Een hoog-resolutiedataset van organische koolstof in bosbodems van China, afgeleid van een verbeterd quantile regression forest-model

Waarom bosbodems belangrijk zijn voor onze toekomst

Als we aan bossen en klimaat denken, zien we vaak stammen en bladeren die koolstof uit de lucht opnemen. Veel minder zichtbaar, maar nog belangrijker, is de koolstof die in bosbodems opgesloten zit. Deze verborgen voorraad helpt extra kooldioxide uit de atmosfeer te houden, ondersteunt rijke ecosystemen en vormt een fundament voor inspanningen om klimaatverandering te vertragen. De hier beschreven studie bouwt het meest gedetailleerde beeld tot nu toe van hoeveel organische koolstof er in de bosbodems van China zit en waar die zich bevindt, en biedt een nieuw instrument voor klimaatbeleid en landbeheer.

Een nadere blik onder de bomen

China is een van ’s werelds grootste bosrijke landen en omvat tropische regenwouden, gematigde loofbossen en koude hooggebergtebossen. Deze uiteenlopende landschappen bevatten zeer verschillende hoeveelheden bodemkoolstof, en eerdere kaarten waren vaak te grof, gericht op landbouwgronden, of ontbeerden duidelijke schattingen van onzekerheid. Om dit gat te dichten, stelden de auteurs een grote nationale database samen van bosbodemmetingen. Ze combineerden gegevens uit eerdere onderzoeken met een nieuwe bosbodemstudie uit 2023, wat resulteerde in 18.193 monsters van 8.709 locaties. Op elke locatie werd de bodem tot één meter diepte bemonsterd en in vier dieptelagen ingedeeld, zodat veranderingen met de diepte konden worden gevolgd.

Van verspreide monsters naar een doorlopende kaart

Het bemonsteren van elke bosvlek in China zou onmogelijk zijn, dus wendde het team zich tot een tak van datawetenschap om de leegtes op te vullen. Ze verzamelden 41 milieukenmerken voor elke locatie, waaronder klimaat, landschap, onderliggende gesteenten, vegetatie en bestaande bodemkenmerken. Met deze invoer trainden ze een machine learning-model dat complexe patronen tussen omgeving en bodemkoolstof kan leren en die patronen vervolgens kan gebruiken om koolstofniveaus te schatten op niet-bemonsterde plaatsen. Voor het trainen werden de gegevens zorgvuldig opgeschoond: bodemdielengtes gestandaardiseerd, duidelijke meetfouten verwijderd en scheve waarden getransformeerd om het model het patroon makkelijker te laten herkennen.

Slim modelleren met ingebouwde onzekerheid

In plaats van één enkel beste schattingsmodel gebruikten de onderzoekers een methode die volledige reeksen waarschijnlijke waarden produceert voor elke boslocatie. Ze selecteerden eerst uit de 41 omgevingsfactoren alleen de meest informatieve voor elke diepte en sneden de lijst daarmee met ongeveer twee derde terug, terwijl ze belangrijke drijfveren zoals hoogte, vochtigheid en vegetatiebedekking behielden. Vervolgens pasten ze een quantile regression forest-model toe, dat veel beslissingsbomen bouwt en kijkt naar de volledige spreiding van hun voorspellingen. Dit stelde het team in staat niet alleen de meest waarschijnlijke waarde voor bodemkoolstof in elke 90-meter rastercel van China te berekenen, maar ook bovengrenzen en ondergrenzen die in negen van de tien gevallen de werkelijke waarde zouden moeten omvatten.

Wat de nieuwe kaarten onthullen over China’s bossen

De resulterende dataset toont een duidelijk patroon: organische koolstof in bosbodems is het hoogst nabij het oppervlak en neemt af met de diepte, zoals verwacht. Door het land heen concentreren rijkere bodemkoolstofwaarden zich in de koele, vochtige bossen van het noordoosten en in het hoge, ruige zuidwesten, waar dichte vegetatie en lagere temperaturen de afbraak vertragen. Centraal-China en sommige oostelijke regio’s laten lagere waarden zien, wat duidt op warmere, drogere omstandigheden en andere bossoorten. In vergelijking met verschillende bestaande globale en nationale bodemproducten tonen de nieuwe kaarten op grote schaal vergelijkbare patronen, maar bieden ze een scherper en meer op bossen toegespitst beeld doordat alleen bosmonsters werden gebruikt en een fijner raster van 90 meter is toegepast. Het team bracht ook in kaart waar hun schattingen het meest en het minst zeker zijn, met grotere onzekerheden in afgelegen, bergachtige en harde noordelijke gebieden waar minder monsters beschikbaar zijn.

Hoe deze kaarten klimaat- en landkeuzes kunnen sturen

Voor niet-specialisten is de kernboodschap helder: dit werk levert een gedetailleerd, landelijk beeld van hoeveel organische koolstof verborgen ligt in China’s bosbodems, hoe dat verandert met diepte en hoe groot het vertrouwen in elke schatting is. Beleidsmakers en wetenschappers kunnen deze hoogresolutiekaarten nu gebruiken als basislijn voor het controleren van koolstofputten in bossen, het plannen van herstelmaatregelen en het testen hoe toekomstige klimaatscenario’s of beheersmaatregelen de bodemkoolstof kunnen veranderen. Hoewel de kaarten koolstofconcentratie tonen in plaats van totale voorraad, en sommige afgelegen regio’s minder zeker blijven, vormen ze een belangrijke stap naar het even zorgvuldig behandelen van het “ondergrondse bos” als de bomen die we boven de grond zien.

Bronvermelding: 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

Trefwoorden: koolstof in bosbodems, digitale bodemkartering, bossen in China, koolstofput, klimaatverandering