植被叶片是促进森林生态系统形成大气零价汞汇的核心驱动因子。精确估算汞浓度对于估算汞汇至关重要。当前全球森林叶片汞汇估算（1200-2600 Mg yr-1）存在显著不确定性，这主要是因为汞浓度估计通常使用简单算术平均，未能充分反映不同森林系统间的差异。本研究收集了已发表文献中的叶片汞浓度数据，并结合叶片生理特性、气象条件、地理位置及人为影响因素，应用深度学习模型对全球森林叶片的汞库进行了预测（0.1*0.1°分辨率）。研究结果表明，在全球尺度上，常绿针叶树、落叶针叶树、常绿阔叶树、落叶阔叶树叶片的平均汞含量分别为34.3±5.5、10.2±2、47.4±8.4、34.4±6.8 ng/g。四类森林叶片的汞库分别为175.4±72.1、9.8±4.2、666.9±262.8、248.2±94.2 Mg yr^-1。我们的研究结果修正了全球叶片汞汇估算至1100±287.5 Mg yr^-1，为汞循环管理提供了新见解。
 

大数据,机器学习,森林,汞汇