МОДЕЛИРОВАНИЕ НЕТТО-ЭКОСИСТЕМНОГО ОБМЕНА $\mathrm{CO_2}$ С ПОМОЩЬЮ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

(на примере острова Сахалин)

Аннотация

В условиях глобальных климатических изменений оценка углеродного баланса на региональном уровне приобретает все большую значимость для разработки эффективных технологий для мониторинга парниковых газов и смягчения последствий современных климатических изменений. Наземные экосистемы играют ключевую роль в глобальном углеродном цикле, внося существенный вклад в обмен диоксидом углерода между подстилающей поверхностью и атмосферой. В данном исследовании была разработана модель на основе методов машинного обучения, в частности алгоритма градиентного бустинга CatBoost, для комплексной оценки пространственно-временной изменчивости нетто экосистемного обмена СО₂ (NEE) для наземных экосистем. Результаты модельных экспериментов для 2023 г. для острова Сахалин показали, что данный подход позволяет учесть множество факторов, влияющих на углеродный обмен, и получить пространственное распределение потоков CO₂ в региональном масштабе с временным разрешением в один месяц. Разработанная модель продемонстрировала высокую точность прогнозирования потоков с коэффициентом детерминации (R²) по всем экосистемам около 0,76. Полученные результаты могут быть использованы для оценки потоков СО₂ в различных географических регионах в региональном масштабе для оценки реального вклада в углеродный баланс.