Az Agrártudományi Kutatóközpont Talajtani Intézete a Csillagászati és Földtudományi Kutatóközpontjával Földrajzi Intézetével és a Soproni Egyetem Erdészeti Kutatóintézetével szoros együttműködésben a feltalaj szerves szénnel való telítettségének országos szintű térképezésének és értékelésének gépi tanuláson alapuló, pedotranszfer függvény segítségével történő megvalósíthatóságát vizsgálta.
Az érdekeltek és a politikai döntéshozók egyre inkább érdeklődnek nemcsak a talajok potenciális szerves szén telítettségi szintje iránt, hanem a szerves szén-deficit mértékére vonatkozó, térben folytonos információk iránt is, amelyek támogathatják a jövőbeli szakpolitikai és fenntartható gazdálkodási stratégiákat, valamint a szénmegkötéssel kapcsolatos területi tervezést. A kutatás célja egy cubist alapú pedotranszferfüggvény (PTF) kidolgozása volt a magyarországi talajok felső rétegének (0-30 cm) telített szerves szén (SOC)-tartalmának előrejelzésére és feltérképezésére, majd az így kapott térkép összehasonlítása a tényleges SOC-térképpel a SOC-deficit mértékének meghatározása és értékelése céljából. Feltételeztük, hogy az állandó erdőkkel borított talajok szerves szén tartalma gyakorlatilag telítettnek tekinthető. A Talajvédelmi Információs és Monitoring rendszer erdőkbe eső monitoring pontjait, mint referencia talajszelvényeket használva, egy cubist alapú PTF-et dolgoztunk ki. A cubist által biztosított átlátható modellstruktúra lehetővé tette annak kimutatását, hogy nemcsak a talajok fizikai-kémiai tulajdonságai (pl. textúra és pH), hanem a tájat jellemző környezeti jellemzők, mint a topográfia (pl. lejtés, magasság, domborzati helyzet) és az éghajlat (pl. hosszú távú éves átlaghőmérséklet és párolgás) is fontos tényezők a SOC-telítettség szintjének előrejelzésében. Eredményeink arra is rámutattak, hogy az ország nagy részén (∼80%) szerves szén deficit mutatkozik, amely nagy területi változékonyságot mutat. Az is kiderült, hogy a legjelentősebb további SOC-megkötési potenciál a közepes vagy magas tényleges SOC-tartalmú talajokhoz kapcsolódik.
A kutatás eredményeit bemutató cikk a CATENA folyóiratban (D1, IF: 6.367) nyílt hozzáféréssel jelent meg:
Szatmári, G.; Pásztor, L.; Laborczi, A.; Illés, G.; Bakacsi, Zs.; Zacháry, D.; Filep, T.; Szalai, Z.; Jakab, G. Countrywide mapping and assessment of organic carbon saturation in the topsoil using machine learning-based pedotransfer function with uncertainty propagation. CATENA 2023, 227, 107086.
https://doi.org/10.1016/j.catena.2023.107086