Name: 利用主成分扩展地形模型绘制土壤再分配和土壤有机碳 (视频) | JoVE Journal
Uploaded: 2018-10-16T14:00:00.000+00:00
Duration: 9 min 44 s
Description: 了解利用主成分扩展地形模型预测土壤再分配和土壤有机碳的方法。该技术适用于观测数据有限的区域，为农业研究提供经济高效的土壤碳储量估算方案。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究由美国农业部自然资源保护局（NRCS 67-3A75-13-177）与国家保护效果评估项目湿地组分联合资助。

1. 地形分析
<ol>
	<li>数字数据预处理
	<ol>
		<li>从 GeoTREE 激光雷达测绘项目网站收集激光雷达数据。选择 &#34;边界类型&#34; 和 &#34;区域&#34; 放大到特定区域。绘制一个多边形，以下载所选研究区域的LiDAR瓦片。</li>
		<li>使用地理信息系统（GIS）制图工具将原始激光雷达数据转换为LAS文件。</li>
		<li>使用反距离权重插值法生成空间分辨率为3米的数字高程模型。</li>
		<li>使用3核低通滤波器对3米DEM进行两次滤波，以降低与局部变化相关的噪声。</li>
	</ol>
	</li>
	<li>地形度量生成
	<ol>
		<li>要生成地形指标，首先下载最新版本的系统自动化地球科学分析软件（SAGA）23. 点击 &#34;导入栅格&#34; 在导入/导出部分将筛选后的3米DEM导入SAGA。</li>
		<li>点击 &#34;坡度、坡向、曲率&#34; 使用SAGA模块的默认设置，基于滤波后的DEM生成与坡度和曲率相关的指标[剖面曲率（P_Cur）、平面曲率（Pl_Cur）和总曲率（G_Cur）]图1).</li>
		<li>点击 &#34;水流累积（自上而下）&#34; SAGA 模块并选择 &#34;确定性无穷大&#34; 使用滤波后的DEM生成流量累积（FA）指标的方法。</li>
		<li>点击 &#34;SAGA 地形开阔度&#34; 使用默认设置的模块，基于经滤波和z轴放大处理的图像生成正向开放度（POP）指标。</li>
		<li>点击 &#34;LS因子（基于野外调查）&#34; 使用SAGA模块的默认设置，基于滤波后的DEM生成上游坡度（Upsl）和坡长因子（LS_FB）指标。</li>
		<li>点击 &#34;流路长度&#34; 使用 SAGA 模块的默认设置，基于滤波后的数字高程模型（DEM）生成流路径长度（FPL）指标。</li>
		<li>点击 &#34;下坡距离梯度&#34; 使用 SAGA 模块的默认设置，基于滤波后的数字高程模型（DEM）生成汇流指数（DI）指标。</li>
		<li>点击 &#34;SAGA 湿度指数&#34; 模块并选择 &#34;绝对集水区面积&#34; 使用滤波后的数字高程模型（DEM），选择区域类型以生成汇水区（CA）和地形湿度指数（TWI）参数。</li>
		<li>点击 &#34;水流功率指数&#34; SAGA 模块并选择 &#34;伪汇水区面积&#34; 利用滤波后的DEM通过面积转换生成河流动力指数（SPI）指标。</li>
		<li>生成多个半径的最大高程图。使用3核低通滤波器对最大高程图进行两次滤波。从滤波后的最大高程图中减去滤波后的3米DEM，得到一系列地形起伏图。提取一系列地形起伏变量至多个位置。</li>
		<li>对地形起伏变量进行主成分分析（PCA），将地形起伏转换为地貌起伏组分。选择能够解释起伏数据集90%以上方差的主成分作为地貌起伏度量指标。</li>
	</ol>
	</li>
</ol>
2. 野外数据采集
<ol>
	<li>野外采样
	<ol>
		<li>选择若干能够充分代表研究区域景观特征的农田样地位置，以及若干可进行密集采样的典型小尺度农田样地。 
		注：从两个农田样地采集的土壤样品用于模型校准；从整个研究区域采集的土壤样品用于模型验证。</li>
		<li>将所有采样点的坐标上传至基于代码的地理定位系统（GPS），并在田间实地定位。</li>
		<li>使用推杆式取样器（直径3.2 cm）从每个采样点的表层30 cm土壤中采集3个样品。 
		&#8203;注：在预计有沉积物堆积的地点，额外采集30–50 cm土层的土壤样品。每个样品体积为241 cm3。</li>
		<li>使用GPS记录各采样点的地理坐标信息。</li>
		<li>将土壤样品在90 °C下烘干48小时后称重。根据各采样点的总样品体积和重量计算土壤密度。将同一位置的三个样品混合，得到一个混合土壤样品。</li>
	</ol>
	</li>
	<li>土壤样品制备
	<ol>
		<li>用2 mm筛对混合土壤样品进行过筛。</li>
		<li>取10 g过筛后的土壤子样品，使用滚磨机研磨成极细粉末。</li>
	</ol>
	</li>
	<li>土壤样品分析
	<ol>
		<li>通过在CN元素分析仪上于1350 °C高温燃烧，测定滚磨后样品的土壤总碳（C）含量。通过在马弗炉中于420 °C加热16小时去除土壤有机质后，测定残留碳含量，从而估算碳酸钙中的碳含量。</li>
		<li>用土壤总碳含量减去碳酸钙碳含量，计算土壤有机碳（SOC）含量（%）。结合土壤密度，将SOC含量（%）换算为SOC密度（kg m-2）。</li>
		<li>将未经研磨的2 mm过筛土壤样品装入马林杯并密封。使用伽马射线谱分析系统测定各样品的137Cs浓度，该系统由三个高纯度同轴锗晶体探测器（HpCN，30%效率）连接至8192道分析器组成（见材料表）。</li>
		<li>使用混合放射性核素标准物质对系统进行校准11。结合土壤密度，将137Cs浓度换算为137Cs累积量。</li>
		<li>在电子表格插件程序中应用Walling et al.开发的质量平衡模型II（MBMII），根据137Cs累积量计算土壤再分布速率24。</li>
	</ol>
	</li>
</ol>
3. 基于地形的模型构建
<ol>
	<li>地形主成分估计
	<ol>
		<li>提取整个研究区域及小尺度农田采样点的地形指标。</li>
		<li>利用均值和标准差对整个研究区域采样点的地形指标进行标准化处理。基于标准化后的地形指标，使用统计软件包通过主成分分析（PCA）估算各成分中的地形指标载荷。收集各地形主成分（TPC）中的地形指标载荷，并选择能够解释所有指标90%方差的前几个主要TPC。</li>
		<li>对小尺度农田采样点的地形指标进行标准化处理。通过将各采样点的标准化地形指标乘以来自WCW区域采样点对应的载荷后加总，计算每个位置的前几个TPC值。</li>
	</ol>
	</li>
	<li>模型校准
	<ol>
		<li>采用逐步普通最小二乘回归（SOLSR）方法，基于小尺度农田中所有地形指标，建立用于预测土壤有机碳密度和土壤再分布速率的基于地形的SOLSRf模型。利用赤池信息准则（AIC）和留一法交叉验证，选择最优地形指标组合，以获得拟合效果最佳的SOLSRf模型。</li>
		<li>使用方差膨胀因子（VIF）检验地形变量之间的共线性。移除VIF最大（VIF ≥ 7.525）的变量，并重新检查VIF。重复此过程，直至所有变量的VIF均&#60; 7.5。基于已去除高度共线性变量后的地形指标，执行SOLSR分析，建立用于预测土壤有机碳密度和土壤再分布速率的地形SOLSRr模型。利用AIC和留一法交叉验证，选择最优变量组合，以获得拟合效果最佳的SOLSRr模型。</li>
		<li>采用逐步主成分回归（SPCR）方法，基于小尺度农田的TPC，建立用于预测土壤有机碳密度和土壤再分布速率的地形SPCR模型。利用AIC和留一法交叉验证，选择最优TPC组合，以获得拟合效果最佳的SPCR模型。</li>
		<li>计算调整决定系数（Radj2）、Nash-Sutcliffe效率系数（NSE）以及均方根误差与实测数据标准差之比（RSR），用于评估模型效率。</li>
	</ol>
	</li>
	<li>模型评估
	<ol>
		<li>将所建立的模型应用于整个研究区域，估算土壤有机碳密度和土壤再分布速率。</li>
		<li>通过将模型预测结果与整个研究区域实测的土壤有机碳密度和土壤再分布速率数据集进行比较，验证模型的有效性。使用Radj2、NSE和RSR值评估模型性能。</li>
	</ol>
	</li>
</ol>

<ol><li>Lal, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Soil+erosion+and+carbon+dynamics%5BTitle%5D)+AND+%22Soil+and+Tillage+Research%22%5BJournal%5D)">Soil erosion and carbon dynamics.</a> Soil and Tillage Research. 81 (2), 137-142 (2005).</li>
<li>Fox, J. F., Papanicolaou, A. N. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/full/10.1111/j.1752-1688.2007.00087.x">The use of carbon and nitrogen isotopes to study watershed erosion processes.</a> Journal of the American Water Resources Association. 43 (4), 1047-1064 (2007).</li>
<li>Hemelryck, H. V., Fiener, P., Van Oost, K., Govers, G., Merckx, R. <a target="_blank" href="https://www.biogeosciences.net/7/3971/2010/">The effect of soil redistribution on soil organic carbon: An experimental study.</a> Biogeosciences. 7 (12), 3971-3986 (2010).</li>
<li>McCarty, G. W., Ritchie, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+soil+movement+on+carbon+sequestration+in+agricultural+ecosystems%5BTitle%5D)+AND+%22Environmental+Pollution%22%5BJournal%5D)">Impact of soil movement on carbon sequestration in agricultural ecosystems.</a> Environmental Pollution. 116 (3), 423-430 (2002).</li>
<li>Quine, T. A., van Oost, K. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1365-2486.2007.01457.x">Quantifying carbon sequestration as a result of soil erosion and deposition: Retrospective assessment using caesium-137 and carbon inventories.</a> Global Change Biology. 13 (12), 2610-2625 (2007).</li>
<li>Polyakov, V. O., Lal, R. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0016706107003230">Soil organic matter and CO2 emission as affected by water erosion on field runoff plots.</a> Geoderma. 143 (1-2), 216-222 (2008).</li>
<li>Balesdent, J., Mariotti, A., Boisgontier, D. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1365-2389.1990.tb00228.x">Effect of tillage on soil organic carbon mineralization estimated from 13C abundance in maize fields.</a> Journal of Soil Science. 41, 587-596 (1990).</li>
<li>Van Oost, K., et al. <a target="_blank" href="http://agris.fao.org/agris-search/search.do?recordID=US201301060693">Landscape-scale modeling of carbon cycling under the impact of soil redistribution: The role of tillage erosion.</a> Global Biogeochemical Cycles. 19 (4), 1-13 (2005).</li>
<li>De Gryze, S., Six, J., Bossuyt, H., Van Oost, K., Merckx, R. <a target="_blank" href="https://dial.uclouvain.be/pr/boreal/en/object/boreal%3A36719">The relationship between landform and the distribution of soil C, N and p under conventional and minimum tillage.</a> Geoderma. 144 (1-2), 180-188 (2008).</li>
<li>Zhang, J., Quine, T. A., Ni, S., Ge, F. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1365-2486.2006.01206.x">Stocks and dynamics of SOC in relation to soil redistribution by water and tillage erosion.</a> Global Biogeochemical Cycles. 12, 1834-1841 (2006).</li>
<li>Ritchie, J. C., McCarty, G. W., Venteris, E. R., Kaspar, T. C. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0169555X06003643">Soil and soil organic carbon redistribution on the landscape.</a> Geomorphology. 89, 163-171 (2007).</li>
<li>Vander Perk, M., Slávik, O., Fulajtár, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+spatial+variation+of+cesium-137+in+small+catchments%5BTitle%5D)+AND+%22Journal+of+Environmental+Quality%22%5BJournal%5D)">Assessment of spatial variation of cesium-137 in small catchments.</a> Journal of Environmental Quality. 31 (6), 1930-1939 (2002).</li>
<li>Rezaei, S. A., Gilkes, R. J. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0016706104001910">The effects of landscape attributes and plant community on soil physical properties in rangelands.</a> Geoderma. 125 (1-2), 145-154 (2005).</li>
<li>Rieke-Zapp, D. H., Nearing, M. A. <a target="_blank" href="http://agris.fao.org/agris-search/search.do?recordID=US201301026559">Slope shape effects on erosion: a laboratory study.</a> Soil Science Society of America Journal. 69 (5), 1463-1471 (2005).</li>
<li>Schwanghart, W., Jarmer, T. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0169555X10005192">Linking spatial patterns of soil organic carbon to topography - A case study from south-eastern Spain.</a> Geomorphology. 126 (1-2), 252-263 (2011).</li>
<li>Dialynas, Y. G., et al. <a target="_blank" href="https://agupubs.onlinelibrary.wiley.com/doi/full/10.1002/2015GB005302">Topographic variability and the influence of soil erosion on the carbon cycle.</a> Global Biogeochemical Cycles. 30, 644-660 (2016).</li>
<li>Li, X., McCarty, G. W., Karlen, D. L., Cambardella, C. A. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0341816217303168">Topographic metric predictions of soil redistribution and organic carbon in Iowa cropland fields.</a> Catena. 160, 222-232 (2018).</li>
<li>Amore, E., Modica, C., Nearing, M. A., Santoro, V. C. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0022169404000587">Scale effect in USLE and WEPP application for soil erosion computation from three Sicilian basins.</a> Journal of Hydrology. 293 (1-4), 100-114 (2004).</li>
<li>Doetterl, S., et al. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0012825215300817">Erosion, deposition and soil carbon: A review of process-level controls, experimental tools and models to address C cycling in dynamic landscapes.</a> Earth-Science Reviews. 154, 102-122 (2016).</li>
<li>Gessler, P. E., Chadwick, O. A., Chamran, F., Althouse, L., Holmes, K. <a target="_blank" href="https://www.cabdirect.org/cabdirect/abstract/20013011142">Modeling soil-landscape and ecosystem properties using terrain attributes.</a> Soil Science Society of America Journal. 64 (6), 2046-2056 (2000).</li>
<li>Montgomery, D. R., Brandon, M. T. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0012821X02007252">Topographic controls on erosion rates in tectonically active mountain ranges.</a> Earth and Planetary Science Letters. 201 (3-4), 481-489 (2002).</li>
<li>Pan, B., Geng, H., Hu, X., Sun, R., Wang, C. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0012821X10000646">The topographic controls on the decadal-scale erosion rates in Qilian Shan Mountains N.W. China.</a> Earth and Planetary Science Letters. 292 (1-2), 148-157 (2010).</li>
<li>Conrad, O., et al. System for Automated Geoscientific Analyses (SAGA) v . 2.1.4. <a target="_blank" href="http://saga-gis.org/en/index.html">Geoscientific Model Development</a>. 8, 1991-2007 (2015).</li>
<li>Walling, D. E., Zhang, Y., He, Q. <a target="_blank" href="https://inis.iaea.org/search/search.aspx?orig_q=RN:43009303">Models for deriving estimates of erosion and deposition rates from fallout radionuclide (caesium-137, excess lead-210, and beryllium-7) measurements and the development of user friendly software for model implementation (IAEA-TECDOC-1665).</a> International Atomic Energy Agency. , 11-33 (2011).</li>
<li>Sindayihebura, A., Ottoy, S., Dondeyne, S., Van Meirvenne, M., Van Orshoven, J. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S034181621730125X">Comparing digital soil mapping techniques for organic carbon and clay content Case study in Burundi's central plateaus.</a> Catena. 156, 161-175 (2017).</li>
<li>Schumacher, J. A., Kaspar, T. C., Ritchie, J. C., Schumacher, T. E., Karlen, D. L. <a target="_blank" href="http://www.jswconline.org/content/60/6/355.short">Identifying spatial patterns of erosion for use in precision conservation.</a> Journal of Soil and Water Conservation. 60 (6), 355-362 (2005).</li>
<li>Young, C. J., et al. <a target="_blank" href="https://pubs.er.usgs.gov/publication/70188047">Evaluation of a model framework to estimate soil and soil organic carbon redistribution by water and tillage using 137Cs in two U.S. Midwest agricultural fields.</a> Geoderma. 232, 437-448 (2014).</li>
<li>Afshar, F. A., Ayoubi, S., Jalalian, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Soil+redistribution+rate+and+its+relationship+with+soil+organic+carbon+and+total+nitrogen+using+137Cs+technique+in+a+cultivated+complex+hillslope+in+western+Iran%5BTitle%5D)+AND+%22Journal+of+Environmental+Radioactivity%22%5BJournal%5D)">Soil redistribution rate and its relationship with soil organic carbon and total nitrogen using 137Cs technique in a cultivated complex hillslope in western Iran.</a> Journal of Environmental Radioactivity. 101 (8), 606-614 (2010).</li>
<li>Li, Q. Y., Fang, H. Y., Sun, L. Y., Cai, Q. G. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/full/10.1002/ldr.2144#references-section">Using the 137Cs technique to study the effect of soil redistribution on soil organic carbon and total nitrogen stocks in an agricultural catchment of Northeast China.</a> Land Degradation & Development. 25 (4), 350-359 (2014).</li>
<li>Troch, P., Van Loon, E., Hilberts, A. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0309170802000179">Analytical solutions to a hillslope-storage kinematic wave equation for subsurface flow.</a> Advances in Water Resources. 25 (6), 637-649 (2002).</li>
<li>Tucker, G. E., Bras, R. L. <a target="_blank" href="https://agupubs.onlinelibrary.wiley.com/doi/10.1029/98WR01474">Hillslope processes, drainage density, and landscape morphology.</a> Water Resources Research. 34 (10), 2751-2764 (1998).</li>
<li>Seijmonsbergen, A. C., Hengl, T., Anders, N. S. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/B9780444534460000100">Semi-Automated Identification and Extraction of Geomorphological Features Using Digital Elevation Data.</a> Developments in Earth Surface Processes. 15, (2011).</li>
<li>Moore, I. D., Grayson, R. B., Ladson, D. A. R. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/abs/10.1002/hyp.3360050103">Digital terrain modelling: A review of hydrological, geomorphological, and biological applications.</a> Hydrological Processes. 5, 3-30 (1991).</li>
<li>Kirkby, M. J. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/abs/10.1002/esp.3556">Do not only connect: A model of infiltration-excess overland flow based on simulation.</a> Earth Surface Processes and Landforms. 39 (7), 952-963 (2014).</li>
<li>Sharpley, A., Kleinman, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effect+of+rainfall+simulator+and+plot+scale+on+overland+flow+and+phosphorus+transport%5BTitle%5D)+AND+%22Journal+of+Environmental+Quality%22%5BJournal%5D)">Effect of rainfall simulator and plot scale on overland flow and phosphorus transport.</a> Journal of Environmental Quality. 32 (6), 2172-2179 (2003).</li>
<li>Hjerdt, K. N. <a target="_blank" href="https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2004WR003130">A new topographic index to quantify downslope controls on local drainage.</a> Water Resources Research. 40 (5), 1-6 (2004).</li>
<li>Kasai, M., Marutani, T., Reid, L. M., Trustrum, N. A. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/full/10.1002/1096-9837%28200101%2926%3A1%3C1%3A%3AAID-ESP146%3E3.0.CO%3B2-9">Estimation of temporally averaged sediment delivery ratio using aggradational terraces in headwater catchments of the Waipaoa River, North Island, New Zealand.</a> Earth Surface Processes and Landforms. 26 (1), 1-16 (2001).</li>
<li>Lang, M. W., McCarty, G. W., Oesterling, R., Yeo, I. Y. <a target="_blank" href="https://link.springer.com/article/10.1007/s13157-012-0359-8">Topographic metrics for improved mapping of forested wetlands.</a> Wetlands. 33 (1), 141-155 (2013).</li>
<li>Li, X., et al. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0016706117302951">Topographic and physicochemical controls on soil denitrification in prior converted croplands located on the Delmarva Peninsula, USA.</a> Geoderma. 309, 41-49 (2018).</li>
<li>Conforti, M., Aucelli, P. P. C., Robustelli, G., Scarciglia, F. <a target="_blank" href="https://link.springer.com/article/10.1007/s11069-010-9598-2">Geomorphology and GIS analysis for mapping gully erosion susceptibility in the Turbolo stream catchment (Northern Calabria, Italy).</a> Natural Hazards. 56 (3), 881-898 (2011).</li>
<li>Dormann, C. F., et al. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/10.1111/j.1600-0587.2012.07348.x">Collinearity: A review of methods to deal with it and a simulation study evaluating their performance.</a> Ecography. 36 (1), 027-046 (2013).</li>
<li>Fodor, I. K. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aFodor%2C+IK+%22A+survey+of+dimension+reduction+techniques%22">A survey of dimension reduction techniques</a>. 9, Center for Applied Scientific Computing. Lawrence Livermore National Laboratory. 1-18 (2002).</li>
<li>Quijano, L., Gaspar, L., Navas, A. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S0167198715300246">Spatial patterns of SOC, SON, 137 Cs and soil properties as affected by redistribution processes in a Mediterranean cultivated field (Central Ebro Basin).</a> Soil and Tillage Research. 155, 318-328 (2016).</li>
<li>Næs, T., Martens, H. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/abs/10.1002/cem.1180020207">Principal component regression in NIR analysis: Viewpoints, background details and selection of components.</a> Journal of Chemometrics. 2 (2), 155-167 (1988).</li>
<li>Shlens, J. <a target="_blank" href="https://arxiv.org/abs/1404.1100">A Tutorial on Principal Component Analysis.</a> Measurement. 51, 52(2014).</li>
<li>Heckrath, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tillage+erosion+and+its+effect+on+soil+properties+and+crop+yield+in+Denmark%5BTitle%5D)+AND+%22Journal+of+Environmental+Quality%22%5BJournal%5D)">Tillage erosion and its effect on soil properties and crop yield in Denmark.</a> Journal of Environmental Quality. 34, 312-324 (2005).</li>
<li>Tarboron, G. <a target="_blank" href="https://agupubs.onlinelibrary.wiley.com/doi/10.1029/96WR03137">A new method for the determination of flow directions and upslope areas in grid digital elevation models.</a> Water Resources Research. 33 (2), 309-319 (1997).</li>
</ol>

作者无任何利益冲突需要披露。

在田间尺度的校准中，SOLSRf 模型的表现略优于 SPCR 模型。然而，部分地形指标之间存在高度相关性，例如 SPI 和 CA（r &#62; 0.80）。这种共线性可能为模型预测带来不确定性。由于预测变量之间存在多重共线性，输入变量的微小变化可能显著影响模型的预测结果41。因此，SOLSRf 模型在流域尺度的土壤有机碳密度和土壤再分布速率模拟中表现出不稳定性，且效率较低。在预测流域尺度的土壤有机碳分布方面，SPCR 模型显著优于 SOLSRf 模型。主成分分析（TPCs）通过将15个地形指标转换为相互独立（正交）的组分，消除了多重共线性问题，同时揭示了地形指标之间的潜在关系。根据地形指标在各组分上的高载荷值（&#62; 0.35），TPC1、TPC2、TPC3、TPC6 和 TPC7 分别与径流速度、土壤含水量、径流量、流线发散度和流速加速度相关。在WCW流域中，土壤再分布速率和土壤有机碳分布的空间格局与土壤含水量和径流发散度高度相关，这一结果与 Fox 和 Papanicolaou2 的研究一致，后者表明，在地形起伏较小的农业流域中，来自高地的侵蚀土壤可能受到径流发散的影响。
此外，SPCR 模型中的预测变量数量少于 SOLSRf 和 SOLSRr 模型，从而降低了预测模型过拟合的风险42,43。所有 SOLSR 模型中的变量均超过六个，这可能会增加数据解释的难度，并导致模型模拟中的高方差41,44,45。这可能解释了SOLSR模型在WCW预测效率上低于SPCR模型的原因。
基于地形的SPCR模型在模拟土壤再分配及其相关的土壤有机碳（SOC）动态方面具有优势。首先，地形信息可轻松从数字高程模型（DEM）中提取。近年来，高空间分辨率LiDAR数据的可获取性不断提高，有助于提高基于DEM提取的地形精度，从而有利于在野外观测数据有限的区域开展研究。其次，通过一组地形指标和统计分析方法，基于地形的模型能够高效地量化土壤再分配和土壤有机碳分布格局。第三，在应用于多个空间尺度时，主成分分析的应用可有效减少地形指标间多重共线性所带来的偏差，并提高逐步回归模型的稳定性。
然而，SPCA模型在模型构建过程中可能受到多种变量的限制。尽管LiDAR数据在生态学研究中的应用日益广泛，但从中提取有用地形信息的方法尚未得到充分探索。本研究中，TWI和LsRe分别与土壤有机碳密度和土壤再分布速率表现出最高的相关性。然而，可能还存在其他未被考虑的地形变量，在解释土壤侵蚀和碳动态方面同样重要甚至更为关键。此外，本研究未包含可能引起土壤侵蚀变异的其他因素，例如管理措施。例如，当耕作方向与最大坡度方向平行时，土壤侵蚀量可能达到斜向耕作并翻土上坡时的两倍46。因此，不同的耕作方式也可能是导致SPCR模型预测效率降低的原因之一。
本研究基于发表在《Catena》上的论文17。与《Catena》论文中采用的基于机理分析地形对土壤移动和土壤性质的影响不同，本文重点讨论量化地形指标的方法以及构建基于地形的模型。我们探讨了在研究土壤性质空间结构时使用基于地形模型的可行性与优势。同时，我们通过更新坡长因子和汇流累积的算法改进了模型。坡长因子的测量尺度限定在田块范围内。此外，采用确定性无穷算法（deterministic infinity algorithm）生成汇流累积。与Li et al.17报道的使用确定性八节点算法生成汇流累积的方法相比，本研究采用的无穷算法减少了流向角度中的循环现象，被证明是低起伏地形区域更优的算法47。
综上所述，我们的结果表明，基于地形的SPCR模型在模拟农田土壤有机碳（SOC）分布和土壤再分配模式方面具有可行性。作为一种估算SOC储量和土壤再分配速率的低成本方法，该模型适用于观测数据有限以及缺乏公共访问权限的私有土地。在未来的研究中，随着LiDAR数据的进一步优化与可获取性提升，以及更多地形指标的引入，预测模型有望得到进一步改进。基于这些模型生成的大尺度土壤属性图将有助于深入理解地形对农业景观中土壤迁移过程的影响机制，以及流域和区域尺度上SOC的归趋。

土壤再分布（侵蚀与沉积）对土壤有机碳（SOC）储量和动态具有显著影响。目前已有越来越多的研究致力于探讨 SOC 如何在景观尺度上发生剥离、搬运和沉积1,2,3。由水蚀引起的重力驱动土壤运移影响着碳（C）的固定以及 SOC 的空间分布4,5,6。在耕作农田中，耕作导致的土壤迁移是引起碳再分布的另一重要过程7,8,9。耕作侵蚀会引起大量土壤颗粒净向坡下移动，从而导致田块内部的土壤空间变异10。水蚀和耕作侵蚀均显著受地形地貌的影响，地形决定了侵蚀区和沉积区的空间位置11。因此，要有效调控农业土壤侵蚀并深入研究碳动态，亟需更好地理解地形对土壤侵蚀与迁移过程的控制作用。
多项研究已探讨了地形对土壤再分布及其相关的土壤有机碳（SOC）动态的影响9,12,13,14,15,16,17。Van der Perk et al.12 报道，地形因子可解释土壤再分布变异性的43%。Rezaei 和 Gilkes13 发现，由于遮阴坡面温度较低且蒸发量较小，相较于其他坡向的草地土壤，其土壤有机碳含量更高。由于地形形态与耕作方式之间的相互作用，地形对传统耕作农田土壤再分布的影响可能比最小化耕作农田更为显著9。然而，这些结论主要基于田间观测，而在更大空间尺度上研究土壤属性仍存在困难。目前迫切需要发展新的策略，以有效理解流域和区域尺度上土壤属性的空间分布格局。
本研究的目的是开发高效的模型，以模拟土壤再分布和土壤有机碳（SOC）分布。已开发出基于地形的模型，利用地形指标作为预测因子，用于量化土壤侵蚀和沉积过程。与采用离散田间采样来模拟土壤侵蚀的经验性或过程性侵蚀模型相比18,19，基于地形的模型可基于高分辨率数字高程模型（DEM）提取的地形信息构建，从而实现流域或区域尺度上土壤属性的连续模拟。在过去几十年中，随着高分辨率遥感数据的日益可获取，地形信息的精度已显著提高。尽管以往研究已采用基于地形的模型来模拟土壤属性12,20,21,22，但大多数研究仅使用单一地形指标或单一类别的地形指标（局部、非局部或组合地形指标），可能未能充分揭示地形对土壤微生物活性的影响。因此，为了更深入理解地形对土壤侵蚀和碳动态的控制作用，我们考察了一套全面的地形指标，包括局部、非局部及组合地形指标，并建立了多变量的基于地形的模型以模拟土壤属性动态。这些模型的应用有望为更好的土壤侵蚀控制和农业土地管理提供科学支持。
地形指标通常分为三类：a）局部地形指标，b）非局部地形指标，或 c）综合地形指标。局部地形指标指地表某一点的局部特征；非局部地形指标指所选点之间的相对位置关系；综合地形指标则整合了局部与非局部地形指标。本研究采用了一组影响土壤侵蚀与沉积的地形指标，以探讨地形对土壤运移及碳储量的控制作用（表1）。具体而言，我们使用了四种局部地形指标［坡度（slope）、剖面曲率（P_Cur）、平面曲率（Pl_Cur）、总体曲率（G_Cur）］、七种非局部地形指标［汇流累积量（FA）、地形起伏度、正向开敞度（POP）、上游坡度（UpSl）、流径长度（FPL）、下坡指数（DI）、汇水区面积（CA）］以及三种综合地形指标［地形湿度指数（TWI）、水流动力指数（SPI）和坡长因子（LS）］。

<table><tbody><tr><td>激光探测与测距（LiDAR）数据&amp;nbsp;</td><td></td><td>http://www.geotree.uni.edu/lidar/</td><td>来自GeoTREE LiDAR测绘项目&amp;nbsp;</td></tr><tr><td>LECO CNS 2000元素分析仪&amp;nbsp;</td><td>LECO Corp., St. Joseph, MI</td><td></td><td></td></tr><tr><td>Canberra Genie-2000能谱分析系统</td><td>CANBERRA Industries</td><td></td><td></td></tr><tr><td>全球定位系统</td><td>Trimble&amp;nbsp;</td><td>RTK 4700 GPS</td><td></td></tr><tr><td>ArcGIS</td><td>ESRI, Redlands, CA</td><td>10.2.2</td><td></td></tr><tr><td>地理科学分析自动化系统&amp;nbsp;</td><td>SAS Institute Inc</td><td></td><td></td></tr><tr><td>地理科学分析系统（SAGA）&amp;nbsp;</td><td>德国哥廷根大学&amp;ouml;&amp;nbsp;</td><td>v. 2.2.5, http://www.saga-gis.org/</td><td>GNU通用公共许可证</td></tr></tbody></table>

利用主成分分析放大地形模型以绘制土壤再分布和土壤有机碳分布图

Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon

地形地貌是影响土壤形成的关键因素，在地表土壤性质的决定过程中起着重要作用，因为它调控了由径流和耕作活动引起的重力驱动型土壤移动。近年来，激光雷达（LiDAR）数据的应用有望生成高空间分辨率的地形指标，可用于研究土壤性质的空间变异性。本研究利用从LiDAR数据中提取的15种地形指标，探讨地形对土壤再分布及土壤有机碳（SOC）空间分布的影响。具体而言，我们探索了使用地形主成分（TPCs）来表征地形指标，并采用逐步主成分回归（SPCR）方法，在样地和流域尺度上构建基于地形的土壤侵蚀和SOC模型。SPCR模型的性能通过与逐步普通最小二乘回归（SOLSR）模型的对比进行评估。结果表明，SPCR模型在不同空间尺度上预测土壤再分布速率和SOC密度方面优于SOLSR模型。使用TPCs可消除各输入变量之间的潜在共线性，而通过主成分分析（PCA）实现的降维可降低预测模型过拟合的风险。本研究提出了一种在多种空间尺度上模拟土壤再分布的新方法。一个具体应用情境是，对私有土地的访问通常受限，因此有必要将代表性研究样地的研究结果外推至包含私有土地的更大区域。

景观过程是土壤形成的关键组成部分，在决定景观中土壤性质和空间结构方面起着重要作用。我们提出一种新方法，采用逐步主成分回归来预测不同空间尺度下的土壤再分配和土壤有机碳含量。

地形地貌是影响土壤形成的关键因素，在决定地表土壤特性方面起着重要作用，因为其……

该方法有助于解答农业领域的关键问题，例如景观地形如何影响土壤侵蚀和土壤有机质动态。该技术的主要优势在于其适用于观测数据有限的地点，并可对土壤有机碳储量和土壤再分布过程进行成本效益较高的估算。首先，从GeoTREE激光雷达测绘项目网站收集数据。选择边界类型和区域，以缩放到特定区域。然后绘制一个多边形，以下载所选研究区域的激光雷达数据瓦片。使用地理信息系统制图工具将原始激光雷达数据转换为 LAS 文件。接下来，使用反距离权重插值法生成空间分辨率为三米的数字高程模型（DEMs）。对三米分辨率的数字高程模型使用三核低通滤波器进行两次滤波，以降低与局部变化相关的噪声。为生成地形指标，首先在导入/导出部分点击“导入栅格”（Import Raster），将滤波后的三米数字高程模型导入SAGA中。接下来，使用默认设置点击 SAGA 中的坡度、坡向和曲率模块，利用滤波后的 DEM 生成坡度、与曲率相关的指标以及总体曲率指标。点击 SAGA 的自上而下汇流累积模块，并选择“确定性无穷法”作为方法，利用滤波后的 DEM 生成汇流累积指标。随后，使用默认设置点击 SAGA 地形开阔度模块，利用经过 z 轴放大处理的滤波图像生成正向开阔度指标。在数字高程模型中增大垂直距离，可提高相对平坦地表区域正开放度的可区分性。使用默认设置点击 SAGA 的 LS-Factor Field Based 模块，利用滤波后的数字高程模型生成坡长因子和上游坡度因子指标。接着，使用默认设置点击 SAGA 的 Flow Path Length 模块，利用滤波后的数字高程模型生成水流路径长度指标。使用默认设置点击 SAGA 的 Downslope Distance Gradient 模块，利用滤波后的 DEM 生成坡度下降指数指标。接着，点击 SAGA Wetness Index 模块，并选择绝对汇水面积作为面积类型，以利用滤波后的 DEM 生成汇水面积和地形湿度指数指标。然后，点击 SAGA 的 Stream Power Index 模块，并选择伪比汇水面积作为面积转换方式，以利用滤波后的 DEM 生成河流动力指数指标。随后，生成多个半径的最大高程图。通过三核低通滤波器对最大高程图进行两次滤波。将滤波后的三米数字高程模型（DEM）从滤波后的最大高程图中减去，得到一系列地貌图。提取一系列地形变量至多个位置。对地形变量进行主成分分析，将地形转化为地形起伏组分。选择能够解释地形数据集90%以上方差的主成分作为地形起伏度量指标。使用均值和标准差对七幅起伏图进行标准化。通过将标准化后的地形起伏与其对应的载荷加权求和，创建地形起伏主成分。在构建地形起伏指标时，需在不同空间尺度上生成起伏图像，以降低因半径选择的任意性所带来的不确定性，因为地形起伏对土壤属性的影响可能受其空间尺度的制约。选择若干能够充分代表研究区域景观特征的农田样地位置，以及若干可进行密集采样的典型小规模农田。将所有采样点的坐标上传至基于代码的地理定位系统，并在实地准确定位。随后，使用推进式取样钻，在每个采样点从表层30厘米土壤中采集三个样品。使用地理定位系统记录采样地点的地理坐标信息。随后，用2毫米筛网对土壤样品进行过筛。干燥后称量土壤样品的质量。利用采样点的样品总体积和重量计算土壤密度。将同一位置的三个样品混合，得到混合土壤样品。取过筛土壤的10克子样品，使用滚磨机研磨成极细的粉末。现在，通过在1350摄氏度下使用CN元素分析仪进行燃烧，测定滚筒研磨样品的土壤总碳含量。在马弗炉中灼烧土壤有机质后，通过分析残留的碳来估算碳酸钙中的碳含量。接着，将未经研磨的2毫米筛分土壤样品放入马林诺夫斯基烧杯中并密封。将烧杯放入探测器中，利用接收来自三个高纯度同轴锗晶体输入信号的8192道分析仪组成的能谱系统，通过γ射线分析测定每个样品的铯浓度。记录铯浓度测定结果。最后，在电子表格插件程序中应用质量平衡模型II，根据铯存量计算土壤再分布速率。在爱荷华州核桃溪流域随机选取了460个农田位置，以获取地形信息。本文展示了地形指标与土壤有机碳密度、土壤再分布之间的相关性分析结果。其中，地形湿度指数与土壤有机碳密度的相关性最高，而大尺度地形起伏度与土壤再分布速率的相关性最强。两种指标的空间分布模式显示，在洼地地区数值较高，而在坡地和山脊地区数值较低。然而，在沟渠区域，两种指标之间存在差异：地形湿度指数表现出极高的数值，而大尺度地形起伏度的数值与邻近区域相比并无明显不同。用于构建基于地形模型的五个地形主成分在此列出。逐步普通最小二乘回归模型结合全部变量分别解释了土壤有机碳密度和土壤再分布速率中超过70%和65%的变异性。对于剔除共线性协变量后的模型，模拟效率略低于包含全部变量的逐步普通最小二乘回归模型。对于SPCR模型，其模拟效率与剔除共线性协变量后的逐步普通最小二乘回归模型相似。由SPCR模型生成的土壤再分配和土壤有机碳密度图揭示了模型模拟结果与野外实测数据之间的一致性模式。该技术为农业领域研究人员探索流域及区域尺度上的土壤再分配和有机质分布格局提供了新的途径。通过进一步优化激光雷达（light detection and ranging）数据并引入更多地形指标，该技术有望得到进一步改进。

use-principal-components-for-scaling-up-topographic-models-to-map

Research

科研

JoVE Journal

Environment

环境

利用主成分扩展地形模型绘制土壤再分配和土壤有机碳

介绍了一种从土壤中原位获取的X射线计算机断层扫描数据中获得根系结构可视化与定量信息的方法。...

从土壤中根系的三维X射线计算机断层扫描数据中提取根系参数：体积与表面积分析

近年来的研究表明，重复土壤采样是监测森林土壤在多年乃至数十年间变化的有效方法。为了支持该方法的应用，本文提供了一项综合了最新土壤再采样技术信息的方案，以协助设计和实施成功的土壤监测项目。...

森林土壤化学浓度变化监测中的土壤再取样方法

土壤侵蚀和沉积的空间格局可通过在适当时间间隔内测绘的地表高程差异推断得出。这些高程变化与近地表土壤碳酸盐的变化相关。本文介绍了对这些参数进行野外和实验室重复测量以及数据分析的可重复方法。...

测量与绘制农业管理下与土壤碳酸盐浓度相关的土壤侵蚀和沉积模式

传统的土壤采样方法任意地确定土壤样本数量。本文提出一种简单而高效的聚类土壤采样设计，用于展示土壤空间异质性，并定量确定所需土壤样本数量及相关采样精度。...

在异质性研究样地中进行土壤采样

本方案介绍了一种利用薄膜扩散梯度（DGT）结合质谱成像技术，对多种不稳定的无机营养元素和污染物溶质进行亚毫米级二维可视化的实验流程。文中详细描述了溶质采样及高分辨率化学分析方法，用于对陆生植物根际溶质进行定量分布图谱绘制。...

土壤中不稳定的无机植物养分与污染物的二维可视化与定量分析

本文所述的验证方法可适用于监测添加了含碱土金属硅酸盐岩石（如硅灰石、玄武岩和橄榄石）的各种农业土壤中成土无机碳的封存情况。此类验证对于碳信用计划至关重要，有助于将碳封存在其农田中的农民获益。...

监测改良硅酸盐矿物在农业土壤中风化引起的成土无机碳积累

土壤密度分组法可将土壤有机质分离为具有不同稳定机制、化学性质和周转时间的独立组分。利用特定密度的多钨酸钠溶液，可分离游离态颗粒有机质和矿物结合态有机质，从而获得适用于描述土壤对管理和气候变化响应的有机质组分。...

利用土壤密度分馏法分离不同的土壤碳库

本方案涵盖一种四步大范围成像调查方法，用于提取珊瑚礁群落的结构复杂性、群落组成以及种群人口统计学指标。该方案的每一步均优先确保所采集图像的质量以及对原始图像的集成访问。...

利用大面积成像测量水下环境的结构、组成及变化

本方法介绍了如何构建和操作一个连续的13C和15N同位素标记室，用于植物组织的均一或差异标记。文中讨论了对柳枝稷（Andropogon...

用于植物同位素均匀或差异性代谢与结构标记的连续13C和15N标记室的设计与操作

在一项关于尿素（一种非点源环境污染物）归趋与迁移的研究中，使用降雨模拟器向压实的土壤箱施加了稳定且均匀的降雨。在土壤条件和降雨条件均保持均匀的情况下，前期土壤含水量对尿素通过地表径流的流失具有显著控制作用。...

一种用于研究土壤径流的降雨模拟实验方案

了解利用主成分扩展地形模型预测土壤再分配和土壤有机碳的方法。该技术适用于观测数据有限的区域，为农业研究提供经济高效的土壤碳储量估算方案。

利用主成分分析放大地形模型以绘制土壤再分布和土壤有机碳分布图

探索更多视频