长期以来，基于黄土记录重建的东亚夏季风强度和大气降水量变化不一致，再加之缺乏可靠的降水记录代用指标，极大地限制了对东亚夏季风演化的认识。

北京大学城市与环境学院刘鸿雁教授团队联合中国地质大学（武汉）杨欢副教授团队，利用一种可靠的地球化学指标-branched glycerol dialkyl glycerol tetraethers（brGDGTs，支链甘油二烷基链甘油四醚），首次尝试使用深度学习技术重建古降水变化，建立了新的以brGDGTs为代用指标的全球降水最优预测模型（brGDGT-DLNN）。该模型量化了brGDGTs对年降水量的指示能力，阐明了温度和降水共同影响下土壤微生物指示气候变化的复杂性。这一模型也是继Johan W.H. Weijers在2007年首次提出brGDGTs应用于古温度和土壤pH重建后又一重要进展。

图1. 宇宙成因指标与地下指标之间对气候变化差异响应示意图

利用这一模型，作者重建了中国黄土高原43万以来的年平均降水量变化，该降水记录与中国南方洞穴石笋碳酸盐δ18O数据吻合较好，但与10Be重建的年平均降水量不同。作者发现，在冰期和间冰期交替时，细菌brGDGTs和洞穴石笋碳酸盐δ18O都可能受到土壤湿度的影响，代表东亚夏季风强度的变化，与大气降水变化解耦。冰期间冰期交替时的温度变化是影响土壤湿度变化的主导因子。该论文发现了黄土记录中存在以岁差（2万年）为主周期的低纬度信号，与前人对石笋记录的研究结果一致，为认识东亚夏季风的演化提供新的视角。在未来全球变暖的大背景下，以黄土高原为代表的半湿润半干旱区土壤湿度与温度的变化关系应该受到更多的关注。由于brGDGTs材料广泛分布，brGDGT-DLNN模型可以将东亚夏季风的记录进一步延长，重建的区域范围也可以进一步拓展。

该研究以”Decoupled Asian monsoon intensity and precipitation during glacial-interglacial transitions on the Chinese Loess Plateau”为题发表在Nature Communications期刊上（https://www.nature.com/articles/s41467-022-33105-2）。北京大学城市与环境学院2019级博士生郑宇坤（导师王红亚教授）为第一作者，北京大学刘鸿雁教授和中国地质大学（武汉）杨欢副教授为通讯作者。共同作者还有北京大学王红亚教授，2019级硕士生赵文杰，2020级硕士生张泽宇，中国地质大学（武汉）博士生黄淼和北京师范大学博士生刘苇航。该论文得到了国家自然科学基金重大项目课题（41790422）和重点项目（41830319）资助。