Digital mapping of soil organic carbon: advances in remote sensing, modeling, and environmental drivers

Nieuwe benadering om bodemorganische koolstof in kaart te brengen

Bodemorganische koolstof (SOC) speelt een essentiële rol bij het behouden van bodemgezondheid, het waarborgen van voedselzekerheid en het reguleren van de mondiale koolstofcyclus. In zijn proefschrift stelt Xiande Ji een geavanceerd kader voor digitale bodemkartering (DSM) voor, dat remote sensing en machine learning integreert om SOC-voorspellingen te verbeteren. Hij richt zich op belangrijke leemtes in dataselectie, modelprestaties en SOC-kartering onder vegetatiebedekking.

Ji beschrijft in zijn proefschrift de recente ontwikkelingen op het gebied van remote sensing-platforms, sensoren, voorspellende modellen en omgevingsfactoren die de verdeling van SOC beïnvloeden. Ook bespreekt hij lopende uitdagingen, zoals datafusie en de uitlegbaarheid van modellen voor toekomstig onderzoek.

Ji presenteert een hybride modelleringsbenadering op nationale schaal, die betere prestaties levert dan individuele modellen voor SOC-voorspelling. Het resultaat is een SOC-kaart met hoge resolutie voor diverse landschappen in Duitsland, waarbij het belang van hybride technieken op verschillende ruimtelijke schalen wordt benadrukt.

Ook richt Ji zich op Europese bossen en kwantificeert de huidige SOC-voorraden en projecteert toekomstige veranderingen onder verschillende klimaatscenario’s. Hij identificeert belangrijke biogeochemische drijfveren en toont biome-specifieke SOC-patronen. Vooral jonge mediterrane bossen blijken veel potentieel te hebben voor koolstofopslag onder hoge emissiescenario’s tegen 2100.

In landbouwsystemen blijkt dat het selecteren van geschikte temporele satellietgegevens, vooral beelden van kale bodemperiodes, de monitoring van SOC op akkerland aanzienlijk verbetert. De bevindingen onderstrepen ook het belang van signalen van niet-fotosynthetische vegetatie voor voorspellingen.

Door SOC-beoordeling uit te breiden over meerdere landschappen en ruimtelijke schalen, biedt dit proefschrift een robuuste basis voor het verbeteren van digitale SOC-kartering en ondersteunt slimmer bodembeheer en effectievere strategieën voor koolstofvastlegging.

Xiande Ji voerde zijn onderzoek uit bij het Energy and Sustainability Research Institute Groningen (ESRIG), afdeling Energy Conversion, met financiering van het Chinese Scholarship Council. 

Proefschrift: https://hdl.handle.net/11370/ab9708a9-c497-4a30-9059-4f8aca452f0c