Модель оценки поглощения углерода российскими лесами на основе интеграции спутниковых, метеорологических и почвенных данных с использованием машинного обучения

Постановка проблемы. Нарастающее антропогенное выделение парниковых газов, главным образом CO₂ и метана, подрывает экологическую устойчивость, приводя к изменению климата, экстремальным погодным явлениям и утрате биоразнообразия. А существующие традиционные решения в оценке депонированного, характеризуются ограниченной применимостью к бореальным ландшафтам России вследствие недостаточной репрезентативности обучающих выборок.

Цель. Разработать интегрированную многоуровневую модель, позволяющую оценивать поглощение CO₂ лесными экосистемами посредством совмещения спутниковых данных, метеорологических наблюдений и почвенных показателей с алгоритмами машинного обучения.

Результаты. Получены данные построения модели, демонстрирующие высокую точность прогнозирования ключевых параметров, отвечающих за депонирование углерода. Установлено, что применение ансамблевых алгоритмов и нейронных сетей позволило достичь высокой точности предсказаний (RMSE 0,25–0,35 т/га; R² 0,82–0,88). Приведены значения метрик точности, позволяющие утверждать, что предложенная методика обладает высокой степенью надёжности и применимости к разнообразным лесным массивам, охватывающим значительную часть территории Российской Федерации.

Практическая значимость. Полученные результаты демонстрируют практическую применимость искусственного интеллекта для экологического мониторинга и углеродного регулирования, открывая перспективы масштабируемого использования в национальных системах природоохранного планирования.