Predicción espacial explicable impulsada por datos del carbono orgánico del suelo a nivel nacional

Área de la Ciencia:

• Ciencias Ambientales
• Ciencias del Suelo
• Análisis Geoespacial

Sus antecedentes:

• El modelado espacial preciso del carbono orgánico del suelo (SOC) es fundamental a nivel mundial.
• La comprensión de los impulsores de la distribución del SOC es esencial para el inventario de carbono y la mitigación del cambio climático.

Objetivo del estudio:

• Realizar mapeo de SOC a escala nacional en Rusia.
• Mejorar la interpretabilidad del modelo utilizando valores de Shapley y análisis geoespacial.
• Comparar modelos de Bosque Aleatorio (RF) con covariables y ajuste variables.

Principales métodos:

• Mapeo de SOC a escala nacional utilizando modelos de Bosque Aleatorio (RF).
• Aplicación de valores de Shapley para la interpretabilidad del modelo y el análisis geoespacial.
• Comparación de modelos RF con diferentes conjuntos de covariables y ajuste de hiperparámetros.

Principales resultados:

• El mejor modelo RF logró un RMSE de 70.03 g/kg y R² de 0.39.
• El norte de Rusia exhibe altos niveles de SOC, impulsados por suelos orgánicos y turberas.
• El análisis de Shapley reveló relaciones complejas entre el SOC y las variables bióticas/abióticas, siendo la temperatura y la precipitación los impulsores clave.

Conclusiones:

• El aprendizaje automático interpretable, específicamente los valores de Shapley, es valioso para comprender los impulsores del SOC.
• El estudio proporciona una línea base para el inventario de carbono del suelo de Rusia.
• Los factores ambientales como la temperatura, la precipitación, la variabilidad de la temperatura de la superficie terrestre y la elevación influyen significativamente en la acumulación de SOC.