Name: Utilizzo di componenti Principal per Scaling Up modelli topografici per mappare la ridistribuzione del suolo e del suolo di carbonio organico (Video) | JoVE Journal
Uploaded: 2018-10-16T14:00:00.000+00:00
Duration: 9 min 44 s
Description: Scopri la regressione a componenti principali per stimare la redistribuzione del suolo e il carbonio organico. Questo metodo economico utilizza metriche topografiche per studiare l'erosione e la dinamica della materia organica in aree con dati limitati.

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

playerTrialDesktop

Questa ricerca è stata sostenuta da USDA Natural Resources Conservation Service in collaborazione con il componente di zona umida il progetto di valutazione effetti di conservazione nazionale (NRC 67-3A75-13-177).

1. rilievo topografici analisi
<ol><li>Pre-elaborazione dei dati digitali<ol>
<li>Raccogliere dati LiDAR dal sito del progetto di mappatura GeoTREE LiDAR. Selezionare "tipo di limite" e "regione" per ingrandire un'area specifica. Disegnare un poligono per scaricare LiDAR piastrelle per l'area di studio selezionato.</li>
		<li>Convertire i dati LiDAR non elaborati in un file LAS utilizzando lo strumento di mappatura geografica informazioni sistema (GIS).</li>
		<li>Generare DEMs con una risoluzione spaziale di 3-m tramite interpolazione inversa distanza ponderata.</li>
		<li>Filtrare i DEMs 3-m due volte con un filtro passa-basso 3-kernel per ridurre rumori associato con variazione locale.</li>
	</ol>
</li>
	<li>Generazione di metrica topografica<ol>
<li>Per generare metriche topografica, prima di scaricare l'ultima versione del sistema per analisi Geoscientific automatizzato (SAGA)23. Fare clic su "Importazione Raster" nella sezione Importazione/esportazione per importare i DEMs 3M filtrati nella SAGA.</li>
		<li>Fare clic sul modulo "Pendenza, esposizione, curvatura" della SAGA con le impostazioni predefinite per generare la pendenza e curvatura-correlati [profilo di curvatura (P_Cur), piano di curvatura (Pl_Cur) e curvatura generale (G_Cur)] metrica utilizzando i DEMs filtrati (Figura 1).</li>
		<li>Scegliere il modulo di "Accumulo di flusso (Top-Down)" della SAGA e selezionare "Deterministico infinito" come il metodo per generare metrica di accumulo (FA) di flusso utilizzando la DEMs filtrata.</li>
		<li>Scegliere il modulo di "SAGA topografica apertura" con le impostazioni predefinite per generare la metrica di apertura positiva (POP) usando un'immagine amplificata filtrata dell'asse z.</li>
		<li>Scegliere il modulo di "LS-fattore (campo base)" della SAGA con le impostazioni predefinite per generare la pendenza di salita (Upsl) e metriche di fattore (LS_FB) di lunghezza utilizzando i DEMs filtrati del pendio.</li>
		<li>Fare clic sul modulo di "lunghezza di percorso di flusso del" della SAGA con le impostazioni predefinite per generare la metrica di lunghezza (FPL) percorso di flusso utilizzando la DEMs filtrata.</li>
		<li>Fare clic sul modulo "Downslope distanza sfumatura" della SAGA con le impostazioni predefinite per generare la metrica di indice (DI) lungo il pendio utilizzando la DEMs filtrata.</li>
		<li>Fare clic sul modulo "Indice di umidità SAGA" e selezionare "bacino assoluto" come tipo di zona per generare il bacino di utenza (CA) e metriche di indice (TWI) topografica umidità utilizzando i DEMs filtrati.</li>
		<li>Fare clic sul modulo "Stream Power Index" della SAGA e selezionare "pseudo specifico bacino di utenza" come la conversione di Area per generare la metrica di index (SPI) potere di flusso utilizzando la DEMs filtrata.</li>
		<li>Generare mappe di elevazione massima con raggi multipli. Filtrare le mappe di elevazione massima due volte attraverso un filtro passa-basso kernel 3. Sottrarre il filtrato DEM 3-m dalle mappe di elevazione massima filtrata per ottenere una serie di mappe in rilievo. Estrarre una serie di variabili di rilievo per un numero di posizioni.</li>
		<li>Eseguire analisi delle componenti principali (PCA) sulle variabili sollievo per convertire i rilievi in componenti di rilievo topografico. Selezionare i componenti principali che spiegano più di 90% varianza del dataset sollievo come le metriche di rilievo topografico.</li>
	</ol>
</li>
</ol>2. raccolta dei dati
<ol><li>Campionamento del campo<ol>
<li>Selezionare un numero di posizioni di campo campo di grano che possono adeguatamente rappresentare le caratteristiche di paesaggio della zona di studio e diversi campi rappresentante cropland su piccola scala che possono essere provati intensivamente. Nota: I campioni di suolo raccolti dai due campi coltivabili sono stati utilizzati per la calibrazione del modello. Campioni di suolo raccolti dall'intera area di studio sono stati utilizzati per la convalida del modello.</li>
		<li>Caricare tutte le coordinate di posizione del campione su un base di codice geografico sistema di posizionamento (GPS) e localizzarli fisicamente nei campi.</li>
		<li>Raccogliere 3 campioni per ogni posizione di campionamento dallo strato di terra alto 30 cm utilizzando una sonda (3,2 cm di diametro). Nota: Sono stati raccolti campioni di suolo da strati di 30-50 cm in siti dove era prevista la deposizione di sedimenti. Il volume di ogni campione è stato 241 cm3.</li>
		<li>Registrare informazioni sulle coordinate geografiche di campionamento posizioni utilizzando il GPS.</li>
		<li>Pesare i campioni del terreno dopo la loro essiccazione a 90 ° C per densità di 48 h. Calculate del terreno utilizzando informazioni di volumi di campione totale a pesi e punti di campionamento. Mescolare i tre campioni dalla stessa posizione per ottenere un campione di terreno composito.</li>
	</ol>
</li>
	<li>Preparazione del campione di suolo<ol>
<li>Passare al setaccio i campioni di terreno composito con uno schermo di 2 mm.</li>
		<li>Macinare un sottocampione di 10 g di terreno setacciato una polvere molto fine con un mulino a rulli.</li>
	</ol>
</li>
	<li>Analisi del campione di suolo<ol>
<li>Misurare il terreno totale contenuto di carbonio (C) in campioni di rullo fresato attraverso combustione su un analizzatore elementare CN ad una temperatura di 1350 ° C. Consente di stimare il contenuto di carbonato di calcio C analizzando il C rimanenti dopo la materia organica del suolo ad una temperatura di 420 ° C per 16 ore in un forno di cottura.</li>
		<li>Calcolare SOC contenuto (%) sottraendo il contenuto di carbonato di calcio C dal suolo totale C contenuto. Convertire SOC contenuto (%) a densità SOC (kg m-2) utilizzando la densità del terreno.</li>
		<li>Mettere i campioni di terreno setacciato 2 mm alla rinfusa in bicchieri di Marinelli e li sigilla. Misurare la concentrazione di Cs 137di ciascun campione attraverso l'analisi di raggi utilizzando un sistema di spettroscopia che riceve gli input dai tre cristalli di germanio coassiale di elevata purezza (HpCN30% di efficienza) in analizzatori di 8192-canale (Vedi tabella materiali ).</li>
		<li>Calibrare il sistema usando un analitico del radionuclide misto standard11. Convertire 137concentrazione Cs all'inventario di Cs 137utilizzando la densità del terreno.</li>
		<li>Calcolare il tasso di ridistribuzione del suolo utilizzando 137Cs inventario applicando il Mass Balance modello II (MBMII) in un foglio di calcolo aggiuntivo programma sviluppato da Walling et al. 24.</li>
	</ol>
</li>
</ol>3. base di topografia modello sviluppo
<ol><li>Valutazione topografica componente principale<ol>
<li>Estrarre le misurazioni topografiche per campionamento posizioni nei campi coltivabili su piccola scala e l'intera area di studio.</li>
		<li>Standardizzare le metriche topografiche di punti di campionamento nell'area di studio intero utilizzando media e deviazione standard. Stimare i carichi di metrica topografici in ogni componente in base alle metriche topografiche standardizzate utilizzando PCA con software di analisi statistica. Raccogliere i carichi metrici topografici in ogni componente principale topografica (TPC) e selezionare il TPC superiore che spiegare la varianza di 90% di tutte le metriche.</li>
		<li>Standardizzare le metriche topografiche di punti di campionamento nei campi coltivabili su piccola scala. Calcolare il TPC superiore per ogni posizione di somma delle metriche topografiche standardizzate ponderate mediante i corrispondenti carichi dai punti di campionamento in WCW.</li>
	</ol>
</li>
	<li>Calibrazione del modello<ol>
<li>Eseguire la regressione stepwise ordinaria almeno quadrato (SOLSR) per sviluppare modelli basati su topografia SOLSRf per densità SOC e tassi di ridistribuzione del suolo basati su tutte le metriche di rilievi topografiche presso i campi coltivabili su piccola scala. Utilizzo informazioni di Akaike (AIC) e leave-one-out cross-validazione per selezionare la combinazione ottimale di topografica metriche per i modelli dif SOLSR meglio attrezzati.</li>
		<li>Verifica la collinearità tra le variabili topografiche utilizzando il fattore di inflazione della varianza (VIF). Rimuovere le variabili con la più grande VIF (VIF ≥ 7,525) e controllare di nuovo VIF. Rimuovere le variabili fino a VIFs di tutte le variabili sono < 7.5. Eseguire SOLSR per sviluppare modelli basati sulla topografia SOLSRr per densità SOC e tassi di ridistribuzione sulla base di metriche topografiche che sono stati rimossi la collinearità alta variabili di suolo. Utilizzare le AIC e leave-one-out cross-validazione per selezionare la combinazione ottimale per i modelli dir SOLSR meglio attrezzati.</li>
		<li>Eseguire la regressione stepwise componente principale (SPCR) per sviluppare modelli SPCR basati su topografia per densità SOC e tassi di ridistribuzione basati su TPC presso i campi coltivabili su piccola scala di suolo. Consente di selezionare la combinazione ottimale di TPC per i modelli SPCR meglio attrezzati l'AIC e leave-one-out cross-validazione.</li>
		<li>Calcolare il coefficiente di determinazione (Radj2), Nash-Sutcliffe efficienza (NSE) e rapporto dell'errore quadratico medio per la deviazione standard dei dati misurati (RSR) per valutare l'efficienza del modello adattato.</li>
	</ol>
</li>
	<li>Valutazione del modello<ol>
<li>Stima della densità di SOC e tassi di ridistribuzione nell'area dell'intero studio di suolo applicando i modelli stimati.</li>
		<li>Convalidare il modello sviluppato confrontando pronostico con set di dati misurati di densità SOC e tassi di ridistribuzione nell'area dell'intero studio di suolo. Valutare le performance del modello utilizzando Radj2, NSE e RSR valori.</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>

Gli autori non hanno nulla a rivelare.

I modelli dif SOLSR avevano prestazioni leggermente migliori rispetto ai modelli SPCR nella taratura a scala di campo. Tuttavia, alcuni dei parametri topografici, come SPI e CA (r > 0.80), sono strettamente correlati con l'altro. La collinearità potrebbe aggiungere incertezze per le previsioni del modello. A causa della multicollinearità tra predittori, piccoli cambiamenti nelle variabili di input può significativamente influenzare il modello previsioni41. Di conseguenza, i modelli dif SOLSR tendeva ad essere instabile e ha mostrato bassi efficienza nelle simulazioni di tasso di ridistribuzione di densità e suolo SOC a scala di bacino idrografico. I modelli SPCR sovraperformato sostanzialmente i modelli dif SOLSR in previsione della distribuzione SOC a scala di bacino idrografico. TPCs eliminare la multicollinearità convertendo le quindici metriche topografiche in componenti reciprocamente indipendenti (ortogonale). La conversione ha scoperto anche relazioni sottostanti tra parametri topografici. Come indicato dai carichi elevati (> 0.35) di rilievi topografici metriche per i componenti, il TPC1 TPC2, TPC3, TPC6 e TPC7 sono stati associati con velocità di deflusso, contenuto idrico del terreno, volume di deflusso, divergenza di flusso e accelerazione del flusso, rispettivamente. Modelli spaziali di tassi di ridistribuzione del suolo e distribuzione SOC altamente sono state correlate con contenuto d'acqua del terreno e divergenza di deflusso in WCW, che è coerente con lo studio della Fox e Papanicolaou2, che ha dimostrato che erose del suolo da Upland potrebbe essere influenzato dalla divergenza di flusso in un basso-rilievo agricolo spartiacque.
Inoltre, un minor numero di variabili predittive nei modelli SPCR rispetto al SOLSRf e modellir SOLSR ha ridotto il rischio di sovra-raccordo il pronostico modelli42,43. C'erano più di sei variabili in tutti i modelli SOLSR, che possono aumentare la difficoltà di interpretazione dei dati e indurre alta varianza nel modello simulazioni41,44,45. Questo può spiegare le efficienze di stima inferiore in WCW dai modelli SOLSR rispetto ai modelli di SPCR.
Topografia-base SPCR modelli presentano vantaggi simulazione di ridistribuzione di suolo e associati dinamica SOC. In primo luogo, topografiche informazioni possono essere facilmente derivate da DEMs. Recente maggiore accessibilità dell'elevata risoluzione spaziale dei dati LiDAR può aiutare a migliorare l'accuratezza della topografia del paesaggio DEM-derivato e apprezzati indagini nelle regioni con le osservazioni di campo limitato. In secondo luogo, utilizzando una serie di analisi statistiche e metriche topografica, i modelli basati su topografia possono efficacemente quantificare ridistribuzione del suolo e i modelli di distribuzione SOC. In terzo luogo, l'applicazione della componente principale può efficacemente ridurre i pregiudizi associati multicollinearità delle metriche topografica e aumentare la stabilità dei modelli di regressione stepwise quando applicato a più scale spaziali.
Tuttavia, i modelli di SPCA possono essere limitati dalle variabili durante lo sviluppo del modello. Anche se l'applicazione dei dati LiDAR aumentato negli studi ecologici, i metodi per derivare informazioni topografiche utili non sono ancora state completamente esplorati. In questo studio, il TWI e LsRe ha mostrato le correlazioni più alte con densità SOC e tassi di ridistribuzione del suolo, rispettivamente. Tuttavia, ulteriori variabili topografiche che non sono considerate possono essere altrettanto o più importante nello spiegare l'erosione del suolo e le dinamiche di C. Inoltre, altri fattori quali le pratiche di gestione, che possono causare la variabilità di erosione del suolo, non sono stati inclusi in questo studio. Ad esempio, quando la lavorazione era parallela alla direzione di massima pendenza, l'erosione del suolo può raddoppiare rispetto l'erosione in coltivazione canalini trasformando suolo scoccato46. Di conseguenza, pratiche di coltivazione differenti possono anche essere un motivo per le efficienze di ridotta stima dei modelli SPCR.
Lo studio è basato sul libro pubblicato in Catena17. Invece di un'analisi basata su meccanicistico di influenze topografiche sul movimento del terreno e proprietà del suolo come eseguita nella carta Catena, qui ci siamo concentrati sui metodi per quantificare topografica metriche e lo sviluppo di modelli basati su topografia. Abbiamo discusso la fattibilità e i vantaggi dell'utilizzo di modelli basati su topografia negli studi della struttura spaziale della proprietà del suolo. Nel frattempo, abbiamo migliorato i nostri modelli aggiornando gli algoritmi di accumulo di fattore e flusso di lunghezza di pendio. La scala di misura del fattore di lunghezza pendenza era limitata alla zona del campo. Inoltre, l'algoritmo deterministico infinity è stato utilizzato per la generazione di accumulo di flusso. Confrontato con il metodo segnalato in Li et al. 17 che ha generato l'accumulo di flusso con un algoritmo deterministico di otto nodi, l'algoritmo di sfioro adottato in questo studio riduce i cicli negli angoli di direzione del flusso e si è rivelato per essere un algoritmo migliore per basso rilievo aree47.
In conclusione, i nostri risultati dimostrano la fattibilità di modelli basati su topografia SPCR nel simulare SOC distribuzione e modelli di ridistribuzione del suolo nei campi dell'agricoltura. Come un metodo conveniente per stimare gli stock SOC e tassi di ridistribuzione del suolo, è applicabile a siti con limitati dati osservativi e terreni privati privi di accesso pubblico. In futuro gli studi, il pronostico modelli potrebbero essere migliorate con ulteriore affinamento e la disponibilità di dati LiDAR e l'inclusione di ulteriori metriche topografica. Le mappe di proprietà del terreno su larga scala che sono state sviluppate sulla base dei modelli condurrà ad ulteriore comprensione dei meccanismi che gli impatti topografici sul movimento del terreno in paesaggi agricoli e il destino del SOC a scala regionale e spartiacque.

Ridistribuzione del suolo (erosione e deposizione) esercita un impatto significativo sulle riserve di carbonio organico (SOC) di terreno e dinamiche. Aumentando gli sforzi sono stati dedicati ad indagare come SOC è staccato, trasportati e depositati sopra il paesaggio1,2,3. Carbon (C) sequestro e distribuzione SOC sono influenzati dal movimento di gravità del suolo indotta da acqua erosione4,5,6. Nei campi coltivati, lo spostamento del terreno di coltivazione è un altro importante processo contribuendo a C ridistribuzione7,8,9. Lavorazione del terreno erosione provoca un movimento lungo il pendio netto considerevole di particelle di suolo e conduce ad una variazione di terreno all'interno del campo10. Erosione di lavorazione del terreno e dell'acqua sono significativamente influenzata da topografia del paesaggio, che determina le posizioni dei siti erosiva e deposizionale11. Di conseguenza, regolamento di erosione di terreno efficace e C indagine dinamica nelle chiamate di terreni agricoli per una migliore comprensione dei controlli topografici su erosione del suolo e movimenti.
Parecchi studi hanno studiato l'impatto della topografia sulla ridistribuzione del suolo e albergo associato SOC dynamics9,12,13,14,15,16, 17. van der Perk et al. 12 segnalati che fattori topografici spiegato 43% della variabilità nella ridistribuzione del suolo. Rezaei e Gilkes13 trovato superiore SOC in terreni su un aspetto ombroso, a causa di temperature più basse e meno evaporazione rispetto ad altri aspetti in pascoli. Topografia può avere un impatto più significativo sulla ridistribuzione del suolo in terreni agricoli con trattamento tradizionale lavorazione rispetto a quelli con minima lavorazione, a causa delle interazioni tra morfologia e lavorazione pratiche9. Tuttavia, questi risultati sono stati ricavati principalmente da osservazioni di campo, che presentano difficoltà nell'investigare le proprietà del suolo a scala territoriale più ampia. C'è un urgente bisogno di sviluppare nuove strategie per comprendere efficacemente modelli spaziali di proprietà del terreno alle scale regionali e spartiacque.
L'obiettivo di questo studio è quello di sviluppare modelli efficienti per simulare la ridistribuzione del suolo e distribuzione SOC. Modelli basati su topografia utilizzando metriche topografica come predittori sono stati sviluppati per quantificare i processi di erosione e deposizione del suolo. Confrontato con empirica o processo basati erosione modelli quello impiegato campionamenti discreti campo per simulare suolo erosione18,19, modelli basati su topografia potrebbero essere sviluppati basato su informazioni topografiche derivati da digitale modelli di elevazione (DEM) con risoluzioni elevate. Questo approccio consente simulazioni di proprietà terreno continuo al bacino idrografico o su scala regionale. Negli ultimi decenni diversi, accuratezza delle informazioni topografiche è sostanzialmente migliorata, con l'aumento della disponibilità di dati ad alta risoluzione in modalità remota percepito. Sebbene gli studi precedenti hanno impiegato i modelli basati su topografia per simulare il terreno proprietà12,20,21,22, la maggior parte di queste indagini usato una singola metrica topografica o per categoria di metriche topografica (locale, non locale o combinato topografica metriche), che non abbiano sufficientemente esplorato topografici impatti sull'attività microbica del terreno. Pertanto, per ottenere una migliore comprensione dei controlli di topografia per l'erosione del suolo e la dinamica di C, abbiamo esaminato una serie completa di metriche topografica tra cui metriche topografiche locali, non locale e combinato e sviluppato multi-variabile basato su topografia modelli per simulare la dinamica di proprietà del suolo. Le applicazioni di questi modelli devono fornire un supporto scientifico per migliore controllo di erosione del suolo e gestione di terreni agricoli.
Topografiche metriche sono generalmente classificati in tre categorie: metriche topografica) locali, b) non locale topografica metriche o c) combinato metriche topografica. Metriche topografiche locali si riferiscono alle caratteristiche locali di un punto sulla superficie della terra. Non-locale topografiche metriche consultare la posizione relativa dei punti selezionati. Metriche topografiche combinati integrano metriche topografiche locali e non locali. Un set di metriche topografiche che interessano l'erosione del suolo e deposizione sono stati utilizzati in questo studio per indagare i controlli topografici sul movimento del terreno e le scorte di C (tabella 1). In particolare, abbiamo usato quattro metriche topografiche locali [pendenza, curvatura del profilo (P_Cur), piano di curvatura (Pl_Cur), curvatura generale (G_Cur)], sette non locale topografiche metriche [accumulo di flusso (FA), rilievo topografico, apertura positiva (POP), salita pendenza (UpSl), lunghezza del percorso di flusso (FPL), lungo il pendio indice (DI), bacino di utenza (CA)], e tre unita metriche topografiche [Indice topografico umidità (TWI), indice di potenza del flusso (SPI) e fattore di lunghezza di pendio (LS)].

<table><tbody><tr><td>Dati LiDAR (Light Detection and Ranging)&nbsp;</td><td></td><td>http://www.geotree.uni.edu/lidar/</td> <td>Raccolto dal progetto di mappatura LiDAR GeoTREE&nbsp;</td></tr><tr><td>Analizzatore elementare LECO CNS 2000</td><td>LECO Corp., St. Joseph, MI</td><td></td><td></td></tr><tr><td>Canberra Genie-2000 Sistema di spettroscopia</td><td>CANBERRA Industries</td><td></td><td></td></tr><tr><td>Sistema di posizionamento geografico</td><td>Trimble&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>Sistema di analisi statistica&nbsp;</td><td>SAS Institute Inc</td><td></td><td></td></tr><tr><td>Sistema per l'analisi geoscientifica automatizzata&nbsp;</td><td>Università di G&ouml; ttingen, Germania&nbsp;</td><td>v. 2.2.5, http://www.saga-gis.org/</td> GNU <td>General Public License</td></tr></tbody></table>

utilizzo di componenti principal per scaling up modelli topografici per mappare la ridistribuzione del suolo e del suolo di carbonio organico

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

Paesaggio topografia è un fattore critico che interessano la formazione del terreno e svolge un ruolo importante nel determinare la proprietà del terreno sulla superficie terrestre, come regola il movimento di gravità del suolo indotto dalle attività di deflusso e lavorazione del terreno. La recente applicazione di Light Detection and Ranging (LiDAR) dati tiene la promessa per la generazione di statistiche topografica di elevata risoluzione spaziale che può essere utilizzato per studiare la variabilità di proprietà del terreno. In questo studio, quindici topografiche metriche derivate da dati LiDAR sono stati utilizzati per indagare topografici impatti sulla ridistribuzione del suolo e della distribuzione spaziale di carbonio organico del suolo (SOC). In particolare, abbiamo esplorato l'uso di componenti principali rilievi topografici (TPC) per la caratterizzazione di topografia metriche e regressione stepwise componente principale (SPCR) per sviluppare modelli di SOC alla scala sito e spartiacque e l'erosione del suolo basato su topografia. Prestazioni dei modelli di SPCR è stata valutata contro graduale ordinaria almeno quadrato (SOLSR) i modelli di regressione. Risultati hanno mostrato che SPCR modelli ha superato SOLSR modelli nel predire tassi di ridistribuzione del suolo e la densità SOC a diverse scale spaziali. Uso di TPCs rimuove potenziali collinearità tra le variabili di input individuali e riduzione della dimensionalità di analisi delle componenti principali (PCA) diminuisce il rischio di overfitting i modelli di previsione. Questo studio propone un nuovo approccio per la modellazione di ridistribuzione del suolo attraverso varie scale spaziali. Per una sola applicazione, l'accesso a terreni privati è spesso limitata, e la necessità di estrapolare i risultati da siti di studio rappresentativo per impostazioni più grandi che includono terreni privati può essere importante.

Processi di paesaggio sono componenti critici della formazione del terreno e svolgono un ruolo importante nel determinare la proprietà del suolo e struttura spaziale in paesaggi. Vi proponiamo un nuovo approccio usando la regressione stepwise componente principale per predire la ridistribuzione del suolo e carbonio organico del suolo attraverso varie scale spaziali.

Utilizzo di componenti Principal per Scaling Up modelli topografici per mappare la ridistribuzione del suolo e del suolo di carbonio organico

Landscape topography is a critical factor affecting soil formation and plays an important role in determining soil properties on the earth surface, as it ...

Questo metodo può aiutare a rispondere a domande chiave nel campo agricolo, come come la topografia del paesaggio può influenzare l'erosione del suolo e la dinamica della materia organica del suolo. Il vantaggio principale di questa tecnica è che è applicabile a siti con osservazioni limitate e fornisce una stima economica degli stock di carbonio organico del suolo e dei processi di ridistribuzione del suolo. In primo luogo, raccogliere dati dal sito Web GeoTREE Light Detection and Ranging Mapping Project.Selezionare il tipo di limite e l'area per ingrandire un'area specifica. Quindi, disegna un poligono per scaricare il rilevamento della luce e le tessere che vanno per l'area di studio selezionata. Convertire il rilevamento della luce grezza e i dati che vanno in un file LAS utilizzando lo strumento di mappatura del sistema informativo geografico.Successivamente, genera modelli di elevazione digitale, o DEMS, con una risoluzione termalee di tre metri usando l'interpolazione ponderata per la distanza inversa. Filtrare il DEMS di tre metri due volte con un filtro passa-basso a tre kernel per ridurre i rumori associati alla variazione locale. Per generare metriche topografiche, fare innanzitutto clic su Importa raster nella sezione Importa/Esporta per importare il DEMS filtrato di tre metri in SAGA.Fate quindi clic sul modulo Pendenza (Slope), Aspetto (Aspect), Curvatura (Curvature) di SAGA con le impostazioni di default per generare la pendenza, la metrica correlata alla curvatura e la metrica di curvatura generale utilizzando le DEM filtrate. Fate clic sul modulo Top-Down di SAGA per l'accumulo di flusso e selezionate Infinito deterministico (Deterministic Infinity) come metodo per generare la metrica di accumulo del flusso utilizzando le DEM filtrate. In seguito, fate clic sul modulo Apertura topografica SAGA con le impostazioni predefinite per generare la metrica di apertura positiva utilizzando un'immagine amplificata dell'asse Z filtrato.L'ingrandimento delle distanze verticali nei modelli di elevazione digitale migliora la distinguibilità dell'apertura positiva nei siti con una superficie relativamente piatta. Fare clic sul modulo LS-Factor Field Based di SAGA con le impostazioni predefinite per generare le metriche del fattore di pendenza e lunghezza della pendenza dell'uplope utilizzando le DEM filtrate. Fare quindi clic sul modulo Lunghezza percorso flusso di SAGA con le impostazioni predefinite per generare la metrica della lunghezza del percorso del flusso utilizzando le DEM filtrate.Fate clic sul modulo Sfumatura distanza discesa (Downslope Distance Gradient) di SAGA con le impostazioni predefinite per generare la metrica indice di discesa utilizzando le DEM filtrate. Fare ora clic sul modulo Saga Wetness Index e selezionare il bacino di urti assoluto come tipo di area per generare il bacino di urti e le metriche dell'indice di umidità topografica utilizzando le DEM filtrate. Fare clic sul modulo Stream Power Index di SAGA e selezionare lo pseudo specifico bacino di urti come conversione dell'area per generare la metrica dell'indice di potenza del flusso utilizzando le DEM filtrate.In seguito, generare mappe di elevazione massime con più raggi. Filtrare le mappe di elevazione massima due volte tramite un filtro passa-basso a tre kernel. Sottrarre il DEM filtrato di tre metri dalle mappe di elevazione massima filtrate per ottenere una serie di mappe di rilievo.Estrarre una serie di variabili di scarico in diverse posizioni. Eseguire l'analisi dei componenti principali sulle variabili di scarico per convertire gli rilievi in componenti di rilievo topografici. Selezionare i componenti principali che spiegano oltre il 90% della varianza del set di dati di scarico come metriche topografiche di scarico.Standardizzare le sette mappe di scarico utilizzando la deviazione media e standard. Create componenti principali di scarico per somma dello scarico topografico standardizzato ponderato in base ai carichi corrispondenti. Durante la creazione della metrica di rilievo, è importante generare immagini di rilievo su varie scale spaziali per limitare le incertezze associate alla selezione arbitraria del raggio perché i controlli del rilievo sulle proprietà del suolo potrebbero essere influenzati da scale spaziali di rilievo.Selezionare una serie di località di campo coltivate in grado di rappresentare adeguatamente le caratteristiche paesaggistiche dell'area di studio e diversi campi coltivati rappresentativi su piccola scala che possono essere campionati intensamente. Caricare tutte le coordinate della posizione di esempio in un sistema di posizionamento geografico basato su codice e individuarle fisicamente nel campo. Successivamente, raccogliere tre campioni per ogni posizione di campionamento dallo strato di terreno superiore di 30 centimetri utilizzando una sonda push.Registrare le informazioni sulle coordinate geografiche delle posizioni di campionamento utilizzando il sistema di posizionamento geografico. In seguito, setacciare il campione di terreno con uno schermo di due millimetri. Pesare i campioni di terreno dopo l'essiccazione.Calcolare la densità del suolo utilizzando i volumi totali del campione nelle posizioni e nei pesi di campionamento. Mescolare i tre campioni dalla stessa posizione per ottenere un campione di terreno composito. Macinare un sottocampione da 10 grammi del terreno setacciato in una polvere molto fine con un mulino a rulli.Ora, misurare il contenuto totale di carbonio del suolo nel campione fresato a rulli attraverso la combustione su un analizzatore elementare CN a una temperatura di 1350 gradi Celsius. Dopo aver cotto la materia organica del suolo in un forno, stimare il contenuto di carbonato di calcio analizzando il carbonio rimanente. Ora, posizionare i campioni di terreno setacciati alla rinfusa di due millimetri nei becher Marinelli e sigillarli.Posizionare il becher nel rivelatore e misurare la concentrazione di cesio di ogni campione attraverso l'analisi dei raggi gamma utilizzando un sistema di spettroscopia che riceve input da tre cristalli di germanio coassiale ad alta purezza in analizzatori a 8,192 canali. Registrare la produzione di concentrazione di cesio. Infine, calcola il tasso di ridistribuzione del suolo utilizzando l'inventario del cesio applicando il Mass Balance Model II in un programma di componenti aggiuntivi per fogli di calcolo.460 posizioni sui campi coltivati sono state selezionate casualmente per ricavare informazioni topografiche nello spartiacque di Walnut Creek in Iowa. Qui vengono presentati i risultati delle analisi di correlazione tra metriche topografiche e densità organica del carbonio del suolo, ridistribuzione del suolo. L'indice topografico di umidità e il rilievo topografico su larga scala hanno mostrato rispettivamente le più alte correlazioni con i tassi di densità e ridistribuzione del suolo.I modelli spaziali delle due metriche mostravano valori elevati nell'area depressionale e valori bassi nelle aree inclinate e di cresta. Tuttavia, le differenze tra le due metriche si sono verificate nelle aree di fossato, dove l'indice di umidità topografica mostrava valori estremamente alti, ma i valori di rilievo topografico su larga scala non erano diversi dalle aree adiacenti. Qui sono elencati cinque componenti principali topografici selezionati per creare modelli basati sulla topografia.Oltre il 70 e il 65% della variabilità nella densità organica del carbonio del suolo e nei tassi di ridistribuzione del suolo sono stati spiegati rispettivamente dal modello di regressione minima quadrata ordinario graduale con variabili intere. Per i modelli con covariato collineare rimosso, le efficienze di simulazione erano leggermente inferiori al modello di regressione minima quadrata ordinario graduale con il modello di variabili intere. Per i modelli SPCR, vengono osservate efficienze di simulazione simili a come il modello di regressione minima quadrata ordinario graduale con covariato collineare rimosso.La ridistribuzione del suolo e le mappe della densità organica del carbonio del suolo generate dai modelli SPCR hanno rivelato modelli coerenti tra simulazioni di modelli e misurazioni sul campo. Questa tecnica apre la strada ai ricercatori nel campo dell'agricoltura per esplorare la ridistribuzione del suolo e i modelli di materia organica a livello spartiacque e regionale. La tecnica potrebbe essere migliorata con un ulteriore perfezionamento del rilevamento della luce e dati che vanno e l'inclusione di metriche topografiche aggiuntive.

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

Research

Ricerca

JoVE Journal

Environment

Ambiente

campionamento del suolo ripetuto è stato recentemente dimostrato di essere un modo efficace per monitorare il cambiamento del suolo della foresta nel corso degli anni e decenni. Per supportare il suo uso, un protocollo viene presentato che sintetizza le informazioni più recenti sui metodi di ricampionamento terreno per aiutare nella progettazione e realizzazione di programmi di monitoraggio del suolo di successo.

I metodi di ricampionamento suolo per monitorare i cambiamenti delle concentrazioni chimiche di foresta Suoli

Modelli spaziali di erosione e deposizione possono essere dedotte dalle differenze in elevazione di terreno mappato a incrementi di tempo appropriato. Tali cambiamenti in elevazione sono correlati ai cambiamenti in carbonati vicino alla superficie del suolo. Qui vengono descritti metodi ripetibile per misure in campo e in laboratorio di questi metodi di analisi quantitativi e dati.

Misura e mappatura modelli di erosione e deposizione relazionati al suolo carbonato concentrazioni sotto gestione agricola

La tradizionale procedura di campionamento del suolo determina il numero di campioni di terreno arbitrariamente. Qui, forniamo un semplice ma efficiente cluster disegno di campionamento del suolo per dimostrare la eterogeneità spaziale del suolo e determinare quantitativamente il numero di campioni di terreno necessari e l'accuratezza del campionamento associato.

Campionamento di suoli in una ricerca eterogenea trama

Questo protocollo presenta un flusso di lavoro per la visualizzazione 2D sub-mm di più specie di nutrienti inorganici labili e soluti contaminanti utilizzando gradienti diffusivi in pellicole sottili (DGT) combinati con l'imaging della spettrometria di massa. Il campionamento del soluto e l'analisi chimica ad alta risoluzione sono descritti in dettaglio per la mappatura quantitativa dei soluti nella rizosfera delle piante terrestri.

Visualizzazione bidimensionale e quantificazione di labile, nutrienti vegetali inorganici e contaminanti nel suolo

Il metodo di verifica qui descritto è adattabile per il monitoraggio del sequestro del carbonio inorganico pedogenico in vari suoli agricoli modificati con rocce contenenti silicati di terra alcalina, come wollastonite, basalto e olivina. Questo tipo di convalida è essenziale per i programmi di credito al carbonio, che possono avvantaggiare gli agricoltori che sequestreranno carbonio nei loro campi.

Monitoraggio dell'accumulo di carbonio inorganico pedogenico a causa dell'erosione dei minerali silicati modificati nei suoli agricoli.

Il frazionamento della densità del suolo separa la materia organica del suolo in pool distinti con diversi meccanismi di stabilizzazione, sostanze chimiche e tempi di rotazione. Le soluzioni di politungstato di sodio con densità specifiche consentono la separazione del particolato libero e della materia organica associata ai minerali, dando luogo a frazioni di materia organica adatte a descrivere la risposta del suolo alla gestione e ai cambiamenti climatici.

Utilizzo del frazionamento della densità del suolo per separare i pool di carbonio del suolo distinti

Questo protocollo copre una metodologia di indagine di imaging su vasta area in quattro fasi utilizzata per estrarre metriche di complessità strutturale, composizione della comunità e dati demografici della popolazione per le comunità della barriera corallina. La qualità delle immagini raccolte e l'accesso integrato alle immagini di origine sono prioritari in ogni fase del protocollo.

Misurazione della struttura, della composizione e del cambiamento degli ambienti subacquei con l'imaging di grandi aree

Il protocollo comprende quattro fasi integrate: indagine con veicoli aerei senza pilota (UAV), raccolta di dati di accuratezza del terreno, calcolo dell'indice di vegetazione e classificazione e mappatura assistita dall'IA delle comunità vegetali delle zone umide costiere. Il risultato è un dataset geospaziale multilivello che supporta applicazioni in ecologia, monitoraggio ambientale e decisioni per la conservazione e gestione degli habitat umidi costieri.

Metodo semi-automatizzato per mappare e classificare comunità vegetali costiere boreali di zone umide utilizzando droni e dati del suolo

Questo metodo spiega come costruire e gestire un continuo 13 C e 15 N isotopo camera di etichettatura uniforme o l'etichettatura tessuti vegetali differenziale. I risultati rappresentativi da metabolico e l'etichettatura strutturale gerardii Andropogon sono discussi.

Progettazione e funzionamento di un continuo<sup&gt; 13</sup&gt; C e<sup&gt; 15</sup&gt; N Etichettatura Camera di Uniform o differenziale, metaboliche e strutturali, Flora Isotope Labeling

Il carbonio organico labile (LOC) e il potenziale tasso di ricambio del carbonio sono indicatori sensibili dei cambiamenti nei processi di ciclo dei nutrienti del suolo. Vengono forniti dettagli per un metodo basato sulla fumigazione e l'incubazione del terreno in una serie di cicli e utilizzando la CO2 accumulata durante i periodi di incubazione per stimare questi parametri.

Valutazione della Labile carbonio organico nel suolo Uso delle procedure sequenziale fumigazione incubazione

Scopri la regressione a componenti principali per stimare la redistribuzione del suolo e il carbonio organico. Questo metodo economico utilizza metriche topografiche per studiare l'erosione e la dinamica della materia organica in aree con dati limitati.

Utilizzo di componenti Principal per Scaling Up modelli topografici per mappare la ridistribuzione del suolo e del suolo di carbonio organico (Video) | JoVE Journal

Utilizzo di componenti Principal per Scaling Up modelli topografici per mappare la ridistribuzione del suolo e del suolo di carbonio organico

Esplora altri video