Высокоточное пространственное описание органического углерода почв лесов Китая, полученное с помощью расширенной модели квантильного регрессионного леса

Почему почвы лесов важны для нашего будущего

Когда мы думаем о лесах и климате, то часто представляем стволы и крону деревьев, поглощающие углерод из воздуха. Намного менее заметным, но не менее важным является углерод, захороненный в почвах лесов. Это скрытое хранилище помогает удерживать лишний углекислый газ вне атмосферы, поддерживает богатые экосистемы и служит опорой для усилий по замедлению изменения климата. Описанное здесь исследование создаёт наиболее детальную на сегодняшний день картину того, сколько органического углерода содержится в почвах лесов Китая и где он сосредоточен, предлагая новый инструмент для климатической политики и управления землёй.

Вглядеться глубже под кронами

Китай — одна из крупнейших лесных стран мира, охватывающая тропические дождевые леса, умеренные леса и холодные высокогорные леса. Эти разнообразные ландшафты содержат очень разные количества почвенного углерода, и прежние карты либо были слишком грубыми, либо сосредотачивались на пахотных землях, либо не давали чётких оценок неопределённости. Чтобы устранить этот пробел, авторы собрали большую национальную базу данных измерений почв лесов. Они объединили записи прежних обследований с новым обследованием лесных почв 2023 года, в результате получив 18 193 образца из 8 709 точек. На каждой площадке почвы отбирали до одного метра глубины и разбивали на четыре глубинных интервала, чтобы можно было отслеживать изменения с глубиной.

Преобразование разрозненных образцов в непрерывную карту

Собрать почву на каждом участке леса Китая было бы невозможно, поэтому команда обратилась к методам науки о данных, чтобы заполнить пробелы. Они собрали 41 показатель окружающей среды для каждой точки, включая климат, рельеф, материнскую породу, растительность и существующие свойства почв. Используя эти входные данные, они обучили модель машинного обучения, способную выявлять сложные взаимосвязи между средой и почвенным углеродом, а затем применять эти закономерности для оценки уровней углерода в местах, где образцы не брались. Перед обучением данные тщательно очистили, стандартизировали глубины почв, удалили очевидные ошибки измерений и преобразовали скошенные распределения, чтобы модели было легче обнаруживать закономерности.

Умное моделирование с учётом неопределённости

Вместо одной модели с единственной лучшей оценкой исследователи применили метод, дающий полные диапазоны вероятных значений для каждой лесной точки. Сначала они отобрали из 41 фактора только наиболее информативные для каждой глубины, сократив список примерно на две трети и сохранив ключевые драйверы, такие как высота, влажность и покрытие растительностью. Затем они применили модель квантильного регрессионного леса, которая строит множество деревьев решений и рассматривает полный разброс их предсказаний. Это позволило команде вычислить не только наиболее вероятное значение почвенного углерода для каждой ячейки сетки 90 метров по Китаю, но и верхние и нижние границы, которые с вероятностью девять из десяти содержат истинное значение.

Что показывают новые карты о лесах Китая

Полученный набор данных демонстрирует чёткую закономерность: органический углерод почв наиболее велик у поверхности и уменьшается с глубиной, как и ожидалось. По всей стране более высокие уровни почвенного углерода сконцентрированы в прохладных влажных лесах на северо-востоке и в высоких, пересечённых районах юго-запада, где плотная растительность и низкие температуры замедляют разложение. Центральные и некоторые восточные регионы демонстрируют более низкие значения, что отражает более тёплые, сухие условия и другие типы леса. По сравнению с несколькими существующими глобальными и национальными почвенно-картографическими продуктами новые карты в целом повторяют крупномасштабные паттерны, но дают более чёткое и ориентированное на леса представление за счёт использования только лесных образцов и более тонкой сетки в 90 метров. Команда также картировала участки с наибольшей и наименьшей уверенностью в оценках: наибольшие неопределённости наблюдаются в удалённых горных и суровых северных районах, где образцов меньше.

Как эти карты могут помочь в климатических и земельных решениях

Для неспециалиста ключевое послание просто: эта работа даёт детальную общенациональную картину того, сколько органического углерода скрыто в почвах лесов Китая, как он меняется с глубиной и насколько можно доверять каждой оценке. Политики и учёные теперь могут использовать эти высокоразрешённые карты как базу для проверки поглотителей углерода в лесах, планирования восстановления и моделирования того, как будущие изменения климата или управления могут повлиять на почвенный углерод. Хотя карты показывают концентрацию углерода, а не общий запас, и некоторые удалённые регионы остаются менее уверенными, они представляют собой важный шаг к тому, чтобы «подземный лес» рассматривался так же внимательно, как и деревья, которые мы видим над землёй.

Цитирование: 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

Ключевые слова: углерод почвы леса, цифровое картирование почв, лесa Китая, поглотитель углерода, изменение климата