有限数据下更优预测的土壤碳封存建模创新方法

在巴黎和京都议定书协议精神下，土壤碳核算与预测在为出售碳信用的土地管理者构建决策支持系统中起着关键作用。土地管理者通常依赖使用稀疏数据集拟合的计算复杂模型来进行这些核算与预测。模型的复杂性与数据的稀疏性可能导致过拟合，从而在使用新数据进行预测时产生不准确的结果。建模者通过简化模型并减少参数数量来解决过拟合问题，在当前背景下这可能涉及忽略某些土壤有机碳（SOC）组分。在本研究中，我们引入了两个新颖的 SOC 模型和一个新的类 RothC 模型，并探究在小型稀疏时间序列数据存在时，SOC 组分和 SOC 模型的复杂性如何影响 SOC 预测。我们开发了模型选择方法，能够根据可用数据识别出具有最佳预测性能的土壤碳模型。通过该分析，我们揭示了常用的复杂土壤碳模型在稀疏时间序列数据存在时会过拟合，而我们的更简单模型能产生更准确的预测。本研究的发表版本可在 Scientific Reports 获取（https://www.nature.com/articles/s41598-024-53516-z/<10.1038/s41598-024-53516-z>）。