Potenziale Non Realizzato - Carbonio Organico del Suolo (SOC)

Potenziale Non Realizzato — Carbonio Organico del Suolo (SOC)

Panoramica

Il layer Potenziale Non Realizzato — Carbonio Organico del Suolo (SOC) quantifica il carbonio aggiuntivo che potrebbe accumularsi nei primi 30 cm di suolo se il terreno fosse ripristinato alla copertura vegetale nativa, in tC/ha. L'accumulo di carbonio nel suolo avviene attraverso l'aumento degli apporti di materia organica dal turnover radicale, dalla lettiera fogliare e dalla biomassa microbica sotto la vegetazione ripristinata.

A differenza del carbonio della biomassa che puo essere guadagnato relativamente rapidamente, l'accumulo di SOC e un processo lento che si estende per decenni o secoli. Tuttavia, i guadagni di SOC sono piu permanenti — una volta accumulato, il carbonio del suolo persiste piu a lungo del carbonio della biomassa aerea.

Il potenziale non realizzato SOC e particolarmente elevato in:

• Suoli agricoli degradati — dove la lavorazione intensiva ha impoverito il carbonio organico
• Aree deforestate — dove la perdita di apporti di lettiera ha ridotto il carbonio del suolo
• Praterie sovrapascolate — dove biomassa radicale e struttura del suolo sono danneggiate

---

Metodologia di Calcolo

1. Estrazione — Raster del potenziale non realizzato SOC di Walker et al. 2022 da S3
2. Feature engineering — NDVI, copertura del suolo, elevazione
3. Downscaling Random Forest a ~200 m

Unita di output: tC/ha (SOC aggiuntivo raggiungibile nei primi 30 cm)

---

Fonti dei Dati

---

Note Tecniche

• L'accumulo di SOC e molto piu lento dei guadagni di carbonio nella biomassa (decenni vs. anni)
• Una volta ripristinato, il SOC e piu persistente del carbonio della biomassa
• Le pratiche agricole rigenerative possono realizzare parzialmente il potenziale SOC
• Le stime assumono il pieno ripristino alla vegetazione nativa

---

Riferimenti

1. Walker, W.S. et al. (2022). PNAS, 119(23), e2111312119.
2. Spawn, S.A. et al. (2020). Scientific Data, 7, Article 112.
3. Breiman, L. (2001). "Random Forests". Machine Learning, 45(1), pp. 5-32.

Responsible: Claudio Barbieri