Spatial Prediction of Soil Organic Carbon Stock Using Machine Learning in a Himalayan Watershed

日本語

本研究は、インドのヒマラヤ流域を対象に、機械学習を用いて土壌有機炭素ストックの空間分布を予測した。リモートセンシングデータと地形変数を入力とし、ランダムフォレストなどのモデルが高い精度を示した。炭素貯留能の評価に貢献し、気候変動緩和策の基礎データとなる。

English

This study predicts soil organic carbon stock in a Himalayan watershed using machine learning with remote sensing data. Random forest models achieved high accuracy, providing spatial estimates for carbon sequestration potential, relevant to climate mitigation planning.

日本のGX文脈において

日本のGX文脈では、土壌炭素貯留はカーボンオフセットや農業分野の脱炭素化と関連する。ただし本論文はインドの事例であり、直接的な政策連動は限定的。日本の森林・農地における同様の手法開発の参考にはなる。

In the global GX context

Globally, soil carbon sequestration is a key nature-based climate solution. This study demonstrates a scalable ML approach for mapping carbon stocks, applicable to national greenhouse gas inventories and carbon farming projects, though not directly tied to corporate disclosure.