Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
山貫 緋称*; 市井 和仁*; 山本 雄平*; 小槻 峻司*; 寺本 宗正*; Sun, L.*; 永野 博彦*; 平野 高司*; 高木 健太郎*; 石田 祐宣*; et al.
no journal, ,
Soil respiration (SR) is one of the most essential components of soil carbon cycles. However, large uncertainties remain in its temporal and spatial variations. In this study, we updated our data-driven estimation of SR across Japan with observation data (eight sites across Japan), remote sensing data (MODIS land products), and random forest regression. We used soil temperature and moisture by a process-based model, the Simple Biosphere model including Urban Canopy (SiBUC). Our estimation shows a reasonable performance with R
=0.70 for the best model. Based on the established model, we estimated SR across Japan with a spatial resolution of 4 km from 2006 to 2018. Intercomparison of our estimation with other available datasets was also conducted to confirm consistent observation approach is important to upscale SR.
山貫 緋称*; 市井 和仁*; 山本 雄平*; 小槻 峻司*; 寺本 宗正*; Sun, L.*; 永野 博彦*; 平野 高司*; 高木 健太郎*; 石田 祐宣*; et al.
no journal, ,
地球温暖化などの気候変動は、人為活動により排出された二酸化炭素(CO
)を代表とする温室効果ガス濃度の上昇に起因すると考えられている。土壌から大気へのCO放出(土壌呼吸)は、今後の気温上昇によって増加すると予想されているため、土壌呼吸量を広域で把握することが地球環境の将来予測において重要となる。本研究では、国立環境研究所が中心となって土壌呼吸の連続観測を実施している国内外8地点の観測データを用いて、機械学習手法の一つであるランダムフォレスト回帰を使用した土壌呼吸推定モデルを構築し、日本域の土壌呼吸量を広域推定した。重要度が高いと判断された複数のパラメータを用いて構築されたモデルは、土壌呼吸量を8日平均のスケールで推定し、土壌呼吸の季節変化をとらえていた。広域推定のモデルは緯度にとらわれない推定が可能であり、既往研究のモデルと比べサイト別の土壌呼吸量の差異をより明確に表現していた。
山貫 緋称*; 市井 和仁*; 山本 雄平*; 小槻 峻司*; 寺本 宗正*; Sun, L.*; 永野 博彦*; 平野 高司*; 高木 健太郎*; 石田 祐宣*; et al.
no journal, ,
地球温暖化などの気候変動を予測するためには、大気CO濃度を正確に予測することが重要である。陸域生物圏は、全球の炭素循環において人為的に排出されたCOのうち約30%を吸収しており、将来の気候変動によって吸収能力が維持されるか排出に向かうのかは将来予測モデルに大きく依存し明らかになっていない。したがって、陸域生物圏のCO排出量を正しく推定することは、将来の気候変動を予測する上で最重要な課題である。本発表では、統一された観測手法で計測されている世界最大の土壌呼吸(土壌からのCO排出量)観測ネットワークのデータベースと気象データ、衛星観測データに加え、土壌炭素量などの土壌特性データを使用し、機械学習手法を用いて日本域の土壌呼吸量を広域推定した結果を紹介する。説明変数の重要度などから土壌呼吸量の時間・空間的な変動の決定要因とその重要性を示す。