Ein hochauflösendes Datenset zum organischen Kohlenstoff in Waldböden Chinas, abgeleitet aus einem erweiterten Quantil-Regression-Forstmodell

Warum Waldboden für unsere Zukunft wichtig ist

Wenn wir an Wälder und Klima denken, stellen wir uns oft Stämme und Blätter vor, die Kohlenstoff aus der Luft aufnehmen. Viel weniger sichtbar, aber noch bedeutender, ist der in Waldböden gebundene Kohlenstoff. Dieser verborgene Speicher hält zusätzliches Kohlendioxid aus der Atmosphäre fern, unterstützt reichhaltige Ökosysteme und ist eine wichtige Grundlage für Maßnahmen zur Eindämmung des Klimawandels. Die hier beschriebene Studie erstellt das bislang detaillierteste Bild darüber, wie viel organischer Kohlenstoff in Chinas Waldböden gespeichert ist und wo er vorkommt, und bietet damit ein neues Werkzeug für Klimapolitik und Landmanagement.

Ein genauerer Blick unter die Bäume

China ist eine der waldreichsten Nationen der Welt und reicht von tropischen Regenwäldern über gemäßigte Laubwälder bis zu kalten Hochgebirgswäldern. Diese unterschiedlichen Landschaften enthalten sehr verschiedene Mengen an Bodenkohlenstoff, und frühere Karten waren entweder zu grob, konzentrierten sich auf Ackerflächen oder enthielten keine klaren Unsicherheitsschätzungen. Um diese Lücke zu schließen, fassten die Autorinnen und Autoren eine große nationale Datenbank mit Messungen aus Waldböden zusammen. Sie kombinierten Aufzeichnungen früherer Untersuchungen mit einer neuen Waldbodenaufnahme aus 2023 und kamen so auf 18.193 Proben von 8.709 Standorten. An jedem Standort wurden Böden bis zu einer Tiefe von einem Meter beprobt und in vier Tiefenbänder eingeteilt, sodass Veränderungen mit der Tiefe verfolgt werden konnten.

Wie verstreute Proben in eine zusammenhängende Karte verwandelt werden

Jeden Quadratmeter Wald in China zu beproben wäre unmöglich, daher nutzte das Team Methoden der Datenwissenschaft, um die Lücken zu schließen. Für jeden Standort sammelten sie 41 Umweltvariablen, darunter Klima, Gelände, Untergrundgestein, Vegetation und vorhandene Bodeneigenschaften. Mit diesen Eingangsgrößen trainierten sie ein Machine‑Learning‑Modell, das komplexe Zusammenhänge zwischen Umweltfaktoren und Bodenkohlenstoff erlernen und diese Muster nutzen kann, um Kohlenstoffwerte an nicht beprobten Orten zu schätzen. Vor dem Training bereinigten sie die Daten sorgfältig, standardisierten Bodentiefen, entfernten offensichtliche Messfehler und transformierten schiefe Verteilungen, um die Erkennung von Mustern für das Modell zu erleichtern.

Intelligente Modellierung mit integrierter Unsicherheit

Statt eines einzelnen Punktschätzungsmodells verwendeten die Forschenden eine Methode, die für jeden Waldstandort ganze Bereiche wahrscheinlicher Werte liefert. Zunächst wurden die 41 Umweltfaktoren gescreent, sodass für jede Tiefe nur die informativsten verbleiben — die Liste wurde auf etwa ein Drittel reduziert, wobei Schlüsseltreiber wie Höhe, Feuchte und Vegetationsbedeckung erhalten blieben. Anschließend setzten sie ein Quantil‑Regression‑Forstmodell ein, das viele Entscheidungsbäume erzeugt und die komplette Spannbreite ihrer Vorhersagen berücksichtigt. So konnte das Team nicht nur den wahrscheinlichsten Wert des Bodenkohlenstoffs für jede 90‑Meter‑Rasterzelle in ganz China berechnen, sondern auch obere und untere Schranken angeben, die den wahren Wert mit neun von zehn Fällen enthalten sollten.

Was die neuen Karten über Chinas Wälder zeigen

Das resultierende Datenset zeigt ein klares Muster: Der Gehalt an organischem Kohlenstoff in Waldböden ist, wie zu erwarten, nahe der Oberfläche am höchsten und nimmt mit der Tiefe ab. Landesweit konzentrieren sich höhere Kohlenstoffwerte in den kühlen, feuchten Wäldern des Nordostens und im hohen, zerklüfteten Südwesten, wo dichte Vegetation und niedrigere Temperaturen die Zersetzung verlangsamen. Zentrale und einige östliche Regionen zeigen geringere Werte, was wärmere, trockenere Bedingungen und andere Waldtypen widerspiegelt. Im Vergleich zu mehreren bestehenden globalen und nationalen Bodenprodukten zeigen die neuen Karten ähnliche großräumige Muster, liefern jedoch eine schärfere und stärker waldbezogene Perspektive, da sie ausschließlich auf Waldbodenproben und einem feineren 90‑m‑Raster basieren. Das Team kartierte außerdem, wo ihre Schätzungen am zuverlässigsten beziehungsweise am unsichersten sind — größere Unsicherheiten treten in entlegenen, bergigen und harschen nördlichen Gebieten auf, in denen weniger Proben vorliegen.

Wie diese Karten Klima‑ und Landentscheidungen leiten können

Für Nicht‑Fachleute ist die Kernaussage einfach: Diese Arbeit liefert ein detailliertes, landesweites Bild darüber, wie viel organischer Kohlenstoff in Chinas Waldböden verborgen ist, wie er sich mit der Tiefe verändert und wie zuverlässig jede Schätzung ist. Politische Entscheidungsträger und Wissenschaftlerinnen und Wissenschaftler können diese hochauflösenden Karten nun als Referenz verwenden, um Kohlenstoffsenken in Wäldern zu überprüfen, Wiederherstellungsmaßnahmen zu planen und zu testen, wie sich zukünftiges Klima oder Managementänderungen auf den Bodenkohlenstoff auswirken könnten. Obwohl die Karten Konzentrationen und nicht den gesamten Vorrat abbilden und einige abgelegene Regionen weiterhin weniger sicher sind, markieren sie einen wichtigen Schritt hin zu einer ebenso sorgfältigen Behandlung des „unterirdischen Waldes“ wie der Bäume über dem Boden.

Zitation: Chen, J., Ou, Y., Fan, Z. et al. A High-Resolution Forest Soil Organic Carbon Dataset for China Derived from an Enhanced Quantile Regression Forest Model. Sci Data 13, 768 (2026). https://doi.org/10.1038/s41597-026-07133-2

Schlüsselwörter: Kohlenstoff in Waldböden, digitale Bodenkartierung, Wälder Chinas, Kohlenstoffsenke, Klimawandel