Долгосрочная сеточная база данных надземной чистой первичной продукции для мировых естественных пастбищ

Почему пастбища важны в повседневной жизни

Пастбища могут выглядеть как простые участки зелени, но они тихо кормят большую часть мирового скота и аккумулируют огромные запасы углерода. Знание того, сколько растительной массы эти экосистемы производят ежегодно над поверхностью почвы, имеет ключевое значение для прогнозирования продовольственных запасов, местообитаний дикой природы и последствий изменения климата. В этой статье представлена новая долгосрочная глобальная база данных, отслеживающая, насколько продуктивны были естественные пастбища в прошлом и как они могут измениться в будущем по мере потепления климата.

Измеряя «зелёный двигатель» планеты

Ученые описывают рост растений как «чистую первичную продуктивность» — чистое количество углерода, которое растения преобразуют в новую биомассу. Для людей и пасущихся животных особенно важна надземная часть этого прироста — листья и стебли. Пастбища занимают примерно половину сухопутной поверхности Земли без льда и дают около трети всей наземной растительной продукции, поэтому даже небольшие изменения в их росте могут отразиться на глобальных продовольственных системах и углеродном цикле. В то же время большинство глобальных наборов данных смешивают процессы над- и подземного роста или описывают лишь современные нарушённые ландшафты, а не естественный базовый уровень, необходимый для оценки антропогенного влияния.

Создание глобальной картины от поля до неба

Авторы создали всемирную карту по сетке надземного роста трав для естественных, ненарушенных пастбищ с 1958 года и до 2100 года. Они сначала собрали более 1500 полевых измерений с исследовательских участков на почти всех континентах, сосредоточившись на контрольных площадках без выпаса. Эти полевые записи сопоставили с ранее созданной высокоразрешающей картой долгосрочной средней продуктивности пастбищ и с подробными климатическими данными — температурой, осадками, освещённостью и балансом воды — взятыми из исторических записей и современных климатических моделей. Это позволило им выяснить, как годовые колебания погоды относительно локального базиса помогают объяснить, сколько травы действительно вырастает каждый год.

Обучение цифрового леса предсказывать рост трав

Чтобы превратить разрозненные измерения в непрерывную глобальную картину, команда использовала несколько методов машинного обучения и обнаружила, что подход «случайного леса» обеспечивает наилучший баланс точности и устойчивости. Проще говоря, этот метод строит множество деревьев решений, каждое из которых предлагает, как климат и долгосрочные условия участка переводятся в рост растений; их объединённый вердикт даёт надёжную оценку. Модель обучали связывать полевые измерения роста трав с долгосрочной средней продуктивностью и с ежегодными климатическими «аномалиями» — тем, насколько погодные условия каждого года отличались от нормы 1970–2000 гг. После тщательной проверки производительности с использованием различных схем кросс‑проверки, чтобы избежать переобучения на конкретных регионах или климатах, они выбрали наиболее успешную версию и использовали её для оценки ежегодной продуктивности для каждой ячейки сетки на Земле.

Проверка карт по другим источникам данных

Полученный набор данных затем сравнили с существующими глобальными продуктами. По пространственному распределению новые карты воспроизводят хорошо известные паттерны: продуктивные саванны в центральной Африке и восточной Южной Америке, а также значительно более скудный рост на высоких холодных плато, таких как Тибет. Статистические сравнения показывают сильное согласие с четырьмя предыдущими наборами данных и реалистичные уровни пространственного кластера. По времени команда сравнила свои результаты с двумя долгосрочными спутниковыми продуктами по росту растений и выходами 20 независимых моделей экосистем. В большинстве регионов пастбищ подъёмы и падения новой базы данных тесно совпадают с этими источниками, что позволяет предположить, что она улавливает основные климатические колебания в росте трав. Некоторые несоответствия проявляются в особых случаях, например в местах, где древесная растительность вторгается в пастбища, или там, где потепление заставляет растения направлять больше роста в корни, а не в надземную часть.

Ограничения, оговорки и практическая польза

Несмотря на сильные стороны, набор данных имеет слепые зоны. В очень пышных пастбищах с чрезвычайно высоким приростом растений полевые измерения редки, поэтому модель склонна занижать фактический объём травяной продукции. Пользователям рекомендуется проявлять осторожность при работе в этих регионах и по возможности корректировать числа с учётом местных данных. Тем не менее новые карты дают то, чего раньше не было: длинную, согласованную и пространственно детализированную запись того, сколько кормовой массы естественные пастбища могут производить при данном климате, отдельно от прямого человеческого воздействия.

Что это значит для будущего пастбищ

Для неспециалистов ключевое сообщение в том, что теперь у нас есть более чёткий базис того, насколько продуктивны естественные пастбища мира — и как эта продуктивность реагирует на погоду и долгосрочные климатические изменения. Это облегчает оценку того, какую долю нынешних изменений в росте трав вызывают выпас, изменения в землепользовании или климатические экстремумы, и позволяет планировать более устойчивое использование пастбищ. По мере того как климат будет продолжать меняться в этом столетии, набор данных может помочь политикам, фермерам и природоохранным организациям предвидеть, где пастбища могут испытывать трудности или, наоборот, процветать, улучшая решения о численности поголовья, мероприятиях по восстановлению и охране этих жизненно важных «зелёных двигателей» планеты.

Цитирование: Chen, Z., Zhao, D., Zhang, Z. et al. A long-term gridded dataset of aboveground net primary productivity for global natural grasslands. Sci Data 13, 550 (2026). https://doi.org/10.1038/s41597-026-06944-7

Ключевые слова: продуктивность пастбищ, углеродный цикл, воздействие изменения климата, машинное обучение в экологии, управление выпасом