，随着天气变得温暖干燥，植被开始茁壮成长。蓬勃生长的植物在当时发出了异常强烈的荧光信号。

但是，这些植物逐渐减少了土壤中的水分供应，从而带来了风险。当极端气温袭来时，原本就很低的水分含量急剧下降，几天之内就出现了山洪暴发的干旱。

研究小组将荧光测量结果与 NASA 的 SMAP 卫星提供的水分数据进行了关联。SMAP是Soil Moisture Active Passive的缩写，它通过测量地球表面自然微波辐射的强度来跟踪土壤水分的变化。

科学家们发现，这种不寻常的荧光模式与山洪暴发前 6 到 12 周内土壤水分损失的相关性极高。从美国东部的温带森林到大平原和西部灌木林，不同的地貌都出现了一致的模式。

因此，植物荧光"有望成为一种可靠的闪电干旱预警指标，为采取行动提供足够的准备时间"，JPL地球科学家、近期研究的主要作者尼古拉斯-帕拉祖说。

国家气象局观测办公室的科学家乔丹-格思（Jordan Gerth）没有参与这项研究，他说，鉴于我们的气候在不断变化，他很高兴看到有关山洪干旱的研究工作。他指出，只要有可能，农业就能从可预测性中获益。

格尔特说，虽然预警无法消除山洪暴发造成的影响，但"如果有几周到几个月的准备时间，拥有先进经营方式的农民和牧场主可以更好地利用灌溉用水，减少对作物的影响，避免种植可能歉收的作物，或者种植不同类型的作物，以达到最理想的产量"。

跟踪碳排放

除了试图预测山洪暴发的干旱，科学家们还想了解这些干旱对碳排放的影响。

通过光合作用将二氧化碳转化为食物，植物和树木成为碳"汇"，从大气中吸收的二氧化碳多于它们释放的二氧化碳。包括农田在内的多种生态系统都在碳循环中发挥作用--碳原子在陆地、大气和海洋之间不断交换。

科学家们利用 OCO-2 号卫星的二氧化碳测量数据和先进的计算机模型追踪了山洪暴发前后植被对碳的吸收情况。受热胁迫的植物从大气中吸收的二氧化碳较少，因此研究人员预计会发现更多的游离碳。但他们发现的却是一种平衡行为。

与正常情况相比，闪电干旱发生前的温暖气温诱使植物增加碳吸收量。平均而言，这种反常的吸收量足以完全抵消因随后的高温条件而减少的碳吸收量。这一惊人发现有助于改进碳循环模型预测。

今年夏天是 OCO-2 号卫星在轨运行的第 10 个年头，它利用三台类似照相机的光谱仪探测二氧化碳独特的光信号，绘制自然和人为二氧化碳浓度和植被荧光图。它们通过跟踪特定气柱中二氧化碳吸收反射太阳光的程度来间接测量这种气体。

编译来源：ScitechDaily