try ai
科普
编辑
分享
反馈
  • 碳循环模型

碳循环模型

SciencePedia玻尔百科
核心要点

-有效的碳循环模型依赖于质量守恒等基本原理以及精确定义的系统边界(地理、时间和技术边界)。 -地球气候受反馈回路的支配,其中平衡气候敏感度(ECS)和碳-气候反馈等关键参数量化了系统对二氧化碳的响应。 -模型必须考虑内部的复杂性,如区室化以及总量变化与净变化之间的差异,以避免得出误导性结论。 -碳循环模型的应用范围广泛,从使用脉冲响应函数预测未来气候,到改造光合作用,再到重建过去的气候。

引言

碳循环是地球的生命线,是一个连接大气、海洋、陆地及每一个生物的巨大而复杂的流动网络。理解和预测这一循环,尤其是在人类活动驱动变化的背景下,是我们这个时代最关键的科学挑战之一。我们如何才能将这种复杂性捕捉到一个模型中,以预测我们未来的气候或理解遥远的过去?本文通过揭开碳循环模型世界的神秘面纱,来回答这个根本性问题。它超越了抽象概念,为理解这些基础科学工具的构建和使用方式提供了一个清晰、结构化的框架。

在接下来的章节中,您将首先在“原理与机制”一章中学习确保模型物理真实性的基本规则和概念,探索支撑所有地球系统科学的“簿记艺术”。然后,在“应用与跨学科联系”一章中,您将踏上一段旅程,探索这些模型多样而强大的应用,发现它们如何成为我们预测气候的水晶球、观察微生物生态系统的显微镜,甚至是探索地球远古历史的时间机器。我们将首先审视那些使行星建模成为可能的核心原理。

原理与机制

要建立一个关于世界,甚至只是世界一小部分的模型,不啻于开启一段颇为大胆的旅程。我们试图将一个极其复杂、交织的现实的本质,捕捉到数学和逻辑的整洁框架之内。我们该如何开始呢?物理学家 Wolfgang Pauli 曾看到一位年轻同事雄心勃勃但有缺陷的理论,他那句著名的驳斥是,这个理论“连错误都算不上”。我们建模的首要任务是确保我们的框架至少连错误都算不上。这意味着要从最基本的原理开始:物质必须加和,而且我们必须非常清楚我们在何处加和何物。

簿记的艺术:为世界画一个框

想象一下,我们的任务是理解生产乙醇的环境足迹。在我们能说出任何有意义的话之前,我们必须首先执行任何科学家或会计师最简单、也最关键的行动:我们必须定义我们的系统。我们在我们想要研究的过程周围画一个概念性的“盒子”——比如说,水处理厂和发酵罐。任何从外部世界——我们可称之为​​环境​​或​​生态圈​​——跨越这个盒子边界的东西,都称为​​基本流​​。这包括我们从环境中获取的原始资源,比如河里的水,以及我们释放到环境中的排放物,比如空气中的二氧化碳或河流中的热量。

在我们盒子内部发生的一切——我们称之为​​技术圈​​的人类活动网络——都涉及​​中间流​​。从水处理厂流向发酵罐的经过处理的自来水是中间流。从电网中获取的电力也是如此,而电力本身也是技术圈内另一个工业过程的产物。离开工厂大门的最终那瓶乙醇是​​产品流​​,是整个努力的缘由。

这种记账行为——绘制边界并对跨越边界的每一克物质和每一焦耳能量进行分类——是所谓的​​生命周期清单​​的基础。其核心是一条不容商量的法则:质量和能量守恒。对于我们绘制的任何一个小盒子,无论是围绕一个发酵罐还是整个工厂,其输入必须等于输出加上内部的积累量。如果我们投入 180018001800 千克葡萄糖和 200020002000 千克水,我们必须能够解释所有 380038003800 千克物质在最终产出的乙醇、二氧化碳和废水中的去向。任何违反这一点的模型不仅是不准确的,它在物理上也是不可能的。用 Pauli 的话来说,是“连错误都算不上”。

这种简单的簿记是碳循环模型的基础。这个“盒子”就是整个地球系统。“基本流”是指像碳从地球深处通过火山活动进入大气,或从我们的技术圈通过烟囱进入大气这样的过程。“中间流”是地球巨大储库之间巨大而持续的碳交换:大气、海洋、陆地和生物。我们作为模型构建者的工作,就是为这个比任何其他元素都更能塑造我们世界的单一元素,担当起所能想象到的最细致的簿记员。

建模者的选择:何处、何时、如何

画一个盒子只是开始,但它立刻引出了一个问题:这个盒子应该多大?我们在这里做出的选择并非无足轻重;它们从根本上塑造了我们的模型能够提供的答案。思考一下评估一个城市堆肥项目的碳足迹这个看似简单的任务。其结果将完全取决于我们如何沿着三个轴线来定义我们的​​系统边界​​:地理、时间和技术。

我们是把​​地理边界​​画在仅仅城市周围,还是包括使用堆肥的农场在内的整个生物区?我们是使用区域电网的电力结构,还是全国平均水平?这个选择决定了哪些过程被纳入我们的碳账本。

那么​​时间边界​​呢?我们是关心未来10年的影响,还是未来100年的影响?来自堆肥的一股甲烷脉冲在短期内的增温效应远强于长期,因为它会在大气中衰变。100年的时间范围是一个通用标准,它将这种效应平均化了。我们是假设世界保持现状,还是试图模拟背景状态——比如电网的清洁度——在那个世纪里将如何变化?

这就引出了​​技术边界​​以及模型构建中一个深层次的哲学选择。我们是在进行​​归因​​分析,旨在描述系统在今天存在状态下的影响吗?还是在进行​​后果​​分析,旨在理解一个决策所带来的全系统范围的后果——例如,通过计算使用我们的堆肥所避免的合成肥料?前者是快照,后者是对一个受扰动世界的预测。两者没有哪个更“正确”,但它们回答了截然不同的问题。这些在最开始就做出的选择,决定了我们的模型将讲述的故事。

万物互联:循环的科学

一旦我们定义了系统及其内容,我们就可以开始研究它们之间的联系。地球的气候不是一个简单的因果链,而是一个相互关联的关系网,其中效应常常反过来影响原因。这就是​​反馈回路​​的本质。

用形式系统的语言来说,我们可以将气候表示为一个图,其中每个变量(温度、二氧化碳浓度、冰盖)是一个节点,从节点 uuu 到节点 vvv 的有向边意味着 uuu 对 vvv 有因果影响。在这个框架中,反馈回路不多不少正是一个​​有向环​​:一条不间断的影响路径,从一个节点开始,沿着因果关系的箭头,最终回到其起点。

一个经典的例子是冰-反照率反馈。初始的变暖(节点A)导致海冰融化(节点B)。这暴露了下面颜色更深的海洋,从而降低了地球的反射率,即​​反照率​​(节点C)。较低的反照率意味着地球吸收更多的阳光(节点D),这又导致了...进一步的变暖(回到节点A)。这是一个 A → B → C → D → A 环路。由于初始变化(变暖)被放大了,我们称之为​​正反馈​​。

相反,想象一个世界,大气中二氧化碳(节点X)的增加刺激了植物生长,这种现象被称为二氧化碳施肥效应(节点Y)。生长更快的植物从大气中吸收更多的二氧化碳(节点Z),这又反过来减缓了二氧化碳的初始上升(回到节点X)。这个 X → Y → Z → X 环路是一个稳定的,或称​​负反馈​​。

地球系统的现代机械论科学,正如我们例子中像 Sharma 博士这样的研究人员所开创的那样,从根本上说,就是一场识别、理解和量化这些有向环的探索。这与早期的、更整体性的思想,如盖亚假说,形成了对比。盖亚假说提出地球的生物群作为一个单一的超级有机体来维持宜居条件。盖亚假说将行星尺度的负反馈的存在作为一个自上而下的原则,而地球系统科学则试图通过自下而上的方式来解释这些涌现行为,即通过拼接构成回路的各个可测量的过程。

引擎与恒温器:量化全球变化

要从循环的草图发展到可预测的模型,我们必须为这些过程赋予数值。气候科学家为此开发了一个强大而优雅的框架,其核心围绕几个关键概念。

首先是​​辐射强迫 (ΔF\Delta FΔF)​​。你可以把它想象成对地球能量平衡的初始“推动”。当我们向大气中添加二氧化碳时,它会捕获更多向外的热量。这立即在大气层顶部造成了能量不平衡——进入的能量多于出去的能量。这个以瓦特/平方米(W m−2\mathrm{W\,m^{-2}}Wm−2)为单位的能量通量净变化,就是辐射强迫。它是气候变化的引擎。

作为对这种推动的响应,地球变暖。随着变暖,它向太空辐射更多的能量,试图恢复平衡。对于给定的推动,一旦系统达到新的平衡,所发生的总变暖量由​​平衡气候敏感度 (ECS)​​决定。形式上,ECS 是指如果我们将大气二氧化碳浓度加倍,并等待数百年让气候稳定下来后,我们预期的全球最终温升。它是一个以开尔文或摄氏度表示的单一数字,将所有快速物理反馈打包在一起——比如更多的水蒸气(一种温室气体)和更少的冰的放大效应,以及云的复杂效应。从某种意义上说,ECS 是地球恒温器上的设定值。

但这只说了一半的故事。碳循环本身有其自身更慢的反馈,这些反馈决定了我们排放的二氧化碳中有多少真正留在大气中,从而首先引起强迫。科学家们已将它们巧妙地分为两个关键参数:

  • ​​碳-浓度反馈 (β\betaβ)​​:这是“好消息”反馈。随着大气中二氧化碳分压 (CaC_aCa​) 的增加,海洋和陆地都会“吸入”更多的碳。海洋吸收更多的二氧化碳以试图达到化学平衡,许多植物在有更多二氧化碳可用于光合作用的情况下生长得更有效率。这个参数 β=∂(Carbon Sink)/∂Ca∣ΔT=0\beta = \left.\partial (\text{Carbon Sink})/\partial C_a\right|_{\Delta T=0}β=∂(Carbon Sink)/∂Ca​∣ΔT=0​,量化了在气候保持不变的情况下,对于大气浓度的一定升高,陆地和海洋总共会吸收多少额外的碳。

  • ​​碳-气候反馈 (γ\gammaγ)​​:这是“坏消息”反馈。随着气候变暖 (ΔT\Delta TΔT),陆地和海洋储存碳的能力下降。较暖的海洋水能溶解的二氧化碳较少。在陆地上,较高的温度会加速土壤中有机物的分解,将二氧化碳和甲烷释放回大气,这可能超过施肥效应带来的任何收益。这个参数 γ=∂(Carbon Sink)/∂ΔT∣ΔCa=0\gamma = \left.\partial (\text{Carbon Sink})/\partial \Delta T\right|_{\Delta C_a=0}γ=∂(Carbon Sink)/∂ΔT∣ΔCa​=0​,量化了在二氧化碳浓度保持恒定的情况下,全球每变暖一度,碳汇会缩小多少。

我们未来气候的命运是这些力量之间的一场拉锯战:我们排放的二氧化碳量,其中有多少被 β\betaβ-反馈吸收,这些吸收量中有多少又被 γ\gammaγ-反馈抵消,以及气候对剩余二氧化碳的响应强度,这由 ECS 决定。

复杂性中的教训:为何细节至关重要

人们很容易认为,掌握了这些主要参数,工作就完成了。但科学史是一个美丽、简单的理论被顽固事实复杂化的故事。碳循环的行为充满了这样的复杂性,我们的模型必须足够丰富才能捕捉到它们。

案例研究1:区室问题

想象一下试图模拟一个细胞的能量生产。一个简单的模型可能会将所有的化学反应——糖酵解、三羧酸循环、氧化磷酸化——都放在一个“袋子”里,假设所有分子都可以自由混合和相互作用。在这个“坍缩模型”中,你会预测从一个葡萄糖分子中能高效产生非常高的ATP(细胞的能量货币)产量。

但一个真正的真核细胞不是一个单一的袋子。它有​​区室​​,比如细胞质和线粒体,两者之间有膜隔开。在细胞质中通过糖酵解产生的还原力(NADH)只能通过特定的运输机制,“穿梭系统”,才能进入线粒体为氧化磷酸化提供燃料。如果这个穿梭系统的容量有限,就会造成瓶颈。一个更复杂、包含区室化的模型,将这个运输限制考虑在内,会正确预测到一个更低、更现实的ATP产量,因为系统受限于其各部分之间交换的速率。

这对于碳循环模型来说是一个完美的类比。一个简单的模型可能将海洋视为一个单一的盒子。但真实的海洋是高度分层的,分为温暖、较轻的表层和寒冷、致密的深层,两者之间的混合非常缓慢。大气中的二氧化碳能在深海中被封存数百年的速率,并不受海洋总体积的限制,而是受限于海洋环流这个缓慢的“穿梭系统”。捕捉这些区室——表层海洋、深层海洋、不同的土壤层、快速和慢速腐烂的木材库——以及它们之间有限的输送,对于正确把握碳吸收的时间和量级至关重要。

案例研究2:“净零变化”的幻觉

这是另一个给粗心建模者设下的陷阱。一个国家可能报告“土地利用无净变化”,意味着其森林总面积稳定。人们可能会天真地得出结论,其土地利用产生的碳通量为零。这可能是极其错误的。

考虑一个​​轮垦​​系统,每年都有一片老龄林被砍伐用于农业,同时,一块同样大小的废弃农田被允许重新生长成森林。森林面积的净变化为零。但碳平衡却远非如此。当成熟森林被砍伐时,储存在其生物量和土壤中的巨大碳库被释放到大气中,一部分是瞬间的(通过燃烧),一部分是随时间推移的(通过分解)。新的森林从零开始,需要数十年甚至数百年才能吸收相当数量的碳。结果是,即使总森林面积保持不变,也有持续的大量二氧化碳净通量释放到大气中。

这揭示了一个深刻的原理:要准确模拟土地利用变化,我们不能只看面积的​​净​​变化。我们必须追踪土地类型之间的​​总​​的转变,以及至关重要的,每一块土地的年龄和历史。模型必须管理一个森林​​同龄群​​的分布,每个同龄群都有自己的年龄和碳储量,才能捕捉到真实的碳动态。

综合考量:棘手的碳中和问题

当我们处理与政策相关的问题时,比如燃烧生物质能源是否“碳中和”,这些原理就变得尤为重要。简单的论点是,由于释放的碳是最近由植物从大气中捕获的,并且新的植物可以重新生长再次捕获它,所以净效应为零。我们的模型框架使我们能够以科学的严谨性来剖析这一说法。

让我们精确定义“气候中性”:如果在一个时间范围 TTT 内,总的综合大气二氧化碳扰动为零或更少,那么一个行动就是中性的。当我们在时间 t=0t=0t=0 收获一片森林并燃烧它来获取能源时,会发生什么?我们会立即向大气中释放一个巨大的二氧化碳脉冲 (EbE_bEb​)。森林开始重新生长,缓慢地将二氧化碳重新吸收回来。在很长一段时间内,大气中的二氧化碳含量会比原来更高。这种暂时的超额是一种真实的增温效应,我们对中性的时间积分定义捕捉到了这一点。数学表明,为了让再生长补偿初始排放,早期和快速的再生长远比晚期的再生长更有价值。

但这里有一个更微妙的点。我们必须将其与​​基线​​进行比较:如果我们任由森林自然生长,它会怎样?如果我们砍伐的是一片成熟、饱和的森林,它已经不再是一个主要的碳汇(dBbase/dt≈0dB_{base}/dt \approx 0dBbase​/dt≈0),那么我们必须“偿还”因砍伐排放产生的碳债。但如果我们砍伐的是一片年轻、生长旺盛、正在积极固碳的森林,我们就会面临双重惩罚。我们既要偿还砍伐排放的碳债,又要考虑​​丧失的固碳量​​——也就是如果我们不砍伐它,那片森林本可以从大气中清除的所有碳。

这就是基于原理的机械论方法的威力所在。它让我们超越简单的口号,对世界有了细致入微的理解。它表明,时间、基线以及总量变化中隐藏的通量并非微不足道的细节;它们正是问题的核心。建立一个碳循环模型不仅仅是为了得到正确的答案,更是为了建立一个能让我们提出正确问题的框架。

应用与跨学科联系

在深入了解了碳循环模型内部的运作方式——它们的原理和机制之后,我们现在来到了旅程中最激动人心的部分。我们能用这些由逻辑和数学构成的复杂机器做些什么呢?事实证明,它们远不止是学术上的好奇心。它们是我们理解地球过去、现在和未来的主要工具。它们是我们窥探未来几个世纪的望远镜,是我们揭示微生物隐藏工作的显微镜,也是我们探索地球戏剧性历史的时间机器。

在本章中,我们将看到这些模型如何跨越学科,将大气的物理学与单个细胞的生物学联系起来,将深海的化学与森林火灾的生态学联系起来。正是在这里,科学探索的真正美妙与统一变得灿烂夺目。

预测未来:作为气候水晶球的碳模型

碳循环模型最紧迫的应用或许是预测我们星球的气候未来。当我们向大气中释放二氧化碳时,它会怎样?有多少会留下,留多久?这些不是简单的问题,因为地球系统会立即开始工作,碳被海洋和陆地生物圈吸收。

为了处理这种复杂性,科学家们发展出了一个异常简洁而强大的概念:脉冲响应函数(IRF)。想象一下敲响一个大钟。声音不会立即停止;它会回响,并随时间逐渐消逝。IRF 就像地球系统碳循环的“回响”。一次 CO2\mathrm{CO_2}CO2​ 的排放就是“敲击”,而IRF描述了随着时间的推移,那部分 CO2\mathrm{CO_2}CO2​ 仍留在大气中的比例。通过了解这个函数,我们可以为任何给定的排放情景计算未来的大气浓度,只需将过去和现在所有排放的持续“回声”加起来即可。

这些模型所揭示的既令人震惊又发人深省。与许多其他污染物不同,排放的 CO2\mathrm{CO_2}CO2​ 有很大一部分具有极其长的大气寿命。一部分被表层海洋和陆地植物相当快地吸收,但一个相当大的“长尾”——通常约占20%或更多——会在大气中残留数千年,等待缓慢的深海混合过程最终将其封存。这个直接源于模型的深刻见解,解释了为什么气候变化是一个如此棘手、跨越多代人的问题。

此外,通过使用已建立的物理关系,如 ΔF(t)=5.35ln⁡(C(t)/C0)\Delta F(t) = 5.35 \ln(C(t)/C_0)ΔF(t)=5.35ln(C(t)/C0​),将计算出的大气浓度 C(t)C(t)C(t) 与辐射强迫——地球能量平衡的变化——联系起来,这些模型提供了人类活动(排放)与全球变暖根本驱动力之间的关键联系。它们允许我们进行“如果……会怎样”的情景模拟,将抽象的政策辩论转化为对气候后果的具体预测。

生机勃勃的行星:从森林火灾到微生物前沿

虽然全球模型为我们提供了宏观图景,但另一类模型则允许我们聚焦于特定的生态系统,以了解它们如何运作以及如何对变化做出响应。例如,储存在土壤中的碳量远超大气中的碳量,其命运是全球謎题的关键部分。

考虑一片野火后的森林。碳在火灾中流失到大气中,但故事并未就此结束。一个引人入胜的建模问题是追踪火后数年乃至数十年土壤的碳平衡。要做到这一点,我们必须像会计师一样思考,将碳分成不同的“碳库”或账户。有原始的土壤有机质,它以一定的速率分解。有来自恢复植被的新碳输入。还有一种由火灾本身产生的特殊而坚固的碳形式:热解碳,或称木炭。这种木炭就像一个长期储蓄债券;它的分解速度远慢于未燃烧的有机物。通过为每个碳库建立并求解方程,模型可以预测一片被烧过的森林土壤在一段时间内是碳的净源还是净汇,为森林管理和全球碳核算提供至关重要的信息。

这种生态系统层面的视角不可避免地将我们引向一个更小的尺度:微生物的世界。有机物的分解,无论是在森林土壤中还是在融化的北极永久冻土中,都是由细菌和古菌的新陈代谢驱动的。旨在预测融化永久冻土中强效温室气体(如甲烷)释放量的模型,必须植根于微生物生态学。它们必须考虑到一组微生物分解复杂的有机聚合物,而它们的废物成为另一组微生物——产甲烷菌——的食物,后者产生甲烷。这些过程的速率反过来又受到温度和水饱和度的控制。在这里,碳循环模型成为一座桥梁,将微生物新陈代谢的无形世界与气候反馈回路这一有形的全球性威胁联系起来。

生命引擎:解构与重建光合作用

到目前为止,我们主要关注碳的释放和分解。但是账本的另一边呢——那些将碳从稀薄空气中提取出来的宏伟生物机器又如何?光合作用是生命的引擎,而模型使我们能以惊人的清晰度理解其设计。

一些植物,如玉米和甘蔗,进化出了一种“超强”形式的光合作用,称为C4途径。这些植物的生产力高得惊人,尤其是在炎热干燥的条件下。模型可以帮助我们理解其中的原因。通过对能量预算——即细胞能量货币ATP和NADPH的成本——进行仔细核算,我们发现C4途径实际上比小麦和水稻等植物使用的标准C3途径更昂贵。它需要额外的ATP来运行一个特殊的“碳浓缩泵”。这个泵主动地将CO2\mathrm{CO_2}CO2​输送到Rubisco酶处,抑制了一种称为光呼吸的浪费性副反应。模型揭示了一个悖论:为了在整体上更高效,植物必须支付更高的局部能量成本。然后它告诉我们植物如何支付这笔账单:通过增强一个称为循环电子流的过程,该过程产生额外的ATP而不产生不需要的NADPH。这是一个美丽的例子,模型揭示了一种复杂生物适应背后优雅的逻辑。

这种深刻的理解不仅仅是为了满足求知欲;它为现代生物学中最宏大的挑战之一打开了大门:为人类的利益重新设计自然。科学家们现在正在进行一项巨大的努力,试图将C4光合作用工程化地引入水稻等C3作物中。为此,一个成功的蓝图需要整合我们所知关于C4“模型”的一切。仅仅插入几个基因是不够的;必须重新设计叶片解剖结构以创建专门的细胞类型(花环结构),将不同的酶限制在不同的细胞中,重新布线它们之间的代谢物运输,甚至调整叶绿体的机制以产生正确的能量组合。这个雄心勃勃的项目可能会极大地提高作物产量并改善全球粮食安全,它的每一步都由碳循环建模的原理指导,并应用于单片叶子的尺度上。

示踪的艺术:读取碳循环的隐藏语言

此时一个合理的问题是:我们如何获得数据来建立和测试这些模型?我们如何测量这些无形通量的速度?答案在于科学中最强大的技术之一:同位素示踪。通过将具有不同质量的碳原子(稳定的非放射性同位素13C^{13}\text{C}13C)引入一个系统,我们可以像追踪水流中的一滴染料一样追踪它们。

想象一片正在进行光合作用的植物叶子。我们可以突然将其空气供应切换到富含13CO2^{13}\text{CO}_213CO2​的空气,然后通过快速取样,观察重碳标记首先出现在卡尔文-本森循环的初始产物中,然后流向后续产物,如在光呼吸过程中形成的氨基酸丝氨酸。一个简单的顺序、充分混合的碳库模型使我们能够将随时间变化的同位素组成转化为基础代谢通量和碳库大小的硬数据。这就是我们如何为活体植物“把脉”的方式。

同样的原理,以更巧妙的方式应用,使我们能够解开土壤微生物极其复杂的世界。通过给土壤群落喂食一种特定标记的食物源——比如一个只有第一个碳原子是13C^{13}\text{C}13C的葡萄糖分子——我们可以诊断它们的代谢策略。如果我们看到一股快速释放的13CO2^{13}\text{CO}_213CO2​,我们可以推断它们正在使用一种特定的途径(戊糖磷酸途径),该途径会立即切断那个第一个碳原子。这种“位置特异性”标记让我们能够进行侦探工作,不仅弄清楚谁是活跃的(通过观察哪些微生物的DNA被标记),还弄清楚它们如何过着它们的代谢生活。这些实验方法为整个碳循环模型大厦提供了经验基石。

历史的回响:作为时间机器的碳模型

碳循环模型的力量不仅跨越空间尺度,还跨越了难以想象的时间尺度。支配一片叶子对同位素脉冲响应的原则,同样也支配着地球对地质力量的响应。

事实证明,大自然是一位多产的历史学家。树木在其年轮中记录了其环境的历史。年轮的宽度和密度反映了当年生长季节的适宜性。以一种非常相似的方式,像鳄鱼或恐龙这样的脊椎动物的骨骼可以记录年度的压力期(如旱季或寒冷的冬天),表现为称为生长停滞线(LAGs)的组织学特征。虽然底层的生物过程完全不同——树木中的形成层细胞分裂与动物中的骨膜骨质沉积——但两者都创造了可用于重建过去气候的档案,展示了跨越不同生物界的美丽的功能趋同。

我们可以使用模型追溯到更远的过去,进入“深时”,探索生命与地球的共同演化。考虑从埃迪卡拉纪到寒武纪的过渡时期,当时动物生命首次以其壮观的多样性爆发。人们可能会假设,更多的生命意味着更多的光合作用,从而产生更多的氧气。但一个生物地球化学模型讲述了一个更细致入微、令人惊讶的故事。埃迪卡拉纪的世界由底栖微生物“席状群落”主导。这些席状群落非常有效地保存它们产生的有机碳,导致了高的埋藏效率和对大气氧气的强大净来源。寒武纪大爆发引入了能够啃食这些席状群落并在沉积物中挖洞的移动动物,同时一个远洋生态系统随着浮游生物的繁盛而发展,这些浮游生物在水体中被更有效地再循环。一个包含了这些生态转变的模型显示,即使总生产力增加,碳的埋藏效率也可能急剧下降。这种生态转型,矛盾的是,可能导致了氧气净产生速率的下降,对后续的生命史产生了深远的影响。

这就是碳循环模型的终极力量与荣耀。质量守恒和能量流动的基本规则,结合来自每个科学分支的洞察力加以应用,使我们能够将今天排放的一个CO2\mathrm{CO_2}CO2​分子与下个世纪的变暖联系起来,并将5亿多年前第一批动物的摄食习性与我们呼吸的空气本身联系起来。一个碳原子的旅程,就像一根线,将我们这个有生命、会呼吸的星球的整个故事编织在一起。