Geospatial modeling of carbon stocks in forest litter in the Republic of Karelia and the Karelian Isthmus (Leningrad Oblast)

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

A regional geospatial model of the variability of forest litter carbon stocks and subsequent assessment of environmental factors influencing soil organic carbon accumulation were performed in Republic of Karelia and the Karelian Isthmus, Leningrad Oblast. Modeling was based on 137 field samples collected between 2007 and 2010 as part of the International Co-operative Programme on Assessment and Monitoring of Air Pollution Effects on Forests (ICP Forests). Spatial predictors characterizing soil formation factors were used for modeling soil organic carbon stocks according to the SCORPAN model. Based on correlation analysis and the exclusion of multicollinear variables, the set of independent predictors was finalized. Random Forest machine learning algorithm was applied for regression modeling. The resulting carbon stock model explains 46% of the variability in carbon stocks across the study area (R² = 0.46; MAE = 1.84; RMSE = 2.59). The average carbon stock in the forest litter is 3.9 kg/m², with a minimum of 1.4 kg/m² and a maximum of 7.4 kg/m². The study revealed that the most significant factors influencing the variability of forest litter carbon stocks in Karelia and the Karelian Isthmus are climate (37.2%), spatial position (22.6%), and vegetation (17.9%).

About the authors

A. N. Narykova

Isaev Centre for Forest Ecology and Productivity of the Russian Academy of Sciences

Email: narykovaanna@yandex.ru
Moscow, 117485 Russia

A. S. Plotnikova

Isaev Centre for Forest Ecology and Productivity of the Russian Academy of Sciences

Moscow, 117485 Russia

G. V. Akhmetova

Institute of Forest, Karelian Research Center of the Russian Academy of Sciences

Petrozavodsk, Republic of Karelia, 185910 Russia

M. A. Danilova

Isaev Centre for Forest Ecology and Productivity of the Russian Academy of Sciences

Moscow, 117485 Russia

A. I. Kuznetsova

Isaev Centre for Forest Ecology and Productivity of the Russian Academy of Sciences

Moscow, 117485 Russia

References

  1. Апарин Б.Ф., Сухачева Е.Ю., Лазарева М.А. Почвенное разнообразие Ленинградской области. СПб.: Наука, 2019. 185 с.
  2. Атлас Ленинградской области / Под ред. Субетто. Д.А. СПб.: Изд-во РГПУ им. А.И. Герцена, 2022. 112 с.
  3. Атлас Республики Карелия. Петрозаводск: Версо, 2021. 48 с.
  4. Ахметова Г.В. Геохимические особенности почв волнистой озерно-ледниковой песчаной равнины среднетаежной подзоны Карелии // Бюл. Почв. ин-та им. В.В. Докучаева. 2019. Вып. 100. С. 53–82. https://doi.org/10.19047/0136-1694-2019-100-53-82
  5. Базилевич Н.И. Биологическая продуктивность экосистем Северной Евразии. М.: Наука, 1993. 293 с.
  6. Бахмет О.Н. Запасы углерода в почвах сосновых и еловых лесов Карелии // Лесоведение. 2018. № 1. С. 48–55.
  7. Бахмет О.Н. Особенности органического вещества почв в лесных ландшафтах Карелии // Лесоведение. 2012. № 2. С. 19–27.
  8. Бахмет О.Н., Федорец Н.Г., Крышень А.М. Исследования по международной программе ICP-Forests в Карелии // Тр. Кар. НЦ РАН. 2011. № 2. С. 133–139.
  9. Бобрецов А.В., Тертица Т.К., Теплова В.П. Влияние изменения климата на фенологию растений и животных юго-восточной части республики Коми (Печоро-Илычский биосферный заповедник) // Пробл. экол. монит. и модел. экосистем. 2017. Т. 28. № 4. С. 74–93
  10. Волков А.Д. Типы леса Карелии. Петрозаводск: Кар. НЦ РАН, 2008. 192 с.
  11. Гаврилюк Е.А., Кузнецова А.И., Горнов А.В. Геопространственное моделирование содержания и запасов азота и углерода в лесной подстилке на основе разносезонных спутниковых изображений Sentinel-2 // Почвоведение. 2021. № 2. С. 168–182. https://doi.org/10.31857/S0032180X21020040
  12. Голубева Е.И., Зимин М.В., Тутубалина О.В., Тимохина Ю.И., Азарова А.С. Индекс листовой поверхности: методы полевых инструментальных измерений и использование материалов дистанционного зондирования // Экология. Экономика. Информатика. Сер.: Геоинформ. тех. и кос. монитор. 2020. Т. 2. №. 5. С. 70–74. https://doi.org/10.23885/2500-123X-2020-2-5-70-74
  13. Гопп Н.В., Мешалкина Ю.Л., Нарыкова А.Н., Плотникова А.С., Чернова О.В. Картографирование содержания и запасов органического углерода почв на региональном и локальном уровнях: анализ современных методических подходов // Вопросы лесной науки. 2023. Т. 6. С. 120. https://doi.org/10.31509/2658-607x-202361r-120
  14. Докучаев В.В. Доклад Закавказскому статистическому комитету об оценке земель вообще и Закавказья, в особенности. Почвенные, горизонтальные и вертикальные зоны. Тифлис: Тип. канцелярии Главно-начальствующего гражданской частью на Кавказе, 1899. 19 с.
  15. Дубровина И.А., Мошкина Е.В., Сидорова В.А., Туюнен А.В., Карпечко А.Ю., Геникова Н.В., Медведева М.В., Мамай А.В., Толстогузов О.В., Кулакова Л.М. Влияние типа землепользования на свойства почв и структуру экосистемных запасов углерода в среднетаежной подзоне Карелии // Почвоведение. 2021. № 11. С. 1392–1406. https://doi.org/10.31857/S0032180X21110058
  16. Елкина Е.С., Плотников Д.Е. Построение серий NDVI высокого временного разрешения по данным Landsat для оценки тридцатилетней динамики используемой пашни // Региональные проблемы дистанционного зондирования Земли: матер. XI Междунар. науч. конф. Красноярск, 10–13 сентября 2024 г. С. 155–158.
  17. Захаров С.А. Курс почвоведения. М.: Госиздат, 1927. 440 с.
  18. Иванов А.В. Запасы лесных подстилок в кедрово-широколиственных лесах южного Сихотэ-Алиня // Сибир. лес. журнал. 2015. № 5. С. 87–95.
  19. Институт глобального климата и экологии имени академика Ю.А. Израэля. Потоки парниковых газов и параметров углеродного бюджета управляемых экосистем. Карта запасов углерода, 2019. https://map.igce.ru/subcategories/3/1/
  20. Классификация и диагностика почв России. Смоленск: Ойкумена, 2004. 342 с.
  21. Кузнецова А.И. Влияние растительности на запасы почвенного углерода в лесах (обзор) // Вопросы лесной науки. 2021. Т. 4. № 4. С. 41–95. https://doi.org/10.31509/2658-607x-2021-44-95
  22. Кузнецова А.И., Лукина Н.В., Горнов А.В., Горнова М.В., Тихоновa Е.В., Смирнов В.Э., Даниловa М.А., и др. Запасы углерода в песчаных почвах сосновых лесов на западе России // Почвоведение. 2020. № 8. С. 1–12. https://doi.org/10.31857/S0032180X20080109
  23. Лукина Н.В., Орлова М.А., Бахмет О.Н., Тихонова Е.В., Тебенькова Д.Н., Казакова А.И., Крышень А.М., и др. Влияние растительности на характеристики лесных почв Республики Карелия // Почвоведение. 2019. № 7. C. 827–842.
  24. Министерство природных ресурсов и экологии Российской Федерации. Распоряжение Минприроды России от 30.06.2017 № 20-р (ред. от 20.01.2021) «Об утверждении методических указаний по количественному определению объема поглощения парниковых газов». https://carbonreg.ru/pdf/Климатические%20проекты/Распоряжение_Минприроды_России_от_30_06_2017_N_20_р_Об_утв_методики.pdf.
  25. Морозова Р.М. Географические закономерности формирования почвенного покрова Карелии // Тр. Кар. науч. центра РАН. 2001. № 2. С. 12–18.
  26. Нарыкова А.Н., Никитина А.Д., Плотникова А.С., Данилова М.А., Шевченко Н.Е. Оценка связей между факторами почвообразования и запасами органического углерода в лесных почвах Карелии и Карельского перешейка по тематическим спутниковым продуктам // Совр. проб. дистан. зондир. Земли из космоса. 2024. Т. 21. № 2. С. 196–211. https://doi.org/10.21046/2070-7401-2024-21-2-196-211
  27. Нарыкова А.Н., Плотникова А.С. Подготовка предикторов для моделирования климаторегулирующих экосистемных услуг лесов на региональном уровне с помощью Google Earth Engine // Научные основы устойчивого управления лесами. Матер. Всерос. науч. конф., посвященной 30-летию ЦЭПЛ РАН. М, 2022. С. 182–184.
  28. Орлов Д.С., Бирюкова О.Н., Суханова Н.И. Органическое вещество почв Российской Федерации. М.: Наука, 1996. 256 с.
  29. Пастухов А.В., Каверин Д.А., Щанов В.М. Построение региональных цифровых тематических карт (на примере карты запасов углерода в почвах бассейна р. Уса) // Почвоведение. 2016. № 9. С. 1042–1051.
  30. Почвенная карта РСФСР. Масштаб 1 : 2 500 000 / Под ред. Фридланда В.М. М.: ГУГУК, 1988 (Скорректированная цифровая версия, 2007).
  31. Почвоведение / Под ред. Ковды В.А., Розанова Б.Г. М.: Высшая школа, 1988. 400 c.
  32. Руководящие указания по эффективной практике для землепользования, изменений в землепользовании и лесного хозяйства. Программа МГЭИК по национальным кадастрам парниковых газов. МГЭИК, 2003.
  33. Рыжова И.М., Подвезенная М.А., Кириллова Н.П. Вариабельность запасов углерода в автоморфных и полугидроморфных почвах лесных экосистем европейской территории России: сравнительный статистический анализ // Вестн. Моск. Ун-Та. Сер. 17. Почвоведение. 2022. No 2. С. 20–27.
  34. Рыжова И.М., Подвезенная М.А., Телеснина В.М., Богатырев Л.Г., Семенюк О.В. Оценка запасов углерода и потенциала продуцирования CO2 почвами хвойно-широколиственных лесов // Почвоведение. 2023. № 9. C. 1143–1154. https://doi.org/10.31857/S0032180X23600713
  35. Рязанов Ю.В., Ковязин В.Ф., Богданов В.Л. Эколого-хозяйственная оценка земель природоохранного и рекреационного назначения Карельского перешейка // Вест. СПб. ун-та, 2009. Вып. 2. С. 58–65.
  36. Сабиров А.Т. Запасы углерода и азота в подстилке лесов Среднего Поволжья // Актуал. проб. лес. биогеоценологии. Сб. науч. ст. Казань, 2022. С. 77–84.
  37. Савин И.Ю., Жоголев А.В., Прудникова Е.Ю. Современные тренды и проблемы почвенной картографии // Почвоведение. 2019. № 5. С. 517–528. https://doi.org/10.1134/S0032180X19050101
  38. Саковец В.И., Иванчиков А.А. Современное состояние лесного покрова // Разнообразие биоты Карелии: условия формирования, сообщества, виды. Петрозаводск: Изд-во КарНЦ РАН, 2003. С. 43–48.
  39. Синькевич С.М., Бахмет О.Н., Иванчиков А.А. Роль почв в региональном балансе углерода в сосновых лесах Карелии // Почвоведение. 2009. № 3. C. 290–300.
  40. Сухарева Т.А., Иванова Е.А., Ершов В.В., Зенкова И.В., Корнейкова М.В., Штабровская И.М., Сошина А.С. Содержание и запасы углерода и азота в наземных экосистемах Мурманской области // Вопросы лесной науки. 2023. Т. 6. № 2. С. 125. https://doi.org/10.31509/2658-607x-202362-125
  41. Тарасова Л.В., Курбанов Э.А., Воробьёв О.Н., Лежнин С.А. Оценка разносезонных изображений Sentinel-2 для классификации лесного покрова водоохранных зон рек Марийского Заволжья // Вест. Поволж. гос. тех. универ. Сер: Лес. Экология. Природопользование. 2023. № 2. С. 77–92. https://doi.org/10.25686/2306-2827.2023.2.77
  42. Федорец Н.Г., Бахмет О.Н. Экологические особенности трансформации соединений углерода и азота в лесных почвах. Петрозаводск: Изд-во КарНЦ РАН, 2003. 240 с.
  43. Федорец Н.Г., Морозова Р.М., Солодовников А.Н. Лесные почвы Карелии и оценка их продуктивности // Тр. Кар. НЦ РАН. 2003. № 5. С. 103–120.
  44. Флоринский И.В. Гипотеза Докучаева как основа цифрового прогнозного почвенного картографирования (к 125-летию публикации) // Почвоведение. 2012. № 4. C. 500–506.
  45. Чернова О.В., Голозубов О.М., Алябина И.О., Щепащенко Д.Г. Комплексный подход к картографической оценке запасов органического углерода в почвах России // Почвоведение. 2021. № 3. C. 273–286. https://doi.org/10.31857/S0032180X21030047
  46. Честных О.В., Лыжин В.А., Кокшарова А.В. Запасы углерода в подстилках лесов России // Лесоведение. 2007. № 6. С. 114–121.
  47. Шарый П.А. Факторы среды в предсказательном картографировании почв (обзор) // Почвоведение. 2023. № 3. С. 285–299. https://doi.org/10.31857/S0032180X22100380
  48. Щепащенко Д.Г., Мухортова Л.В., Швиденко А.З., Ведрова Э.Ф. Запасы органического углерода в почвах России // Почвоведение. 2013. № 2. С. 123–132.
  49. Akhmetova G.V., Novikov S.G., Moshkina E.V., Medvedeva M.V., Solodovnikov A.N., Saraeva A.K., Nikerova K.M. Estimation of carbon stocks in forest litter of middle-taiga Forests of Eastern Fennoscandia // Eurasian Soil Science. 2024. V. 57. P. 1819–1833. https://doi.org/ 10.1134/S1064229324601951
  50. Bourgoin С., Verhegghen A., Degreve L., Ameztoy I., Carboni S., Colditz R., Achard F. Global map of forest cover 2020 – version 2. European Commission, Joint Research Centre. 2024. https://data.jrc.ec.europa.eu/dataset/e554d6fb-6340-45d5-9309-332337e5bc26
  51. Breiman L. Random forests // Machine Learning. 2001. V. 45. P. 5–32. https://doi.org/10.1023/A:1010933404324
  52. Duarte E., Zagal E., Barrera J., Dube F., Casco F., Hernandez A. Digital mapping of soil organic carbon stocks in the forest lands of Dominican Republic // Eur. J. Remote Sens. 2022. V. 55. P. 213–231. https://doi.org/10.1080/22797254.2022.2045226
  53. FAO and ITPS. Global Soil Organic Carbon Map V1.5: Technical report. Rome: FAO, 2020. P. 169.
  54. Fathizad H., Taghizadeh-Mehrjardi R., Hakimzadeh Ardakani M.A., Zeraatpisheh M. Heung B., Scholten T. Spatiotemporal assessment of soil organic carbon change using machine learning in arid regions // Agronomy. 2022. V. 12. P. 628. https://doi.org/10.3390/ agronomy12030628
  55. Gomes L., Faria R., de Souza E., Veloso G., Schaefer C., Fernandes Filho E. Modelling and mapping soil organic carbon stocks in Brazil // Geoderma. 2019. V. 340. P. 337–350. https://doi.org/10.1016/j.geoderma.2019.01.007
  56. Gu J., Bol R., Sun Y., Zhang H. Soil carbon quantity and form are controlled predominantly by mean annual temperature along 4000 km North-South transect of Eastern China // Catena. 2022. V. 217. https://doi.org/10.1016/j.catena.2022.106498
  57. Hijmans R.J., Cameron S.E., Parra J.L., Jones P.G., Jarvis A. Very high-resolution interpolated climate surfaces for global land areas // Int. J. Climat. 2005. V. 25. P. 1965–1978. https://doi.org/10.1002/joc.1276
  58. Immitzer M., Vuolo F., Atzberger C. first experience with sentinel-2 data for crop and tree species classifications in Central Europe // Remote Sensing. 2016. V. 8. https://doi.org/10.3390/rs8030166
  59. Lukina N., Kuznetsova A., Tikhonova E., Smirnov V., Danilova M., Gornov A., Bakhmet O., Kryshen A., Tebenkova D., Shashkov M., Knyazeva S. Linking Forest vegetation and soil carbon stock in Northwestern Russia // Forests. 2020. V. 11. P. 979. https://doi.org/10.3390/f11090979
  60. McBratney A.B., Mendoca Santos M.L., Minasny B. On digital soil mapping // Geoderma. 2003. V. 117. P. 3–52.
  61. NASA/METI/AIST/Japan Space systems and U.S. / Japan ASTER Science Team. ASTER Global Digital Elevation Model V003, distributed by NASA EOSDIS Land Processes Distributed Active Archive Center, 2019. https://doi.org/10.5067/ASTER/ASTGTM.003
  62. Radoux J., Chome G., Jacques D.C., Waldner F., Bellemans N., Matton N., Lamarche C., D’Andrimont R., Defourny P. Sentinel-2’s potential for sub-pixel landscape feature detection // Remote Sens. 2016. V. 8. https://doi.org/10.3390/rs8060488
  63. Schuster C., Fоrster M., Kleinschmit B. Testing the red edge channel for improving land-use classifications based on high-resolution multi-spectral satellite data // Int. J. Remote Sens. 2012. V. 33. P. 5583–5599. https://doi.org/10.1080/01431161.2012.666812
  64. Shirley S.M., Yang Z., Hutchinson R.A., Alexander J.D., Mcgarigal K., Betts M.G. Species distribution modelling for the people: Unclassified landsat TM imagery predicts bird occurrence at fine resolutions // Diversity and Distributions. 2013. V. 19. P. 855–866. https://doi.org/10.1111/ddi.12093
  65. SoilGrids – global gridded soil information. https://soilgrids.org/
  66. Spearman C. The proof and measurement of association between two things // Am. J. Psychology. 1904. V. 15. P. 72–101. https://doi.org/10.2307/1412159
  67. St-Louis V., Pidgeon A.M., Kuemmerle T., Sonnenschein R., Radeloff V.C., Clayton M.K., Locke B.A., Bash D., Hostert P. Modelling avian biodiversity using raw, unclassified satellite imagery // Phil. Tran. Royal Soc. B: Bio. Sci. 2014. V. 369. https://doi.org/10.1098/rstb.2013.0197
  68. Venter Z., Hawkins H., Cramer M., Mills A. Mapping soil organic carbon stocks and trends with satellite- driven high resolution maps over South Africa // Sci. Total Environ. 2021. V. 771. P. 1–14. https://doi.org/10.1016/j.scitotenv.2021.145384
  69. Wang B., Waters C., Orgill S., Gray J., Cowie A., Clark A., Liu D. High-resolution mapping of soil organic carbon stocks using remote sensing variables in the semi-arid rangelands of eastern Australia // Sci. Total Environ. 2018. V. 630. P. 367–378. https://doi.org/10.1016/j.scitotenv.2018.02.204
  70. Wiesmeier M., Urbanski L., Hobley E., Lang B., von Luetzow M., Marin-Spiotta E., Wesemael van B., et al. Soil organic carbon storage as a key function of soils – a review of drivers and indicators at various scales // Geoderma. 2019. V. 333. P. 149–162. https://doi.org/10.1016/j.geoderma.2018.07.026
  71. Zhang Z., Zhang H., Xu Е. Enhancing the digital mapping accuracy of farmland soil organic carbon in arid areas using agricultural land use history // J. Clean. Produc. 2022. V. 334. P. 130232. https://doi.org/10.1016/j.jclepro.2021.130232
  72. Zhou T., Geng Y., Ji Ch., Xuc X., Wang H., Pan J., Bumberger J., Haase D., Lausch A. Prediction of soil organic carbon and the C:N ratio on a national scale using machine learning and satellite data: a comparison between Sentinel-2, Sentinel-3 and Landsat-8 images // Sci. Total Environ. 2021. V 755. P. 142661. https://doi.org/10.1016/j.scitotenv.2020.142661

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».