Депонирование углерода основными лесообразующими древесными породами карбонового полигона Свердловской области

Abstract

В начале двадцатых годов XXI в. в ряде регионов Российской Федерации в рамках государственного задания Министерства науки и высшего образования создана сеть научно-исследовательских стационаров – карбоновых полигонов. На этих участках проводится изучение депонирования и эмиссии парниковых газов наземными экосистемами. На карбоновом полигоне Свердловской области, который состоит из двух участков («Коуровка» и «Северка»), проведены исследования, направленные на изучение возможности оценки депонирования углерода древостоями основных лесообразующих древесных пород с использованием аллометрических уравнений, устанавливающих взаимосвязь между диаметром ствола на высоте 1,3 м и фитомассой дерева. Получены оценки величины запаса углерода на 24 пробных площадях. Изучена возможность использования моделей регрессионного анализа и машинного обучения, а также ансамбля моделей для оценки значений диаметра ствола по высоте дерева и площади его кроны. Установлено, что модели, созданные при помощи методов машинного обучения «случайный лес», искусственная нейронная сеть, а также ансамбль моделей позволяют повысить уровень количественной адекватности моделей для оценки диаметра ствола дерева на высоте 1,3 м по высоте дерева и площади его кроны.

A network of study areas (carbon polygons) has been established in some regions in the Russian Federation within the framework of the scientifi c program of the Ministry of Science and Higher Education. The deposition and emission of greenhouse gases by terrestrial ecosystems is being studied at these areas. The carbon polygon of the Sverdlovsk region consists of two sites («Kourovka» and «Severka»). Studies have been conducted to assess the possibility of estimating carbon deposition by stands of main forest-forming tree species using allometric equations that establishes the relationship between breast height diameter and the tree phytomass. Assessment of the amount of carbon stock within the 24 forest plots were implemented. The possibility of using regression analysis and machine learning models, as well as ensemble of models, to estimate value of steem diameter at breast height, using the tree height and area of the horizontal tree crown projection were analysed. It is established that the use of machine learning methods «Random Forest», artifi cial neural network for building methods, as well as an ensemble of models makes it possible to increase the level of quantitative adequacy of models for estimating the diameter of a tree trunk at a height of 1,3 m on the basis of described above predictors.