УДК ОЦЕНКА ЗАПАСОВ ОРГАНИЧЕСКОГО ВЕЩЕСТВА В
advertisement
УДК 631.417.1 Содержание углерода 631.431 Механические свойства почвы 631.431.1 Плотность 631.433.3 Дыхание почвы 631.472.5 Подстилка и гумусовый горизонт 631.47 631.472.54 Гумусовый горизонт в целом ОЦЕНКА ЗАПАСОВ ОРГАНИЧЕСКОГО ВЕЩЕСТВА В ПОЧВАХ МИРА Ю.Г. Пузаченко1, Д.Н. Козлов1, Е.В. Сиунова1, А.Г. Санковский2 1 - Институт проблем экологии и эволюции им. А.Н. Северцова РАН, 2 - ICF Consulting, Fairfax, USA. Аннотация Рассмотрен метод интерполяции запасов углерода в почве, рассчитанных для базы FAO, базы данных В. Столбового с авторским дополнениями для территории России на основе климатических переменных (средней температуры, парциального давления влаги, сумм осадков, соотношение осадков и температур, числа дней с температурой ниже нуля и числа дней с осадками за каждый месяц, средней температур, суммы осадков и отношения суммы осадков к температурам за год), значениям нормализованного индекса вегетации NDVI за месяц и за год, высоте над уровнем моря и крутизне макросклона, а также наличием вечной мерзлоты с применением метода пошагового дискрминатного анализа с последующем непрерывным отображением запасов углерода для ячеек градусной сетки всей суши. Оценены ошибки интерполяции и общие запасы углерода в почве (1,35х1012 тонн в интервале от 1,31х1012 до 1,38x1012 при вероятности 0,95). Показано, что запасы углерода на глобальном уровне хорошо описываются как функция от значений и соотношений тепла и влаги и величины биологической продуктивности. Глобальное варьирование климатических переменных и биологической продукции описывает около 40% варьирования относительно реальных данных включенных в анализ. Это препринт статьи, принятой для публикации. http://www.naukaran./ru 3 авторы указывают на то, что в базе данных из 106 типов почв FAO, представлено 86, что требовало определенной интерполяции данных на другие типы почв. В конечном итоге во всех рассмотренных вариантах неявно предполагается, что несколько конкретных почвенных профилей являются вполне репрезентативными для описания свойств соответствующей категории почв в классификации FAO, вне зависимости от их реального географического положения и реального варьирования их свойств на локальном уровне. В качестве примера региональных оценок пространственного варьирования запасов углерода в почве можно привести исследования, выполненные для Австралии, где фактические данные по запасам интерполировались на основе, изменения климатических переменных, карт состояния растительности и ландшафтов [5]. Сходным образом, но с учетом дистанционной информации составлены карты запасов почв для бассейна Миссисипи [14]. Весьма интересно исследование, выполняемое для Великобритании [12], строящееся на основе регулярной сети описаний с применением дистанционной информации и простейших статистических методов анализа данных. При исследованиях пространственного варьирования запасов углерода на локальном уровне обычно для интерполяции полевых данных используется дистанционная информация и трехмерные модели рельефа [14, 21, 22]. В настоящей статье предлагается достаточно универсальная и общедоступная технология, позволяющая решать одновременно две задачи: картографирования свойств почвы с оценками соответствующих статистических параметров и их факторную интерпретацию. Демонстрация результатов осуществляется на основе описаний картографической базы FAO, базы данных почв для России [18], дополненной пятьюстами описаниями почв для территории России. Привязка последних к географическим координатам осуществлялась с использованием интерактивной Это препринт статьи, принятой для публикации. http://www.naukaran./ru 1 2 Рис. 1. Пространственное распределение данных использованных в анализе. 1 - база данных FAO, 2 - данные для России по В. Столбовому и дополнения авторов Рис. 2. Зависимость плотности почвы (Density) от процента содержания углерода (Org%) . log(Density)=4.03081-1.3751log(13.76022+Org%) , 1 – данные, 2- модель Это препринт статьи, принятой для публикации. http://www.naukaran./ru 4 базы данных населенных пунктов России в Интернете по адресу «Яндекс.Карты» - http://maps.yandex.ru/russia . Интерактивная база позволяет найти приблизительные географические координаты описания почвы по указанному в первоисточнике названии области, района и населенного пункта. 1. Методика анализа Так как в подавляющем большинстве случаев в авторских описаниях для территории России приводится содержание углерода в процентах для генетического горизонта, необходимо было разработать методику расчета по этим данным его запасов. Эта задача решалась на основе исследования зависимости плотности почвы от процента содержания углерода по описаниям почв в базе FAO, в которой приводятся содержание углерода в г/см3, процент углерода, плотность почвы и соотношение глины, пыли и песка в генетическом горизонте. Если получена соответствующая зависимость, то, зная содержание углерода в процентах от сухого веса, легко рассчитать его содержание в весовых единицах для единицы объема. Умножая это удельное содержание на мощность генетического горизонта и суммируя горизонты, получаем запас углерода на единицу площади. Для решения основных двух задач: построения карты запасов углерода в почве и анализа факторов, определяющих природу пространственного варьирования, используется гипотеза равновесного отношения запасов углерода к климатическим переменным и характеристикам рельефа. Внешние переменные используются с одной стороны как основа для интерполяции, а с другой как основа для отображения факторов, определяющих пространственное варьирование исследуемых свойств. В качестве климатических переменных рассматриваются серии месячных карт, составленных для градусной сетки [23] и карт для градусной сетки, построенных Марком Нью [16]: средних температур Это препринт статьи, принятой для публикации. http://www.naukaran./ru 5 каждого месяца, давления влаги в воздухе, месячных сумм осадков, числа дней с морозами и числа дней с осадками, индекс вегетации (NDVI), чистая годовая продукция растительности (NPP) средняя высота над уровнем и ее среднеквадратическое отклонение, крутизна склона и его среднеквадратические отклонение, наличие-отсутствие вечной мерзлоты, а также производные переменные такие как сумма температур выше нуля градуса для каждого месяца, соотношение осадков и температур в градусах Кельвина для каждого месяца (гидротермический коэффициент), суммы температур больше 0º в градусах Кельвина для года, суммы осадков за год и соотношение осадков и суммы месячных температур в градусах Кельвина за год. Все данные отражают состояние переменных на последние 10-20 лет 20-ого века. Осуществлять статистическую интерполяцию измеренных значений в пространстве столь большого числа внешних переменных наиболее эффективно на основе пошагового дискриминантного анализа [3], представленного практически во всех популярных пакетах статистического анализа данных. Для этого достаточно преобразовать интерполируемую переменную в дискретные классы. Такое преобразование проще всего и естественней провести на основе логарифмирования исходных данных с их последующим округлением. Использование логарифмической шкалы связано с близостью распределения запасов углерода в почве к логнормальному. Применяя пошаговый дискриминантный анализ, получаем следующую аналитическую информацию: 1) общую статистическую оценку качества моделей, 2) число статистически значимых факторов, описывающих варьирование переменной, 3) вклад внешних переменных в описание варьирования, 4) риск и распределение ошибок для каждого распознаваемого класса и общую неопределенность дискриминантной модели. Для каждого сочетания значений переменной для всей, а не только для обучающей выборки с исходными данными, получаем: 1) прогнозируемое Это препринт статьи, принятой для публикации. http://www.naukaran./ru 6 значение дискретного состояния переменной, 2) значения независимых виртуальных факторов, 3) вероятность отнесения соответствующей точки к каждому из состояний описываемой переменной. На этой основе можно построить регрессионную модель зависимости, реальных значений описываемой переменной от виртуальных факторов и рассчитать их значения для всей области интерполяции. Эта операция позволяет построить карту запасов углерода почвы в непрерывной шкале, отражая тем самым детали пространственного варьирования, не выраженные в прогнозной карте, построенной в дискретной форме непосредственно на основе дискриминантного анализа. Ортогональные факторы этой модели отражают физическую природу рассматриваемого явления. Для каждого фактора можно построить регрессионную модель от всех внешних переменных или рассчитать их непараметрические коэффициенты корреляции с каждой внешней переменной и на этой основе оценить их вклад в его описание и соответственно интерпретировать природу или смысл каждого фактора. Используя оценки вероятности отнесения пикселя карты к какому-либо классу содержания органического вещества можно рассчитать среднеквадратическое значение вероятности идентификации состояния свойства и тем самым отобразить его потенциальное варьирование в каждом пикселе. Важно, что на всех этапах решения поставленных задач получаем статистические оценки значимости полученных результатов и выделяем области наибольшей неопределенности интерполяции. Более того, по мере накопления материала можно, оставаясь в рамках одной технологии, постоянно повышать качество модели и интерполяции. 2. Зависимость плотности почвы от запасов органического вещества Анализ данных показал, что плотность почв есть просто нелинейная функция от процента углерода (табл.1). Гранулометрический состав почвы оказывает совершенно ничтожное, недостоверное влияние. Это препринт статьи, принятой для публикации. http://www.naukaran./ru 2 Запас органического вещества является характерным свойством почвы как материального тела и компонента ландшафта. Отображение пространственной изменчивости этого свойства и определяющих его факторов содействуют пониманию физических основ почвообразовательных процессов. С другой стороны оценка запаса мертвого органического вещества биосферы является традиционной составной частью при расчете глобального и регионального баланса углерода. Исследование запасов органического вещества в почве с построением соответствующих карт осуществляется для глобальных, региональных и локальных масштабов. В основе построения глобальных карт запасов углерода [6, 7, 9, 10, 15] лежит карта типов почв FAO с пересчетом запасов на контур соответствующего типа наиболее представительными описаниями (рис. 1). Еще одна версия карты «Soil Organic Carbon Map» также основана на переклассификации Карты Почвы Мира ЮНЕСКО- FAO с объединением ее с картой климата почвы. Карта отображает распределение органического углерода до глубины в один метр для растра с двухминутной ячейкой в масштабе 1:5 000 000. На карте выделяются девять градаций содержания органического углерода в кг/м2 примерно в логарифмической шкале [19]. Во всех случаях типы почв в классификации FAO весьма условно экстраполированы для конкретных территорий и оценки, приведенные для значительной части суши весьма грубы и не содержат оценок рисков ошибок. Сходным образом построена карта запасов углерода для России [17]. Наконец, в проекте «Global Soil Data Task» представлена серия карт, отражающих различные свойства почвы и в том числе запасов углерода [10]. Основой этих карт для сетки со стороной в один градус является электронная карта почв FAO с разрешением 4 км [19]. В основе как карты FAO, так и карты запасов углерода лежат 1 125 описаний профилей почвы [8]. Как и в выше указанных вариантах содержание углерода в почве интерполировалась от описаний по контурам почвенной карты FAO. В качестве источника ошибки Это препринт статьи, принятой для публикации. http://www.naukaran./ru 7 Таблица 1. Оценка зависимости логарифма плотности почвы от содержания углерода в процентах. Модель: log(Плотность) = a+blog(d+C%), R2= 60.837%. Объем выборки - 6815 измерений. Название Параметры модели статистического а b d параметра Оценка 4,03081 -1,3751 13,76022 Ошибка 0,8709 0,0208 0,39092 t-критерий 46,28156 -66,1940 35,19985 Уровень значимости 0,00000 0,0000 0,00000 На рисунке 2 показан вид, полученной зависимости в натуральных значениях переменных. Полученная зависимость вполне логична и если содержание углерода меньше 0.05%, то плотность почвы близка к средней постоянной 1.6 г/см2. На рисунке 3 приведена зависимость рассчитанного на основе зависимости «плотность-процент содержания углерода» содержания углерода на см3 и реально оцененного по полевым данным в натуральной, не логарифмированной шкале. Очевидно, что точность расчета очень высока (R2=0.96 при среднеквадратической ошибке 0.000533 и уровне значимости меньше 0,001) и значительная неопределенность существует лишь при очень большом содержании органики. В очень редких случаях содержание органики может достигать 0.4 г/см3, в то время как по модели (табл. 1) оно не может быть больше 0.1 г/см3. Очевидно, что такие высокие запасы весьма редки и связываются с переходом к болотным почвам. Таким образом, можно считать первую задачу решенной и на этой основе перейти к оценке запаса углерода для любого описания почвы по проценту его содержания без определения плотности образца. 3. Дискриминантный анализ и его результаты Детерминируемая переменная запас углерода в почве была преобразована в единицу измерения г/м2 и подразделена по логарифмической шкале на 20 градаций. В таблице 2 приведена оценка размерности пространства и веса Это препринт статьи, принятой для публикации. http://www.naukaran./ru R2=0,87 0.1 0.07 0.04 0.01 0.007 Модель 0.004 0.001 7e-4 4e-4 1e-4 7e-5 4e-5 1e-4 7e-4 4e-4 0.001 0.004 0.01 0.007 0.07 0.04 0.1 0.4 Данные "Органика в г на куб. см." Рис. 3. Оценка содержания углерода в г/см3 через зависимость «процент углерода-плотность почвы» г на кв. м 108.1 160.2 235.2 346.2 546.3 818.8 1253.2 1848.8 2780.5 4175.4 6195.3 9284.1 13753.9 20454.5 30624.3 46265.6 68591.0 99533.8 145959. 273309. Рис. 4. Запасы углерода в почве на основе интерполяции данных методом пошагового дискриминантного анализа. Это препринт статьи, принятой для публикации. http://www.naukaran./ru 8 виртуальных факторов в описании изучаемого явления, а на рисунке 4 карта запаса углерода в почве в 20 градациях, построенная через интерполяцию по значениям внешних переменных для градусной сетки на основе обучающей выборки. Таблица 2. Параметры дискриминантного анализа. Ось 1 2 3 4 5 6 7 8 9 10 11 12 13 Вклад в описание 0,854 0,187 0,082 0,064 0,043 0,036 0,033 0,026 0,019 0,018 0,015 0,011 0,010 Каноничес Критерий кая Вилкоксонкорреляция лямбда 0,679 0,313 0,396 0,581 0,275 0,689 0,245 0,745 0,202 0,793 0,186 0,827 0,180 0,857 0,158 0,885 0,136 0,908 0,133 0,925 0,120 0,942 0,105 0,956 0,100 0,967 Критерий ксиквадтрат 5392,271 2524,963 1730,368 1364,745 1076,243 881,814 717,779 565,256 447,390 360,162 277,009 209,958 158,243 Число Уровень степеней значимости свободы 1064 0,000 990 0,000 918 0,000 848 0,000 780 0,000 714 0,000 650 0,033 588 0,743 528 0,995 470 1,000 414 1,000 360 1,000 308 1,000 Как следует из таблице 2 вся изменчивость детерминируемой переменной в рамках заданных внешних переменных описывается фактически не более чем шестью факторами (уровень значимости меньше 0,001), причем первый фактор описывает 60% всего варьирования. В целом же дискриминантная модель строго однозначно описывает всего 27,1% из 15237 воспроизводимых значений. В остальных случаях с некоторой близкой вероятностью пиксель может быть соотнесен с двумя-тремя соседними значениями содержания углерода в почве. Такое качество описания для столь неоднородных исходных данных, отражающих все пространственные масштабы варьирования запасов углерода в почве можно признать в первом приближении удовлетворительным. На рисунке 4 приведена карта, отражающая варьирование запасов углерода в почве в 20 дискретных градациях, построенная интерполяцией Это препринт статьи, принятой для публикации. http://www.naukaran./ru 9 методом дискриминантного анализа по базе данных (рис.1). На рисунке 5 приведена среднеквадратическая ошибка интерполяции. Ошибка минимальна в северных широтах и максимальна в целом в областях границ между зонами и в горных районах Центральной Азии и Северо-Востока Сибири. Весьма значительна ошибка в области распространения черноземов в Восточной Европе и их аналогов на Бразильском плато. Эта оценка, очевидно, хорошо различает территории с различной степенью пространственной однородности запаса углерода в почве: чем больше неопределенность предсказания, тем больше пространственное варьирование. Оси, полученные в результате дискриминантного анализа, для всей области интерполяции, в отличие от пространства обучающей выборки, не обязательно ортогональны. Их ортогонализацию можно осуществить с помощью факторного анализа или метода главных компонент. Число факторов достаточное для описания всего разнообразия исходных данных можно подобрать по модели регрессии при последовательном уменьшаемом числе факторов в анализе главных компонент. В данном случае оказалось, что с исчерпывающей полнотой варьирование логарифма содержания углерода описывается всего двумя факторами, получаемыми методом главных компонент (табл. 3, рис. 6). Модель описывает 43% варьирования запасов углерода в почве логарифмической шкале. Можно полагать, что эта величина отражает вклад глобальных факторов в формирование запасов углерода. Остальная часть варьирования определяется действием локальных факторов, вклад которых очевидно весьма велик, и неизбежными ошибками в исходных данных и точности их территориального позиционирования. Таблица 3. Регрессионная модель исходных значений запасов углерода в почве от четырех факторов дискриминантного анализа R= 0,66 R²= 0,43 F(2,4706)=17980,0 p<0,0000, Ошибка оценки: 0,80884 Переменная Параметры модели Чувствительность Коэффициенты модели Значимость значение ошибка Значение Ошибка t-критерий p-уровень Это препринт статьи, принятой для публикации. http://www.naukaran./ru 0,35 0,4 0,5 0,6 0,7 0,8 0,9 1 Вероятность однозначной идентификации Рис. 5. Оценка качества интерполяции по среднеквадратической вероятности отнесения каждого пикселя к конкретному классу содержания углерода в почве на карте рис.4. Рис. 6. Качество описания реального варьирования содержания углерода факторами, полученными в результате преобразования осей дискриминантного анализа (табл. 4) Это препринт статьи, принятой для публикации. http://www.naukaran./ru 10 Константа Фактор 1 (F1) Фактор 2 (F2) 0,719464 0,025972 9,120870 0,712079 0,015702 0,025706 5800,8897 270,7011 0,000000 0,000000 0,068362 0,025972 0,186952 0,071028 20,6321 0,008514 Соответственно математическое ожидание запаса углерода (С) в г/м2 оценивается по регрессионной модели как C = exp(9.12087 + 0.712079F1 + 0.186952F 2) . Ошибка оценки логарифма содержания углерода в см3 в среднем для четырех горизонтов почвы до глубины 100 см (100x0,0005332) и общая ошибка в натуральных единицах соответственно определяется как ± Cer = exp 0.015702 2 + (0.025706 F1) 2 + (0.071028 F 2) 2 + 100 × 0.0005332 На рисунке 7 приведена карта изменения запасов углерода в почвах в непрерывной шкале. Понимание природы варьирования запасов дает рисунок 8, демонстрирующий изменение значений факторов, на основе которых рассчитаны запасы и рисунок 9 (а, б, в) с соответствующей интерпретацией связи факторов с климатическими переменными и рельефом. В соответствие с рисунком 9 констатируем, что первый и второй факторы в целом связаны с одними и теми же переменными, но в разной степени, а самое главное с разными знаками. Только крутизна макросклона в масштабе ячейки со стороной один градус и стандартное отклонение крутизны внутри него положительно связано с первым фактором. Разный знак связи одной и той же переменной с двумя факторами, отражает факт общей нелинейной зависимости запасов органики в почве с любой климатической переменной. Эта нелинейность есть результат с одной стороны одновременного отображения в пространстве факторов северного и южного полушарий, а с другой параболической формы зависимости запасов от практически любой климатической переменной. При этом первый фактор, как Это препринт статьи, принятой для публикации. http://www.naukaran./ru 1 4 10 36 90 267 783 2273 5653 13542 31926 37226 41355 2 25810 г. на м а 3112 7596 12428 17158 21995 26770 48558 г. на м2 б Рис. 7. Запасы углерода в почве: а) логарифмическая шкала, б) линейная шкала Это препринт статьи, принятой для публикации. http://www.naukaran./ru -6.755 -5.907 -4.861 -3.907 -2.575 -1.809 -0.833 0.153 0.931 1.777 а -19.799 -17.484 -14.464 -12.382 -9.634 -7.188 -4.635 -1.942 0.092 1.495 б Рис. 8. Пространственное варьирование факторов, описывающих запасы углерода в почве: а) первый фактов, б) второй фактор Это препринт статьи, принятой для публикации. http://www.naukaran./ru 11 имеющий наибольший вес, отображает господствующую тенденцию линейной зависимости в целом, и особенно в северном полушарии с существенно большей площадью суши. В соответствие с этим, чем выше температуры любого месяца и в первую очередь сентября и октября, тем меньше запасы гумуса, что отражается на рисунке 9а малыми запасами гумуса в области пустынь всех континентов. Второй фактор корректирует это отношение в основном для тропической и субтропической области. Далее, чем больше дней с температурами ниже 0оС и, особенно, в зимние месяцы, тем больше запасы углерода, что находит отражение в его повышении в континентальных регионах Центральной и Восточной Сибири. Второй фактор вносит коррекцию и приводит к тому, что при очень большом числе дней с температурой ниже 0оС запасы вновь снижаются, что и происходит в регионах арктической тундры. Сумма температур выше 0оС по своему влиянию тождественна влиянию среднемесячных температур. Необходимо отметить, что средняя температура за год более тесно связана с запасами, чем сумма температур выше 0оС. Атмосферные осадки (рис. 9б) в меньшей степени связаны с выделенными факторами, чем температуры, однако чем больше осадков и особенно в летние месяцы, тем в целом больше запасы углерода (первый фактор). Весьма характерно, что влажность воздуха связана с факторами в существенно большей степени и чем выше парциальное давление влаги (первый фактор), тем больше запасы углерода. Влияние этой переменной отражается в океанических секторах континентов и, по-видимому, отчасти в горах. Отношение осадков к температурам (ГТК) за каждый месяц отрицательно связано с первым факторам. Наибольшее абсолютное значение корреляции характерно для октября-декабря и апреля. То есть чем больше выпадает осадков по отношению к температурам, тем меньше запас гумуса. По-видимому, это соотношение отражает небольшое значение первого фактора в экваториальной зоне, где при высоком увлажнении на фоне высоких температур в течение всего года происходит относительно быстрая минерализация ежегодно поступающего органического вещества. С другой Это препринт статьи, принятой для публикации. http://www.naukaran./ru Рис. 9а. Связь факторов, определяющих запасы углерода переменными, отражающими теплообеспеченность Рис. 9б. Связь факторов, определяющих запасы углерода переменными, Это препринт статьи,увлажнения принятой для публикации. http://www.naukaran./ru отражающими режим Рис. 9в. Связь факторов, определяющих запасы углерода с нормализованным индексом вегетации (NDVI), чистой продукцией (NPP), мерзлотой и рельефом Это препринт статьи, принятой для публикации. http://www.naukaran./ru 12 стороны, большие значение ГТК в соответствие с действием второго фактора приводят к увеличению запасов углерода в настоящих тундрах. Отношение осадков к температурам за весь год положительно связано с первым фактором и показывает, что в целом в условиях постоянно высокого увлажнения происходит увеличение запасов углерода в почве. Индекс вегетации (NDVI, рис. 9в), определяемый на основе дистанционных измерений и отражающей биологическую продуктивность экосистем, в отношениях выраженных в первом факторе отражает генеральную зависимость: чем больше биологическая продукция, тем в среднем больше запас углерода в почве. Высокая положительная корреляция в июле, и относительно высокая отрицательная в январе, показывает, что фактор отражает сезонный ход биологической продуктивности в северном и южном полушарии. Связь со вторым фактором в два раза меньше и обратна по знаку, что отражает факт высокой интенсивности минерализации опада при очень высокой продуктивности. Именно это соотношение показывает, что в условиях очень высокой биологической продуктивности экваториально-тропической зоне накопление углерода в почве не может быть экстремально высоким. Сходные соотношения, но с меньшей четкостью отражает суммарное NDVI и чистая биологическая продукция. Развитие вечной мерзлоты в целом способствует увеличению запаса углерода в почве (рис. 9в), что совпадает по знаку с отношением между запасами и числом дней с температурой ниже 0оС. Высота территории над уровнем моря практически не связана с запасами углерода, но крутизна склонов и ее варьирование положительно, хотя и в относительно небольшой степени, связана с запасами углерода. В общем, из рисунков 7 и 8 следует, что для большинства горных регионов предсказываются относительно высокие запасы углерода в почве. Абсолютный максимум запаса связывается с Алтай-Саянским регионом, Памиро-Алаем, Гималаями, с тропическим экваториальным сектором Кордильер, наиболее возвышенными частями Новой Гвинеи. На карте запасов углерода, построенной в логарифмической шкале видно, Это препринт статьи, принятой для публикации. http://www.naukaran./ru Рис. 10. Зависимость дыхания свежее опавших листьев березы от относительной влажности и температуры (эксперимент П.В. Костычева [2]) Рис. 11. Относительный равновесный запас углерода в гипотетической почве при постоянном поступлении в единицу времени одного и того же количества опада. Это препринт статьи, принятой для публикации. http://www.naukaran./ru 13 что практически все горные, точнее более расчлененные территории в соответствие с интерполяционным прогнозом имеют относительно большие запасы, чем прилегающие равнины. По-видимому, такому соотношению в целом способствует более влажный климат гор, однако возможно, что некоторый позитивный вклад вносят и склоновые процессы, способствующие аккумуляции углерода в почве в вогнутых частях склонов, доля которых как более устойчивых, по условию обычно больше, чем выпуклых. Таким образом, очевидно, что запасы органики в почве хорошо соответствуют модели минерализации растительных остатков, обоснованной еще в конце 19 века П.А. Костычевым [2]. В соответствие с экспериментально показанными им отношениями, запас углерода в почве есть функция ежегодного поступления мертвого органического вещества и вероятностей его перехода в углекислый газ и в разлагающее органическое вещество, сохраняющее на следующий год. В равновесных среднемноголетних отношениях количество углерода, поступающего из почвы в атмосферу равно среднемноголетней чистой биологической продукции (NPP) и эти равновесные отношения могут существовать при самых различных запасах углерода в почве. Все зависит от того, какова ежегодная доля сохраняющегося в почве органического вещества. Эта доля определяется интенсивностью минерализации или удельного дыхания почвы. Дыхание же почвы есть параболическая двухмерная функция от температуры и увлажнения. На рисунке 10 показана эта зависимость с R2 =94% для одного из опытов П.А. Костычева. В данном варианте дыхание в большей степени зависит от влажности и в меньшей степени от температуры, но в обоих случаях зависимость параболическая с существенным нелинейным вкладом соотношения тепла и влаги. Если полагать условно для всех комбинаций опыта одинаковую биологическую продукцию, поступающую в единицу времени в «почву», то в пределе будут получены запасы углерода в гипотетической почве, различающиеся в тысячи раз (рис. 11). Минимальные запасы будут там, где Это препринт статьи, принятой для публикации. http://www.naukaran./ru 14 дыхание максимально. Вполне понятно, что реальный процесс существенно сложнее простейшего эксперимента. М.М. Кононова [1] подвела некоторые итоги исследований дыхания почв и показала те общие отношения, которые практически не претерпели коррекции в последующие годы (Paul. 2001). Запасы углерода в почве есть функция биологической продуктивности и интенсивности минерализации дыхания. Последняя есть параболическая функция от гидротермического режима, парциального давления кислорода (структура почвы и интенсивность ее дыхания), биохимических и физических свойств опада, а также содержания карбонатов, обычно снижающих интенсивность дыхания. Один из авторов настоящего сообщения в 1967-1968 г совместно со своими коллегами проводил на стационаре «Малинки» под Москвой сезонные измерения дыхания различных типов подстилки, гумусового и подзолистого горизонтов почв в герметически закрытых банках с поглощением выделенного углекислого газа щелочью с контролем и ингибированием дыхания толуолом. Все измерения проводились при трех диапазонах влажности субстрата и трех-четырех диапазонах температуры. Основной целью исследования был расчет баланса энергии в биогеоценозе. Материал был обработан методом наименьших квадратов и в дополнении к известным параболическим общим зависимостям дыхания с учетом свойств субстрата, было установлено, что параметры уравнений зависят от сезона года. Весной очень высока чувствительность к температуре и при вполне умеренном увеличении температуры дыхание снижалось. В то же время увеличение влажности субстрата до полной влагоемкости не снижало интенсивность дыхания. Летом и осенью, напротив, дыхание растет почти пропорционально росту температуры, но подавляется высоким увлажнением. Результаты не были опубликованы, так как не позволяли решить основную задачу оценки баланса энергии. Оказалось, что интенсивность дыхания в эксперименте такова, что в итоге в несколько раз превосходит ежегодную продукцию соответствующих сообществ. Скорее всего, это определялось неизбежным, за счет Это препринт статьи, принятой для публикации. http://www.naukaran./ru 15 поглощения щелочью углекислого газа, обогащением атмосферы замкнутых сосудов кислородом, что и приводило к резкому росту дыхания. В реальной же почве дыхание происходит при высоких концентрациях СО2, ингибирующих его интенсивность. Однако это искажение условиями измерения не изменяет суть зависимости дыхания от соотношения тепла и влаги. Так как, в конечном итоге, режим увлажнения имеет очень большое значение в определении интенсивности дыхания, то неизбежно и велико варьирование запасов на локальном уровне, описывающее как следует из приведенных данных около 50% общей глобальной изменчивости запасов углерода в почве. Вместе с тем около 40% варьирования, без учета свойств опада, структуры почвы и свойств почвообразующих пород описывается действием в глобальном масштабе климатических переменных. Заключение Рассмотренный подход позволяет при сохранении контроля за результатами на всех этапах преобразований исходных данных построить физически осмысленное отображение пространственного варьирования запасов углерода в почве без учета его накопления в анаэробных условиях болот. Расчеты построены на общедоступных данных и полностью независимо верифицируемы. Они могут корректироваться введением новых данных по содержанию углерода в почвах, что, скорее всего, существенно не улучшит полученную оценку, но даст более точные представления о соотношении локального и глобального варьирования запасов углерода. Полученные оценки в целом хорошо соответствуют распределениям запасов углерода в пространстве, полученным при тщательных региональных исследованиях. Выявляемые несоответствия чаще всего можно рассматривать как результат различных масштабов отображения. Математическое ожидание оценки запаса углерода в почве биосферы для площади суши, оцененной по градусной сетке для площади суши в 123,4 млн. км2 Это препринт статьи, принятой для публикации. http://www.naukaran./ru 16 составляет 1 347 395 601 354 тонн (1,35х1012), в 95% доверительном интервале от 1 311 476 430 748 тонн (1,31х1012) до1 384 298 549 579 тонн (1,38x1012). В таблице 4 приведены существующие оценки запаса углерода в почве. Таблица 4. Запасы углерода в почве биосферы по [4]. Вторичные цитаты (s). Запас 1.0х1012 тон 1,115 1,395 1,400 1,640 1,405 3,000 1,672 1,477 1,515 1,500 1,560 1,576 1,347 Тип накопления Почва (настоящее время) Торф и почва (настоящее время) Почва Почва, торф и опад Почва Почва и возможно торф Почва Почва Почва и возможно торф Почва в 1989 Почва в прединдустриальное время. Почва в настоящее время Почва в настоящее время Автор Adams et al. (1990) Adams et al. (1990) Macdonald (1992) Macdonald (1992) Bazilevich (1974) (s.) Bohn (1978) (s.) Bolin et al. (1979) (s.) Buringh (1983) (s.) Schlesinger (1984) IPCC (1990) (s.) IPCC (1990) (s.) Eswaran et al. (1993) Настоящая статья Полученная на основе статистического анализа данных оценка запаса углерода в почве, очевидно, лежит в пределах существующих, однако все-таки несколько ниже большинства из них. Если иметь ввиду, что общий выброс углерода в атмосферу человеком составил в 2002 году составил 0,6х1010 тонн [10], а чистая биологическая продукция, оцененная по данным проекта ISLSCP2 [23] составляет 5,7х1010 тонн в год, то существующие различия в оценках запаса углерода весьма значительны и могут оказывать большое влияние на результаты балансовых расчетов. Так оценки приращения выхода углекислого газа в атмосферу из почвы при увеличении температуры при различных оценках запасов могут быть вполне соизмеримы с общим объемом антропогенных выбросов. Соответственно, необходимо продолжить оценки на основе более расширенной базы исходных данных и что особенно важно закрыть существующие белые пятна, выявляемые на рисунке 1. Часть из них можно закрыть тщательной выборкой данных из имеющей литературы (республики Средней Азии), часть, Это препринт статьи, принятой для публикации. http://www.naukaran./ru 17 более полно, используя национальные базы данных (Канада, Австралия), для некоторых территорий и особенно с потенциально высоким запасом углерода (Средняя и Восточная Сибирь), Новая Гвинея, Индонезия, горы Центральной Азии и Южной Америки и т.п. желательно провести специальные исследования. Список литературы 1. Кононова М.М. Проблема почвенного гумуса и современные задачи его изучения. М.: Изд-во АН СССР, 1951. 389 с. 2. Костычев П.А. Почвы черноземной области России, их происхождение, состав и свойства. М.-Л.: ОГИЗ-СЕЛЬХОЗГИЗ, 1937. 236 стр. 3. Пузаченко Ю.Г. Математические методы в экологических и географических исследованиях. М.: ACADEMA, 2004. 416 стр. 4. Adams J. Estimates of total carbon storage in various important reservoirs. 2004. Available online [http://www.esd.ornl.gov/projects/qen/carbon2.html] 5. Baldock J., Skjiemstad J., Krull E. Australian approaches to measuring and monitoring soil organic carbon. 2004pp. 1-28. Available online [http://www.oznet.ksu.edu/ctec/Fall%20Forum%20pdf%20files/Wednesday/Jeff_ Baldock_rev.pdf] 6. Batjes N.H., Bridges E.M., Nachtergaele F.O. World Inventory of Soil Emission Potentials: 1995 Development of a Global Soil Database of Process Controlling Factors // Climatic Change and Rice. S. Peng et al. (eds.), Springer Verlag, Heidelberg. pp. 110-115. 7. Batjes N.H.. Total Carbon and Nitrogen in the Soils of the World // European Journal of Soil Science 47, 1996. pp. 151-163. 8. The Global Pedon Database was developed by ISRIC. 2005. Available online http: // lime.isric.nl/index.cfm?contentid=186 9. Global Carbon Storage in Soils World Resources Institute - PAGE, 2000. http://earthtrends.wri.org/pdf_library/maps/9-3_m_CarbonSoils.pdf Это препринт статьи, принятой для публикации. http://www.naukaran./ru 18 10. Global Soil Data Task. 2000. Global Gridded Surfaces of Selected Soil Characteristics (IGBPDIS). International Geosphere-Biosphere Programmer Data and Information Services. Available online [http://www.daac.ornl.gov/] from the ORNL Distributed Active Archive Center, Oak Ridge National Laboratory, Oak Ridge, Tennessee, U.S.A 11. Energy Information Administration International Energy Annual 2002, Table Reposted: June 24, 2004, Next Update: March 2005, Available online [http://www.eia.doe.gov/pub/international/iealf/tableh1c.xls] 12. Ineson Phil; Andreas Heinemeyer; Hartley I.; Austin L,; Vallack H., Cinderby S. Activities in understanding soil processes and how they affect carbon fluxes, Centre for Terrestrial Carbon Dynanics. 2004 p. 1-4. Available online http://www.shef.ac.uk/ctcd/ctcd.html 13. Keryn P. Temperature and Moisture Effects on Decomposition. CSIRO Forestry and Forest Products. NEE WORKSHOP PROCEEDINGS: 18–20 APRIL 2001 www.greenhouse.crc.org.au/crc/ecarbon/publications/nee/chapter13_tempandmoi sture.pdf 14. Markewich H.W., Buell G.R. A Guide to Potential Soil Carbon Sequestration. 2001. pp. 1-4. Available online: http://pubs.usgs.gov/openfile/of01-374. 15. Nachtergaele F.O. Soil map of the world to the digital global soil and terrain database: 1960-2002, pp. 1-19. Available online http://www.itc.nl/~rossiter/Docs/WRB/SoilMapWorld.pdf 16. New M., D. Lister, M. Hulme, I. Makin. 2002 A high-resolution data set of surface climate over global land areas. Climate Research, Vol.21. p. 1-25. Available online: http://www.geog.ox.ac.uk/cgibin/dir.pl?~mnew/research/ data_download/cru_monthly_grids/CRU_1.0 17. Stolbovoi V. Soil Respiration in the Full Carbon Account for Russia. Sixth International Carbon Dioxide Conference, 2001 Sendai Japan, Extended Abstracts, pp. 434-437. Это препринт статьи, принятой для публикации. http://www.naukaran./ru 19 18. Stolbovoi V. Soil. Description. Land Resources of Russia. 2002 http://www.iiasa.ac.at/Research/FOR/russia_cd/soil_des.htm 19. The Digital Soil Map of the World- DSMW, 2000. Available online: http:// daac.ornl.gov/SOILS/soils_collections.html, http://www.fao.org/ag/agl/agll/dsmw.htm 20. Reich P. Soil Organic Carbon Map Geographer, World Soil Resources. 2003 Available online http://soils.usda.gov/use/worldsoils/mapindex/soc.html 21. Richards G.P. The FullCAM Carbon Accounting Model: Development, Calibration and Implementation. Carbon accounting and emissions trading related to bioenergy, wood products and carbon sequestration. IEA Bioenergy: T38: 2001: 01, Canberra, Australia. P.1-27. 22. Ponce-Hernandez R., Koohafkan P., Antoine J. A methodological framework for the assessment of carbon stocks and development of carbon sequestration scenarios: FAO experiences based on the integration of models to GIS. 2004 p.117. Available online http://webdomino1.oecd.org/comnet/agr/soil.nsf/viewHtml/index/$FILE/FAOtest .PDF 23. The International Satellite Land-Surface Climatology Project (ISLSCP). 2004. http://islscp2.sesda.com/ISLSCP2_1/html_pages/islscp2_home.html, http://cdiac.esd.ornl.gov/by_new/bysubjec.html#veg. Это препринт статьи, принятой для публикации. http://www.naukaran./ru
