Clear Sky Science · pl

Wysokorozdzielcza baza danych o organicznej zawartości węgla w glebach leśnych Chin uzyskana dzięki ulepszonemu modelowi kwantylowego lasu regresyjnego

· Powrót do spisu

Dlaczego gleba leśna ma znaczenie dla naszej przyszłości

Kiedy myślimy o lasach i klimacie, często wyobrażamy sobie pnie i liście pochłaniające węgiel z powietrza. Znacznie mniej widoczny, lecz jeszcze ważniejszy, jest węgiel zmagazynowany w glebach leśnych. Ukryty zasób pomaga utrzymać dodatkowy dwutlenek węgla z dala od atmosfery, wspiera bogate ekosystemy i stanowi podstawę działań zmierzających do spowolnienia zmian klimatu. Opisane badanie tworzy jak dotąd najbardziej szczegółowy obraz ilości organicznego węgla zgromadzonego w glebach leśnych Chin i jego rozmieszczenia, oferując nowe narzędzie dla polityki klimatycznej i gospodarowania gruntami.

Figure 1. W jaki sposób gleby leśne Chin cicho magazynują węgiel i pomagają równoważyć klimat na rozległym i zróżnicowanym terenie.
Figure 1. W jaki sposób gleby leśne Chin cicho magazynują węgiel i pomagają równoważyć klimat na rozległym i zróżnicowanym terenie.

Przyglądanie się bliżej pod koronami drzew

Chiny są jednym z największych krajów leśnych na świecie, obejmując lasy deszczowe tropików, lasy umiarkowane i zimne lasy górskie. Te zróżnicowane krajobrazy zawierają bardzo różne ilości węgla w glebie, a wcześniejsze mapy były albo zbyt ogólne, koncentrowały się na gruntach rolnych, albo nie zawierały przejrzystych oszacowań niepewności. Aby wypełnić tę lukę, autorzy zgromadzili dużą krajową bazę danych pomiarów gleb leśnych. Połączyli zapisy z wcześniejszych badań z nowym badaniem gleb leśnych z 2023 roku, uzyskując 18 193 prób z 8 709 lokalizacji. Na każdej stacji pobierano gleby do jednego metra głębokości i grupowano je w cztery przedziały głębokościowe, by móc śledzić zmiany z głębokością.

Przekształcanie rozproszonych próbek w ciągłą mapę

Pobieranie próbek gleby z każdego fragmentu lasu w Chinach byłoby niemożliwe, dlatego zespół sięgnął po narzędzia nauki o danych, by wypełnić luki. Dla każdej lokalizacji zgromadzono 41 informacji środowiskowych, obejmujących klimat, ukształtowanie terenu, podłoże skalne, roślinność i istniejące właściwości gleby. Wykorzystując te dane, wytrenowano model uczenia maszynowego, który potrafi wychwycić złożone zależności między środowiskiem a węglem w glebie, a następnie zastosować te wzorce do oszacowania poziomów węgla w miejscach nieobjętych poborem próbek. Przed treningiem dane zostały starannie oczyszczone: zunifikowano głębokości prób, usunięto oczywiste błędy pomiarowe i przetransformowano skośne rozkłady, aby ułatwić modelowi wychwycenie wzorców.

Figure 2. W jaki sposób dane klimatyczne, ukształtowanie terenu i pokrycie roślinne łączą się, by przewidywać zawartość węgla w glebach leśnych na różnych głębokościach.
Figure 2. W jaki sposób dane klimatyczne, ukształtowanie terenu i pokrycie roślinne łączą się, by przewidywać zawartość węgla w glebach leśnych na różnych głębokościach.

Inteligentne modelowanie z wbudowaną niepewnością

Zamiast jednego modelu jako najlepszej prognozy, badacze zastosowali metodę generującą pełne rozpiętości prawdopodobnych wartości dla każdej lokalizacji leśnej. Najpierw przefiltrowali 41 czynników środowiskowych, zachowując tylko te najbardziej informatywne dla każdej głębokości, redukując listę o około dwie trzecie, przy zachowaniu kluczowych czynników takich jak wysokość nad poziomem morza, wilgotność i pokrycie roślinne. Następnie zastosowali model kwantylowego lasu regresyjnego, który buduje wiele drzew decyzyjnych i analizuje pełne rozproszenie ich prognoz. Pozwoliło to zespołowi obliczyć nie tylko najbardziej prawdopodobną wartość węgla w glebie dla każdej komórki siatki 90 metrów w całych Chinach, ale także górne i dolne granice, które z dużym prawdopodobieństwem (9 na 10) zawierają wartość prawdziwą.

Co nowe mapy ujawniają o lasach Chin

Otrzymany zestaw danych pokazuje wyraźny wzorzec: organiczna zawartość węgla w glebie leśnej jest najwyższa blisko powierzchni i maleje z głębokością, co jest zgodne z oczekiwaniami. W skali kraju wyższe poziomy węgla glebowego skupiają się w chłodnych, wilgotnych lasach północno-wschodnich oraz w wysokich, skalistych obszarach południowego zachodu, gdzie gęsta roślinność i niższe temperatury spowalniają rozkład. Regiony centralne i część wschodnich wykazują niższe wartości, co odzwierciedla cieplejsze, bardziej suche warunki i inny typ lasów. W porównaniu z kilkoma istniejącymi produktami glebowymi o zasięgu globalnym i krajowym, nowe mapy ukazują podobne wzorce w dużej skali, ale oferują ostrzejszy i bardziej leśny obraz dzięki opieraniu się wyłącznie na próbkach z lasów i drobniejszej siatce 90 metrów. Zespół również odwzorował miejsca o największej i najmniejszej pewności swoich oszacowań — większa niepewność występuje w odległych, górskich i surowych północnych obszarach, gdzie próbek jest mniej.

Jak te mapy mogą wspierać wybory klimatyczne i zarządzanie gruntami

Dla laika kluczowy przekaz jest prosty: praca ta dostarcza szczegółowego, krajowego obrazu, ile organicznego węgla kryje się w glebach leśnych Chin, jak zmienia się w pionie i jak bardzo można ufać poszczególnym oszacowaniom. Decydenci i naukowcy mogą teraz wykorzystać te wysokorozdzielcze mapy jako punkt odniesienia do weryfikacji pochłaniaczy węgla w lasach, planowania działań przywracających i sprawdzania, jak przyszły klimat lub zmiany w gospodarowaniu mogą wpłynąć na węgiel glebowy. Choć mapy przedstawiają stężenie węgla, a nie całkowity zasób, i niektóre odległe regiony pozostają mniej pewne, stanowią istotny krok w kierunku traktowania „podziemnego lasu” z taką samą troską jak drzewostanu widocznego nad ziemią.

Cytowanie: 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

Słowa kluczowe: węgiel w glebie leśnej, cyfrowe mapowanie gleb, lasy Chin, pochłaniacz węgla, zmiany klimatu