在土壤碳封存建模的创新方法,以更好地预测有限的数据
Mohammad Javad Davoudabadi1,2,3,4, Daniel Pagendam5, Christopher Drovandi6,7,8
1School of Mathematical Sciences, Queensland University of Technology, Brisbane, Australia. mohammadjavad.davoudabadi@hdr.qut.edu.au.
Scientific reports
|February 7, 2024
概括
复杂的土壤碳模型可以用稀疏的数据过度配置. 这项研究引入了更简单的模型,提供更准确的土壤有机碳 (SOC) 预测,帮助土地管理者在碳信用市场.
科学领域:
- 环境科学 环境科学
- 土壤科学 土壤科学
- 计算建模 计算建模
背景情况:
- 根据国际协议,准确的土壤碳核算对于碳信用市场至关重要.
- 当前的模型经常使用稀疏数据的复杂计算,导致过度拟合和不准确的预测.
- 通过减少参数或组件来简化模型是一个常见的策略,以减轻过度装配.
研究的目的:
- 调查土壤有机碳 (SOC) 模型复杂性和组件对稀疏时间序列数据的预测准确性的影响.
- 开发和评估模型选择方法,以确定最佳的SOC模型.
- 为了比较新的,更简单的SOC模型与现有的复杂模型的预测性能.
主要方法:
- 介绍了两个新的SOC模型和一个修改后的RothC模型.
- 分析SOC组件和模型复杂性如何使用小,稀疏的时间序列数据集影响预测.
- 开发模型选择技术,以根据现有数据确定表现最佳的模型.
主要成果:
- 复杂的土壤碳模型表明,在使用稀疏的时间序列数据时,倾向于过度适应.
- 在这项研究中开发的更简单的SOC模型与复杂的模型相比,实现了更准确的预测.
- 该研究强调了在有限数据的背景下选择模型的重要性.
结论:
- 模型的复杂性是SOC预测准确性的关键因素,特别是有限的数据.
- 简单的SOC模型可以超过复杂的模型,为土地管理人员提供更可靠的预测.
- 有效的模型选择方法对于强大的土壤碳核算和决策支持系统至关重要.
