強化量子回帰森林モデルから派生した中国の高解像度森林土壌有機炭素データセット

なぜ森林土壌が私たちの未来に重要なのか

森林と気候を考えるとき、私たちはしばしば樹幹や葉が大気から炭素を吸収する姿を想像します。しかし、目に見えにくいながらさらに重要なのは、森林土壌に閉じ込められた炭素です。この隠れた貯蔵は余分な二酸化炭素を大気から遠ざけ、生物多様性に富む生態系を支え、気候変動を遅らせる取り組みの基盤となります。本研究は、中国の森林土壌に含まれる有機炭素の量とその分布について、これまでで最も詳細な図を作成し、気候政策や土地管理のための新たなツールを提供します。

樹下の奥深くを詳しく見る

中国は熱帯雨林、温帯林、寒冷な高山林に至るまで、世界有数の森林国の一つです。これら多様な景観は非常に異なる土壌炭素量を保持しており、従来の地図は粗すぎたり、農地に焦点を当てていたり、不確実性の明示が不足していました。このギャップを埋めるために、著者らは大規模な全国森林土壌測定データベースを構築しました。既存の調査記録と2023年の新たな森林土壌調査を統合し、8,709地点から18,193サンプルを得ました。各地点では深さ1メートルまでの土壌を採取し、深度変化を追跡できるように4つの深度帯に区分しました。

散在するサンプルを連続的な地図へ変換する

中国のすべての森林区画から土壌を採取することは不可能なため、著者らはデータサイエンスの手法を用いてギャップを埋めました。彼らは各地点について気候、地形、基盤岩、植生、既存の土壌特性など計41種類の環境情報を収集しました。これらの入力データを用いて、環境と土壌炭素の間にある複雑なパターンを学習し、未採取地点の炭素量を推定できる機械学習モデルを訓練しました。訓練に先立ち、データを丁寧にクリーニングし、土壌深度を標準化し、明らかな測定誤差を除去し、歪んだ値を変換してモデルがパターンを検出しやすくしました。

不確実性を組み込んだ賢いモデリング

研究者らは単一の最良推定モデルではなく、各森林地点でのあり得る値の範囲を提示する手法を採用しました。まず41の環境因子をスクリーニングし、深度ごとに情報量の多い因子のみを残してリストを約3分の1に削減しつつ、標高、水分、被覆率といった主要な駆動因子は保持しました。次に量子化回帰フォレスト（quantile regression forest）モデルを適用しました。これは多数の決定木を構築し、その予測の全分布を参照する手法で、各90メートルグリッド毎に最も可能性の高い土壌炭素値だけでなく、真の値が約90%の確率で含まれる上下の信頼区間も算出できるようにしました。

新しい地図が中国の森林について示すこと

得られたデータセットは明瞭なパターンを示します：森林土壌有機炭素は表層で最も高く、深さとともに減少するという期待通りの傾向です。全国的には、豊かな土壌炭素は東北の冷涼で湿潤な森林や、植生が濃く低温により分解が遅い高地で険しい南西部に集中しています。中央部や一部の東部地域は、より温暖で乾燥した条件や異なる森林タイプを反映して低めの値を示します。既存の複数のグローバルおよび国内の土壌プロダクトと比較すると、大局的なパターンは概ね類似していますが、本研究の地図は森林サンプルのみを用い、90メートルという細かな格子を採ることで、より鋭く森林に特化した像を提供します。また、推定の確実性が高い場所と低い場所を地図化しており、サンプル数が少ない遠隔の山岳地帯や厳しい北部地域では不確実性が大きくなっています。

こうした地図が気候や土地利用の選択を導く方法

専門外の人にとっての要点はシンプルです：この研究は中国の森林土壌にどれだけの有機炭素が隠れているか、それが深さによってどう変わるか、そして各推定にどれだけ自信を持てるかについて、詳細かつ全国的な図を提供します。政策立案者や研究者はこれらの高解像度地図を、森林炭素吸収源の検証、復元計画の立案、将来の気候や管理の変化が土壌炭素に与える影響の検証に利用できます。地図は濃度（濃さ）を示しており総量ストックを直接示すものではなく、一部の遠隔地域ではなお不確実性が残るものの、地上に見える樹木と同等に「地下の森林」を慎重に扱うための重要な一歩を示しています。

引用: 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

キーワード: 森林土壌炭素, デジタル土壌マッピング, 中国の森林, 炭素吸収源, 気候変動