토양 재배포 및 토양 유기 탄소를 매핑할 지형 모델 확장에 대 한 주요 부품의 사용

이 방법은 조경 지형이 토양 침식 및 토양 유기물 역학에 영향을 미칠 수있는 방법과 같은 농업 분야의 주요 질문에 대답하는 데 도움이 될 수 있습니다. 이 기술의 주요 장점은 제한된 관찰이있는 사이트에 적용 할 수 있으며 토양 유기 탄소 재고 및 토양 재분배 공정의 비용 효율적인 추정을 제공한다는 것입니다. 먼저 GeoTREE 조명 감지 및 배열 매핑 프로젝트 웹 사이트에서 데이터를 수집합니다.

특정 영역으로 확대할 경계 유형 및 영역을 선택합니다. 그런 다음 다각형을 그려 선택한 학습 영역에 대한 광 감지 및 배열 타일을 다운로드합니다. 원시 광 감지 및 범위 데이터를 지리적 정보 시스템 매핑 도구를 사용하여 LAS 파일로 변환합니다.

다음으로 역거리 가중 보간을 사용하여 3미터 간격 해상도로 디지털 고도 모델 또는 DEMS를 생성합니다. 3미터 DEMS를 3커널 로우 패스 필터로 두 번 필터링하여 로컬 변화와 관련된 소음을 줄입니다. 지형 메트릭을 생성하려면 먼저 가져오기/내보내기 섹션에서 래스터 가져오기를 클릭하여 필터링된 3미터 DEMS를 SAGA로 가져옵니다.

다음으로, SAGA의 경사, 양상, 곡률 모듈을 기본 설정으로 클릭하여 경사, 곡률 관련 메트릭 및 필터링된 DEM을 사용하여 일반 곡률 메트릭을 생성합니다. SAGA의 흐름 축적 하향식 모듈을 클릭하고 필터링된 DEM을 사용하여 유량 축적 메트릭을 생성하는 방법으로 결정적 무한대를 선택합니다. 다음, 필터링 된 z 축 증폭 이미지를 사용하여 긍정적 인 개방성 메트릭을 생성하려면 기본 설정과 사가 지형 개방 성 모듈을 클릭합니다.

디지털 고도 모델의 수직 거리 확대는 상대적으로 평평한 표면을 가진 사이트에서 긍정적인 개방성의 구별성을 향상시킵니다. 기본 설정과 함께 사가의 LS-팩터 필드 기반 모듈을 클릭하여 필터링된 DEM을 사용하여 경사 경사 및 경사 길이 계수 메트릭을 생성합니다. 다음으로, 필터링된 DEM을 사용하여 유동 경로 길이 메트릭을 생성하려면 기본 설정과 함께 SAGA의 흐름 경로 길이 모듈을 클릭합니다.

SAGA의 다운슬로프 거리 그라데이션 모듈을 기본 설정과 함께 클릭하여 필터링된 DEM을 사용하여 다운슬로프 인덱스 메트릭을 생성합니다. 이제 사가 습윤 지수 모듈을 클릭하고 절대 유역 영역을 영역 유형으로 선택하여 필터링된 DEM을 사용하여 유역 영역 및 지형 습윤 지수 메트릭을 생성합니다. 사가의 스트림 전원 인덱스 모듈을 클릭하고, 필터링된 DEM을 사용하여 스트림 전원 인덱스 메트릭을 생성하기 위해 영역 변환으로 의사 특정 유역 영역을 선택합니다.

이에 따라 반지름이 여러 최대 고도 맵을 생성합니다. 최대 고도 맵을 3커널 로우 패스 필터를 통해 두 번 필터링합니다. 필터링된 최대 고도 맵에서 필터링된 3미터 DEM을 빼서 일련의 릴리프 맵을 가져옵니다.

일련의 릴리프 변수를 여러 위치에 추출합니다. 릴리프 변수에 대한 주 성분 분석을 수행하여 릴리프를 지형 릴리프 구성 요소로 변환합니다. 릴리프 데이터 집합의 90% 이상의 분산을 지형 완화 메트릭으로 설명하는 주 구성 요소를 선택합니다.

평균 및 표준 편차를 사용하여 일곱 개의 릴리프 맵을 표준화합니다. 해당 로딩에 의해 가중된 표준화된 지형 릴리프를 합하면 릴리프 주 구성요소를 만듭니다. 릴리프 메트릭을 만드는 동안 토양 특성에 대한 완화 제어가 공간 적 완화 의 척도에 의해 영향을 받을 수 있으므로 임의의 반경 선택과 관련된 불확실성을 제한하기 위해 다양한 공간 척도에서 릴리프 이미지를 생성하는 것이 중요합니다.

연구 영역의 풍경 특성과 집중적으로 샘플링할 수 있는 여러 대표적인 소규모 농경지 필드를 적절히 나타낼 수 있는 여러 농경지 필드 위치를 선택합니다. 모든 샘플 위치 좌표를 코드 기반 지리적 위치 지정 시스템에 업로드하고 필드에 물리적으로 찾습니다. 다음으로 푸시 프로브를 사용하여 상위 30센티미터 토양 층에서 각 샘플링 위치에 대해 세 가지 샘플을 수집합니다.

지리적 위치 지정 시스템을 사용하여 샘플링 위치의 지리적 좌표 정보를 기록합니다. 이에 따라 토양 샘플을 2밀리미터 화면으로 체로 처리합니다. 건조 후 토양 샘플을 계량합니다.

샘플링 위치와 가중치에서 총 샘플 볼륨을 사용하여 토양 밀도를 계산합니다. 동일한 위치에서 세 개의 샘플을 혼합하여 복합 토양 샘플을 가져옵니다. 체질 토양의 10그램 서브샘플을 롤러밀로 매우 미세한 분말로 갈아보세요.

이제 1350°C의 온도에서 CN 원소 분석기의 연소를 통해 롤러 밀링 샘플의 토양 총 탄소 함량을 측정합니다. 토양 유기물을 용광로로 베이킹한 후 남은 탄소를 분석하여 탄산칼슘 탄소 함량을 추정합니다. 이제 마리넬리 비커에 벌크 2밀리미터 체질 토양 샘플을 배치하고 밀봉하십시오.

비커를 검출기에 배치하고, 3개의 고순도 동축 게르마늄 결정에서 8, 192 채널 분석기로 입력을 수신하는 분광계 시스템을 사용하여 감마선 분석을 통해 각 시료의 세슘 농도를 측정한다. 세슘 농도 출력을 기록합니다. 마지막으로 스프레드시트 추가 프로그램에 질량 대차대조표 모델 II를 적용하여 세슘 재고를 사용하여 토양 재분배 속도를 계산합니다.

460 작물 필드 위치는 무작위로 아이오와의 월넛 크릭 유역에서 지형 정보를 파생하도록 선택되었다. 지형 메트릭과 토양 유기 탄소 밀도 사이의 상관 관계 분석 의 결과, 토양 재분배는 여기에 제시된다. 지형습지수와 대규모 지형완화는 밀도및 토양재분배율과 각각 가장 높은 상관관계를 보였다.

두 메트릭의 공간 패턴은 우울증 영역에서 높은 값과 경사진 및 능선 영역에서 낮은 값을 보여 주었다. 그러나 지형습지수가 매우 높은 값을 나타내고 있지만 대규모 지형 완화의 값이 인접 영역과 다르지 않은 도랑 지역에서 두 메트릭 간의 차이가 발생했습니다. 지형 기반 모델을 빌드하기 위해 선택된 5개의 지형 주성분이 여기에 나열되어 있습니다.

토양 유기 탄소 밀도 및 토양 재분배 비율의 70 및 65% 이상은 전체 변수를 가진 단계별 최저 제곱 회귀 모델에 의해 설명되었다. 콜리니어 코바레아테를 제거한 모델의 경우, 시뮬레이션 효율성은 전체 변수 모델을 가진 단계별 일반 최소 정사각형 회귀 모델보다 약간 낮았다. SPCR 모델의 경우, 콜리니어 코바레를 제거한 단계별 일반 최소 정사각형 회귀 모델과 유사한 시뮬레이션 효율이 관찰된다.

SPCR 모델에서 생성된 토양 재분배 및 토양 유기 탄소 밀도 맵은 모델 시뮬레이션과 현장 측정 사이의 일관된 패턴을 드러냈습니다. 이 기술은 농업 분야의 연구원들이 유역 및 지역 비늘에서 토양 재분배 및 유기물질 패턴을 탐구할 수 있는 길을 열어줍니다. 이 기술은 광 검출및 데이터 범위의 추가 개선 및 추가 지형 메트릭의 포함으로 개선 될 수 있습니다.