Os Dados de Sensoriamento Remoto Multiespectral São Eficazes e Robustos no Mapeamento dos Estoques de Carbono Orgânico do Solo Florestal em uma Região Florestal do Nordeste da China

Mapear com precisão a informação de distribuição espacial dos estoques de carbono orgânico do solo (COS) é uma premissa chave para a gestão dos recursos do solo e proteção ambiental. O rápido desenvolvimento do sensoriamento remoto por satélite oferece uma grande oportunidade para monitorar os estoques de COS em grande escala. Neste estudo, com base em 12 variáveis ambientais de sensoriamento remoto multiespectral, topografia e clima, e 236 dados de amostragem de solo, três modelos diferentes de árvore de regressão aumentada (BRT) foram comparados para obter o mapa mais preciso dos estoques de COS cobrindo a área florestal do Distrito de Lvshun no Nordeste da China. Quatro índices de validação, incluindo erro absoluto médio (EAM), erro quadrático médio (EQM), coeficiente de determinação (R2) e coeficiente de correlação de concordância de Lin (LCCC) foram calculados para avaliar o desempenho dos três modelos. Os resultados mostraram que o modelo de variáveis completas teve o melhor desempenho, exceto o modelo que utiliza variáveis de sensoriamento remoto multiespectral. No modelo de variáveis completas, os estoques regionais de COS são determinados principalmente por variáveis de sensoriamento remoto multiespectral, seguidas por variáveis topográficas e climáticas, sendo a importância relativa das variáveis no modelo de 63%, 28% e 9%, respectivamente. Os resultados médios de previsão do modelo de variáveis completas e do modelo que utiliza apenas variáveis de sensoriamento remoto multiespectral foram de 8,99 e 9,32 kg m−2, respectivamente. Nossos resultados indicaram que há uma forte dependência dos estoques de COS em relação aos dados de sensoriamento remoto multiespectral quando os ecossistemas florestais têm vegetação natural densa. Nosso estudo sugere que as variáveis de sensoriamento remoto multiespectral devem ser utilizadas para mapear os estoques de COS dos ecossistemas florestais em nossa região de estudo.