竹の植物化石の決定要因は、竹に閉じ込められた炭素が東部のヒマラヤの森林タイプを越えて閉じ込められています

フィトリスは、大気中性炭素（Phytoc）として大気中性炭素（Phytoc）として長時間隔離することにより、世界の炭素循環において重要な役割を果たすことが知られています。分解に対するフィトリスの耐性の性質を考えると、フィトックは、2000年のごみ分混docation後であっても、一部の土壌および堆積物の総炭素の最大82％を表すことができます。したがって、高植物隔離率の高い森林は、陸生炭素貯蔵の増加に重要な役割を果たす可能性があります。この研究では、竹の葉、枝、頂点のフィトック濃度の変動を定量化しました。インドのヒマラヤ東部の森林タイプを備えた枝層は、竹が急速に成長し、バイオマスの蓄積率が高いため、フィトリスとフィトックの効率的な蓄積器です。9つの異なる機械学習技術を使用して、インドの調査地域の竹スタンドでのPhytoc生産の決定要因も調査しました。結果は、竹スタンドのフィトック濃度が葉（3.0 g kg-1）> culm（1.0 g kg-1）>枝（0.2 g kg-1）が森林タイプ全体であることを明らかにしました。最高のフィトックストック（53.8 kg HA-1）は、亜熱帯松林（1900-3500 mの標高）の竹スタンドで見つかりましたが、最低（28.0 kgのHA-1）は熱帯の常緑樹林（標高<900 m）にありました）。機械学習技術は、葉のフィトック含有量の正の相関を確立し、土壌利用可能なリン、標高、総窒素、交換可能なカリウム、大気湿度、SOC含有量、CECおよびPHを使用した総植物含有量を確立しました。数値評価基準とグラフィック手法により、人工ニューラルネットワーク（ANN）とサポートベクター回帰が、それぞれ0.52 kg HA-1および0.59 kg HA-1のルート平均平方根誤差値を持つ優れた手法としてサポートしました。これら2つのモデルの結果は、使用される9つの機械学習アルゴリズムすべての中でより良いことがわかりました。インドのヒマラヤ地域の竹スタンドにある高植物貯蔵は、森林管理がミレニアル世代で安定した炭素流しを確保できることを示唆しています。

Phytoliths are known to play a significant role in the global carbon cycle by sequestering atmospheric carbon dioxide as phytolith-occluded carbon (PhytOC) for a long time. Given the resistant nature of phytolith to decomposition, PhytOC can represent up to 82 % of total carbon in some soil and sediments even after 2000 years of litter decomposition. Hence, forests with high PhytOC sequestration rates could play a critical role in increasing terrestrial carbon storage. In this study, we quantified the variation in PhytOC concentrations in bamboo leaves, branches and culms with forest types in the Eastern Indian Himalayas as bamboos are efficient accumulator of phytolith and PhytOC due to their fast growth and high biomass accumulation rates. Using nine different machine learning techniques, we also investigated the determinants of PhytOC production in bamboo stands in the study area in India. The results revealed that the PhytOC concentrations in bamboo stands were in the order of leaf (3.0 g kg-1) > culm (1.0 g kg-1) > branch (0.2 g kg-1) across forest types. The highest PhytOC stock (53.8 kg ha-1) was found in bamboo stands in the subtropical pine forests (1900-3500 m elevation), while the lowest (28.0 kg ha-1) was in the tropical evergreen forests (<900 m elevation). Machine learning techniques established a positive correlation of PhytOC content in leaf and total PhytOC content with soil available phosphorus, elevation, total nitrogen, exchangeable potassium, atmospheric humidity, SOC content, CEC and pH. Numerical evaluation criteria and graphic methods identified artificial neural network (ANN) and support vector regression as the superior techniques with a root mean square error value of 0.52 kg ha-1 and 0.59 kg ha-1 respectively. The results of these two models were found to be better among all the nine machine learning algorithms used. The high PhytOC storage in the bamboo stands in the Indian Himalayan region suggests that forest management could secure a stable carbon sink on a millennial scale.