Новый метод оценки запасов органического углерода в почвах США улучшит модели земных систем

Ученые-экологи объединили полевые данные с методами машинного обучения для оценки запасов органического углерода в почвах (soil organic carbon, SOC) в масштабах континентальной части США. Новый метод, опубликованный в Journal of Geophysical Research: Biogeosciences, дает более точную оценку по сравнению с существующими глобальными базами данных и позволяет лучше понять влияние различных факторов окружающей среды на содержание SOC.

Почва является крупнейшим наземным резервуаром углерода, содержащим примерно в два раза больше углерода, чем атмосфера и растения вместе взятые. Управление почвенным углеродом критически важно для смягчения последствий изменения климата, здоровья почв и продуктивности сельского хозяйства. Однако традиционные методы измерения SOC трудоемки и дороги. Исследователи из Университета Эмори решили эту проблему, создав региональные модели машинного обучения для США (включая все 50 штатов и Пуэрто-Рико), основанные на почти 50 000 почвенных образцов и 36 переменных, включая климат, рельеф и растительность.

Новый подход обеспечил более точные оценки для верхних 30 см почвы по сравнению с Harmonized World Soil Database и SoilGrids. Он также выявил, что влияние факторов на SOC варьируется в зависимости от региона: климат был ключевым предиктором в большинстве районов, индекс растительности — в засушливом юго-западе, а высота — в горных районах и крупных речных дельтах. «Прелесть нашего подхода в том, что он позволяет выявлять регионы с высокой неопределенностью оценок, что помогает направлять будущие усилия по отбору проб», — говорит старший автор исследования Дебьяни Сихи.

Уточнение базовых данных о запасах SOC необходимо для улучшения моделей земных систем, прогнозирующих изменение климата. «Чтобы понять, как почвенный углерод изменится в условиях меняющегося климата, нам сначала нужны точные оценки текущего уровня SOC и ключевых факторов, которые на него влияют», — отмечает Сихи. Исследователи надеются, что их метод будет применен в других странах и регионах с достаточным объемом полевых данных.