Совершенствование метода картографирования органического углерода в лесной подстилке на примере лесов Центрального Федерального округа

На долю низовых пожаров в лесах приходится более 95% всех пожаров в России (Исаев и др., 1995). При низовых пожарах наибольший вклад в эмиссии углерода вносит лесная подстилка – от 40 до 88% (Волокитина, Софронова, 2014; Иванова, Иванов, 2021; Ершов, Сочилова, 2022). В связи с чем пространственные данные о допожарных запасах углерода в лесной подстилке имеют важное значение для получения достоверных оценок размеров прямых пирогенных выбросов углерода на разных пространственных уровнях.
В докладе представлен метод пространственного моделирования запаса углерода в лесной подстилке, усовершенствованный в части картографирования основных типов лесных почв почвенной карты России масштаба 1:2,5 млн (Фридланд, 1988). Математическая модель расчета углерода в лесной подстилке для преобладающей древесной породы и типа наземных экосистем учитывает минимальные и максимальные значения углерода, тип почвы и поправочные коэффициенты, характеризующие состояние и нарушенность почв в разных регионах (Щепащенко и др., 2013, Чернова и др., 2021).
Цель наших исследований - приблизить по детальности и пространственному разрешению карту почв на покрытых лесом территориях к спутниковым тематическим продуктам MODIS (300 м). Экспериментальные исследования проводились на территории лесов Центрального федерального округа (ЦФО). Для реализации этой цели использовались тематические спутниковые продукты, созданные в рамках гранта Российского научного фонда №19-77-30015 («Разработка…», 2022), а именно карты растительности основных типов наземных экосистем, преобладающих древесных пород, возраста, сомкнутости, полноты и запасов древостоя и классов бонитета. В качестве вспомогательных данных использовались цифровые слои рельефа – высота над уровнем моря, крутизна и ориентация склона (SRTM, 2023). Эти наборы данных рассматриваются в качестве независимых переменных (метрик) для обучения модели Random Forest или «Случайный лес» (Breiman, 2021) в программном продукте ArcGIS 10. Настройка модели проводилась отдельно для каждой древесной породы. На начальном этапе проведены эксперименты с настройками модели по количеству обучающей выборки. Точность классификации типов почв (кросс-валидация) существенно менялась от количества пикселей эталонной выборки, т.е. по мере увеличения выборки точность классификации снижалась от 0.69 (1 тыс. пикселей) до 0.38 (100 тыс. и более). Однако, визуальный анализ результата классификации типов почв показал, что пространственное распределение классифицированных пикселей ближе к исходной карте при использовании выборки от 100 тыс. пикселей. Наиболее информативными признаками для всех пород являются данные запасов, сомкнутости и высоты над уровнем моря, наименьший вклад вносили классы бонитетов и типов наземных экосистем. Увеличение показателя количества деревьев со стандартных 50 до 200 дало лишь небольшую (3%) прибавку оценки точности методом кросс-валидации, поэтому этот параметр оставили неизменным.
В качестве итоговых параметров для классификации типов почв по древесным породам на территории ЦФО использовались следующие параметры модели «Случайный лес»: количество деревьев 50 и размер эталонной выборки - 100000 пикселей для каждого класса типов почв. Среднее значение кросс-валидации по пяти древесным породам составило – 0.53 (сосна – 0.377, ель – 0.645, дуб – 0.687, береза – 0.379, осина – 0.556).
Следующим шагом метода является использование скорректированной карты типов почв совместно с другими тематическими продуктами для пространственного моделирования запаса углерода в лесной подстилке. В результате применения описанной выше модели получен продукт на территорию Центрального федерального круга, пространственная детальность соответствует тематическим продуктам с характеристиками лесного покрова региона.
Проведено предварительное сравнение значений запасов углерода в лесной подстилке в разрезе пород исходной и новой версии карт. В результате запасы углерода в лесной подстилке для сосны ЦФО варьируются в диапазоне от 1,6 до 21,0 тС/га, среднее значение 7,2±3,2 тС/га; для ели – от 2,1 до 22,6 тС/га, среднее значение 8,8±4,0 тС/га; для дуба - от 2,8 до 14,0 тС/га, среднее значение 5,9±3,0 тС/га; для березы - от 1,9 до 26,2 тС/га, среднее значение 10,4±5,6 тС/га; для осины – от 1,7 до 17,7 тС/га, среднее значение 7,0±1,8 тС/га.
Данные значения в среднем несколько ниже аналогичных показателей ранее полученной карты (Щепащенко и др., 2013, Чернова и др., 2021): для сосны, березы и осины диапазон от 1,0 до 31,0 тС/га, средние значения 10,2±5,0 тС/га, 11,6±4,5 тС/га, 11,1±4,2 тС/га; для ели и дуба диапазон от 1,0 до 30,0 тС/га, средние значения 11,9±5,4 тС/га, 6,5±4,1 тС/га, - но находятся в близких диапазонах.
Дальнейшие работы будут направлены на оценку точности метода картографирования запасов углерода в лесной подстилке с помощью данных выборочных наземных измерений запасов углерода лесной подстилки на пробных площадях территории ЦФО и адаптацию метода к другим регионам Российской Федерации.
Работы выполняются в рамках Госзадания ЦЭПЛ РАН "Методические подходы к оценке структурной организации и функционирования лесных экосистем" №121121600118-8.