Modeling organic carbon for quantification of reservoirs in terrestrial ecosystems at the national level
- Autores: María del Pilar Durante Hernández
- Directores de la Tesis: Cecilio Oyonarte Gutiérrez (dir. tes.), Nur Algeet Abarquero (codir. tes.)
- Lectura: En la Universidad de Almería ( España ) en 2021
- Idioma: inglés
- Número de páginas: 207
- Títulos paralelos:
- Modelización del carbono orgánico para la cuantificación de sus reservorios en los ecosistemas terrestres a escala nacional
- Tribunal Calificador de la Tesis: V. F. Rodríguez-Galiano (presid.), Yolanda Cantón Castilla (secret.), Miriam Muñoz Rojas (voc.)
- Programa de doctorado: Programa de Doctorado en Ciencias Aplicadas al Medio Ambiente por la Universidad de Almería
- Materias:
- Enlaces
- Tesis en acceso abierto en: riUAL
- Resumen
- español
Bajo el actual contexto de cambio de los patrones climáticos, los ecosistemas terrestres se encuentran gravemente alterados respecto a su biodiversidad, estructura o funcionamiento. Concretamente, la región Mediterránea representa una de las zonas más afectadas por el impacto del cambio climático. En base a las nuevas políticas ambientales derivadas de las graves amenazas provocadas por el cambio climático, se deben establecer medidas prácticas para disminuir el CO2 atmosférico. El secuestro de carbono es una de las medidas principales para reducir las concentraciones de CO2 atmosférico a corto y medio plazo, en el que los ecosistemas terrestres juegan un papel fundamental como sumideros de carbono. Es necesario cuantificar y monitorear los reservorios de carbono orgánico que sirvan de base para la gestión ambiental, adaptar las políticas locales y evaluar los impactos potenciales.
El objetivo general de esta tesis es avanzar en la estrategia metodológica para la cuantificación de los reservorios de carbono orgánico en ecosistemas terrestres, basada en técnicas estandarizadas a diferentes escalas espaciales, así como establecer modelos dinámicos capaces de predecir los resultados bajo diferentes escenarios de gestión. Esta tesis se centra en dos aspectos clave de la modelización de los stocks de carbono a nivel nacional: (1) la estimación del carbono de la biomasa aérea, y (2) la cuantificación del carbono almacenado en el suelo, así como su potencial secuestro bajo diferentes escenarios de gestión de usos de suelo; en todos los casos mediante modelos espacialmente explícitos.
Tras la introducción y métodos generales (capítulo 1 y 2), en el capítulo 3 se integran dos tecnologías de teledetección complementarias para elaborar información detallada de la distribución espacial del carbono almacenado en la biomasa. La distribución multitemporal y global de índices de resolución moderada (MODIS) compensan la limitación temporal de los datos del escáner láser aerotransportado (ALS) de alta precisión. Como caso de estudio, esta metodología se aplicó en una región mediterránea semiárida en el sureste de la Península Ibérica (Región de Murcia). Los resultados muestran resultados robustos en el modelado de datos ALS, calibrados con medidas a nivel de parcela, y variables espectrales biogeofísicas (8 índices derivados de MODIS), lo que confirma su aplicabilidad a tamaños mayores de píxel.
En el capítulo 4 se emplean diferentes técnicas de mapeo digital de suelos (DSM) para generar un mapa local de carbono orgánico del suelo (SOC) y testarlo con estimaciones derivadas de productos disponibles tanto regionales como globales. El objetivo de este capítulo es definir un marco metodológico para la generación de un mapa de SOC de alta resolución, analizando diversos aspectos. Estos aspectos se refieren a diferentes variables de carbono (concentración de SOC -g / kg-, y stock de SOC –Tc / ha-) utilizando distintos métodos de interpolación espacial (linear model, quantile regression forest –QRF-; random forest and support vector machine) en tres resoluciones diferentes (100 m, 250 m, 1000 m). Considerando de nuevo la ‘Región de Murcia’ como caso de estudio, este estudio muestra que el marco metodológico con resultados más robustos está basado en datos locales del suelo, covariables ambientales (incluidos índices de teledetección simples y / o multitemporales), técnicas de DMS y cuantificación de la incertidumbre espacialmente explícita. Específicamente, el enfoque QRF parametrizado con datos de concentración de SOC, a una resolución espacial de 100 m, muestra la mayor concordancia en la modelización de los datos, así como el mejor balance entre la precisión, la validación externa y la interpretabilidad de los resultados. Este estudio proporciona una mejor comprensión del almacenamiento de SOC en una zona con asociaciones de suelo complejas y con información muestral limitada.
A la vista de los resultados del capítulo 4, en el capítulo 5 se generan diferentes mapas de la distribución espacial del SOC a nivel nacional, con una resolución de 90 m y sus incertidumbres asociadas espacialmente explícitas. La modelización de la base de datos patrimonial (8,361 muestras de perfil) y las covariables ambientales previamente seleccionadas, se basó en tres enfoques de aprendizaje supervisado: quantile regression forest, ensemble machine learning and auto-machine learning. Los mapas han sido estimados para las profundidades de 0-30 cm, 30-100 cm y para la profundidad efectiva del perfil. Para la generación de estos mapas finales de distribución espacial del SOC se ha empleado una metodología novedosa mediante diferenetes ensambles de modelos y su posterior combinación espacial. Dicha combinación se genera mediante la asignación del ensamble de modelos más preciso a cada píxel, es decir, el que presenta menor incertidumbre. Los mapas resultantes mostraron valores medios de concentración del SOC de 15.7 g/kg, almacenando el 25% aproximadamente en los horizontes subsuperficiales (> 30 cm). El stock total de SOC se ha estimado en 3,8 Pg C a su profundidad efectiva, de los cuales 2,82 Pg C se almacenan en los 30 cm superiores (74% del total).
En el capítulo 6 se predice el mapa de secuestro potencial de SOC con el objetivo de detectar usos de suelo, áreas y regiones con mayor potencial de absorción del SOC en España peninsular bajo diferentes escenarios de gestión. En este estudio se utiliza el modelo RothC a nivel nacional (grid de 1 km) para la proyección en el período 2020-2040. Los resultados muestran que el secuestro de SOC en España Peninsular, suponiendo que las condiciones ambientales actuales permanecen constantes durante los próximos 20 años, disminuirá en 430 Gg C/año. Sin embargo, se estima que se puede esperar un potencial secuestro de 1.977 Gg C/año si se adaptan prácticas de gestión sostenible que aumenten la tasa de entrada de carbono en el suelo al menos un 5% en los próximos 20 años.
En resumen, los avances que proporciona esta tesis contribuyen a mejorar la calidad y precisión de las actuales metodologías disponibles del carbono ecosistémico a escala nacional, con información novedosa sobre su cantidad almacenada, sirviendo como referencia para las estrategias y políticas de adaptación/mitigación al cambio climático.
- English
Due to current climate change patterns, terrestrial ecosystems are being seriously affected with respect to their biodiversity, structure, and function. Specifically, the Mediterranean region is one of the areas most sensitive to climate change effects. Given the recent environmental policies derived from these serious threats caused by global climate change, practical measures to decrease net CO2 emissions must be established. Carbon sequestration is a major measure to reduce atmospheric CO2 concentrations within the short and medium term, in which terrestrial ecosystems play an essential role as carbon sinks.
Quantification and monitoring of organic carbon reservoirs is needed to inform environmental management, adapt local policies and assess potential impacts.
The main aim of this thesis is to provide the methodological strategy for the quantification of organic carbon reservoirs in terrestrial ecosystems, based on standardized techniques at different spatial and management scales, in addition to establishing dynamic models to predict results under different management scenarios. This thesis is focused on two critical aspects of carbon stock modeling at the national level: (1) estimation of the carbon in aboveground biomass, and (2) quantification of the soil carbon storage, as well as its potential sequestration under different land use management scenarios; using spatially explicit models in both cases.
After the general introduction and methods (chapter 1 and 2), chapter 3 integrates two complementary remote sensing technologies to detail information about the spatial distribution of carbon stored in biomass. The multitemporal and global distribution of moderate resolution indexes (MODIS) are balanced with the temporal limitation of the highprecision airborne laser scanning (ALS) data. As a case study, this methodology was applied in a Mediterranean semiarid region in the southeastern Iberian Peninsula (specifically the region of Murcia). The results shows a robust performance in modeling of ALS data calibrated with plot-level ground-based measures, and bio-geophysical spectral variables (8 different indexes derived from MODIS), confirming its applicability at coarser resolutions.
Chapter 4 improves different digital soil mapping (DSM) techniques to develop a local soil organic carbon (SOC) map and test it against estimates derived from available regional-toglobal carbon products. The aim of this chapter is to define a high-resolution SOC map framework, analyzing diverse aspects. These aspects are refered to different carbon variables (SOC concentration -g/kg-, and SOC stock -tC/ha-) using different spatial interpolation methods (linear model, quantile regression forest –QRF-; random forest and support vector machine) at three spatial resolutions (100m, 250m, 1000m). Considering again the ‘Region de Murcia’ as a case study, the results show an optimal framework based on local soil data, environmental covariates (including single and/or multitemporal remote sensing indices), DMS modeling and spatially explicit uncertainty quantification. Specifically, the QRF approach parameterized with SOC concentration data at 100 m spatial resolution confirms the best data-model agreement and the best balance for accuracy, external validation, and interpretability of results. This study provides a better understanding of SOC storage across complex soil-forming environments with limited soil samples.
In view of the results of chapter 4, chapter 5 maps the SOC spatial distribution at the national level at 90 m and the associated spatially explicit uncertainties. Modeling of the legacy soil database (8,361 profile samples) and a selection of environmental data-driven covariates was based on three supervised learning approaches: quantile regression forest, ensemble machine learning and auto-machine learning. The maps are estimated at 0-30 cm, 30- 100cm and the effective soil depth. For the final SOC spatial distribution maps, a novel methodology is used. It is based on a combination of different predictive ensemble models where each pixel is assigned the prediction from the most accurate model, i.e. lowest uncertainty. The mean value of the SOC concentration map is 15.7 g/kg, storing approximately 25% in subsoils (>30cm). The total SOC stock at its effective depth is 3.8 Pg C, of which 2.82 Pg C are stored in the upper 30 cm (74% of the total).
Chapter 6 predicts SOC potential sequestration map to detect land uses, sites and regions with greater potential to absorb SOC stocks for peninsular Spain under different management scenarios. In this study, the RothC model at the national level (1 km grids) is used for the projection of the 2020-2040 period. The results shows that the SOC sequestration in peninsular Spain, supposing the current environmental conditions remain constant for the next 20 years, will decrease at a rate of 430 Gg C/yr approximately. However, a potential sequestration of 1,980 Gg C/yr can be expected approximately under the adoption of sustainable management practices that increase the carbon input rate into soils by at least 5% in the next 20 years.
In summary, the advances provided by this thesis contribute to improving the quality and precision of current methodologies available at the national level for the carbon in terrestrial ecosystem, with novel information on its carbon storage, and serve as a reference for climate change mitigation strategies and policies.
- español
