Name: Gebruik van Principal Components voor schaalvergroting van modellen van de topografische kaart van herverdeling van de bodem en bodemverontreiniging organische koolstof (Video) | JoVE Journal
Uploaded: 2018-10-16T14:00:00.000+00:00
Duration: 9 min 44 s
Description: Leer stapsgewijze principale componentenregressie toe te passen voor het voorspellen van bodemherverdeling en organisch koolstofgehalte. Deze methode biedt een kosteneffectieve schatting van bodemkoolstofvoorraden.

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

Dit onderzoek werd gesteund door de USDA natuurlijkehulpbronnen instandhouding Service i.s.m. het Wetland onderdeel van de nationale instandhouding effecten beoordeling Project (NRC 67-3A75-13-177).

1. topografische Analyses
<ol><li>Digitale gegevens voorbehandelen<ol>
<li>LiDAR gegevens verzamelen van de GeoTREE LiDAR website van het project van de toewijzing. Selecteer "grens type" en "regio" in te zoomen in een specifiek gebied. Een veelhoekige hotspot om te downloaden van LiDAR tegels voor het geselecteerde studiegebied tekenen.</li>
		<li>De ruwe LiDAR gegevens omzetten in een LAS-bestand met behulp van het hulpprogramma voor toewijzing van geografische informatie systeem (GIS).</li>
		<li>DEMs genereren met een 3-m ruimtelijke resolutie met behulp van inverse afstand gewogen interpolatie.</li>
		<li>Filter de 3-m DEMs tweemaal met een 3-kernel low-pass filter om geluiden koppelen aan lokale variatie.</li>
	</ol>
</li>
	<li>Topografische metrische generatie<ol>
<li>Topografische statistieken te genereren, moet u eerst de nieuwste versie van het systeem voor geautomatiseerde geowetenschappelijke analyse (SAGA)23downloaden. Klik op "Importeren Raster" in de sectie importeren/exporteren om de gefilterde 3-m DEMs importeren SAGA.</li>
		<li>Klik op de "Helling, Aspect, kromming" module van SAGA met de standaardinstellingen voor het genereren van de helling en kromming-gerelateerde [profiel kromming (P_Cur), plan kromming (Pl_Cur), en algemene kromming (G_Cur)] statistieken met behulp van de gefilterde DEMs (Figuur 1).</li>
		<li>Klik op de "Flow accumulatie (Top-Down)" module van SAGA en selecteer "Deterministische infinity" als de methode voor het genereren van stroom accumulatie (FA) metrisch met behulp van de gefilterde DEMs.</li>
		<li>Klik op de "SAGA topografische openheid"-module met de standaardinstellingen voor het genereren van de metric van de positieve openheid (POP) met behulp van een versterkte beeld van gefilterde z-as.</li>
		<li>Klik op de "LS-factor (veld gebaseerd)" module van SAGA met de standaardinstellingen voor het genereren van de buigpunten helling (Upsl) en lengte factor (LS_FB) statistieken met behulp van de gefilterde DEMs helling.</li>
		<li>Klik op de "Flow weglengte" module van SAGA met de standaardinstellingen voor het genereren van de stroom pad lengte (FPL) metric met behulp van de gefilterde DEMs.</li>
		<li>Klik op de "Top afstand Gradient" module van SAGA met de standaardinstellingen voor het genereren van de index (DI)-metric van top met behulp van de gefilterde DEMs.</li>
		<li>Klik op de module "SAGA nattigheid Index" en selecteer "absolute stroomgebied" als het tekstvlak voor het genereren van het stroomgebied (CA) en topografische nattigheid index (TWI) statistieken met behulp van de gefilterde DEMs.</li>
		<li>Klik op de "Index van de macht van de Stream" module van SAGA en selecteer "pseudo-specifieke stroomgebied" als de conversie van de ruimte voor het genereren van de stream macht index (SPI) metric met behulp van de gefilterde DEMs.</li>
		<li>Maximale hoogte kaarten met meerdere radiuses genereren. Filtreer de maximale hoogte kaarten tweemaal door een 3-kernel low-pass filter. De gefilterde 3-m DEM uit de gefilterde maximale hoogte kaarten om te krijgen een aantal kaarten van de vrijstelling aftrekken. Pak een aantal opluchting variabelen op een aantal locaties.</li>
		<li>Belangrijkste componenten analyse (PCA) op de opluchting variabelen om te zetten van de reliëfs in topografische verlichting onderdelen uitvoeren. Selecteer principale componenten die verklaren meer dan 90% variantie van de dataset van opluchting als de topografische opluchting statistieken.</li>
	</ol>
</li>
</ol>2. het verzamelen van de gegevens van veld
<ol><li>Veld bemonstering<ol>
<li>Selecteer een aantal akkerland veld locaties die de kenmerken van het landschap van het studiegebied adequaat kunnen vertegenwoordigen en verschillende representatieve kleinschalige akkerland velden die intensief kunnen worden bemonsterd. Opmerking: De bodemmonsters verzameld uit de twee akkerland velden werden gebruikt voor het kalibreren van het model. Bodemmonsters verzameld uit het gehele studiegebied werden gebruikt voor modelvalidatie.</li>
		<li>De coördinaten voor de locatie monster uploaden naar een op basis van code geografische positiebepalingssysteem (GPS) en fysiek zoek hen in de velden.</li>
		<li>3 monsters voor elke bemonstering locatie ophalen door de bodemlaag van de bovenste 30 cm met een push-sonde (3.2 cm diameter). Opmerking: Bodemmonsters uit 30-50 cm lagen werden verzameld op sites waar de afzetting van sediment werd verwacht. Het volume van elk monster was 241 cm3.</li>
		<li>Geografische coördinaten recordgegevens van bemonstering van locaties met behulp van GPS.</li>
		<li>Weeg de bodemmonsters na het drogen ze bij 90 ° C gedurende 48 h. berekenen bodem dichtheid met behulp van informatie van totale steekproef volumes op bemonstering locaties en gewichten. Meng de drie monsters van dezelfde locatie om een samengestelde bodemmonster.</li>
	</ol>
</li>
	<li>Bereiding van de monsters van de bodem<ol>
<li>Zeef de samengestelde bodemmonsters met een 2-mm-scherm.</li>
		<li>Een deelmonster van 10 g van het gezeefde grond tot een zeer fijn poeder vermalen met een roller molen.</li>
	</ol>
</li>
	<li>Bodem monster analyses<ol>
<li>Meten van de bodem totale koolstofgehalte (C) in roller gemalen monsters door verbranding op een CN elemental analyzer bij een temperatuur van 1350 ° C. Schatten calciumcarbonaat C inhoud door het analyseren van de resterende C na het bakken van organisch bodemmateriaal, bij een temperatuur van 420 ° C gedurende 16 uur in een oven.</li>
		<li>Bereken SOC inhoud (%) door calciumcarbonaat C inhoud van totale bodem C inhoud af te trekken. SOC inhoud (%) omzetten in SOC dichtheid (kg m-2) met behulp van de dichtheid van de bodem.</li>
		<li>Zet de bulk 2-mm gezeefde bodemmonsters in Marinelli bekers en verzegelen. Meten van 137Cs concentratie van elk monster door gammastraling analyse met behulp van een systeem van spectroscopie die ingangen ontvangt van drie hoge zuiverheid coaxiale germanium kristallen (HpCN30% rendement) in 8192 vierkanaals Analysers (Zie tabel van materialen ).</li>
		<li>Kalibreer het systeem met behulp van een analytische gemengde radionuclide standaard11. 137Cs concentratie omzetten in 137Cs inventaris met behulp van de dichtheid van de bodem.</li>
		<li>Bodem herverdeling tarief met behulp van 137Cs inventaris door het toepassen van de massa balans Model II (MBMII) in een werkblad toe: voegen-in programma ontwikkeld door Walling et al. berekenen 24.</li>
	</ol>
</li>
</ol>3. topografie-gebaseerde Model ontwikkeling
<ol><li>Topografische belangrijkste component schatting<ol>
<li>Pak de topografische statistieken voor bemonstering van locaties in het hele studiegebied en de kleinschalige akkerland velden.</li>
		<li>De topografische statistieken van de bemonstering locaties in het hele studiegebied standaardiseren met behulp van de gemiddelde en de opgegeven standaarddeviatie. Schatten van de topografische metrische belastingen in elk onderdeel op basis van de gestandaardiseerde topografische statistieken partnerschaps-en samenwerkingsovereenkomst met statistische softwarepakket. Verzamelen van de topografische metrische belastingen in elke topografische belangrijkste component (TPC) en selecteer de bovenste TPCs die 90% variantie van alle statistieken te verklaren.</li>
		<li>Standaardiseren van de topografische statistieken van de locaties van de bemonstering op het gebied van kleinschalige akkerland. Bereken de hoogste TPCs voor elke locatie door de som van de gestandaardiseerde topografische statistieken gewogen met de overeenkomstige belastingen vanaf de locaties van de bemonstering in WCW.</li>
	</ol>
</li>
	<li>Model kalibratie<ol>
<li>Stapsgewijze gewone minste vierkante regressie (SOLSR) te ontwikkelen topografie-gebaseerde SOLSRf modellen voor SOC dichtheid en bodem herverdeling tarieven op basis van alle topografische statistieken op de kleinschalige akkerland velden uit te voeren. Gebruik Akaike informatie criterium (AIC) en verlof-one-out cross-validatie selecteren de optimale combinatie van topografische statistieken voor de best uitgeruste SOLSRf -modellen.</li>
		<li>Controleer de collineariteit onder de topografische variabelen met behulp van de variantie inflatie factor (VIF). Verwijderen van de variabelen met de grootste VIF (VIF ≥ 7.525), en controleer nogmaals VIF. De variabelen verwijderen totdat de VIFs van alle variabelen < 7.5 zijn. Uitvoeren van SOLSR voor het ontwikkelen van topografie-gebaseerde SOLSRr modellen voor SOC dichtheid en herverdeling tarieven op basis van topografische statistieken die verwijderd hoge collineariteit variabelen werden in de bodem. Kunt de AIC en verlof-one-out cross-validatie selecteren de optimale combinatie voor de best uitgeruste SOLSRr modellen.</li>
		<li>Stapsgewijze belangrijkste component regressie (SPCR-) ontwikkelen van topografie-gebaseerde SPCR-modellen voor SOC dichtheid en herverdeling tarieven op basis van de TPCs op de velden van kleinschalige akkerland in de bodem uit te voeren. Kunt de AIC en verlof-one-out cross-validatie selecteren de optimale combinatie van TPCs voor de best uitgeruste SPCR-modellen.</li>
		<li>Berekening van de gecorrigeerde coëfficiënt van bepaling (Radj2), Nash-Sutcliffe efficiëntie (NSE) en verhouding van de kwadratische gemiddelde fout de standaardafwijking van meetgegevens (RSR) te beoordelen van de efficiëntie van het model.</li>
	</ol>
</li>
	<li>Model-evaluatie<ol>
<li>Schatten van de SOC dichtheid en herverdeling tarieven in het gehele studiegebied in de bodem door de geschatte modellen toe te passen.</li>
		<li>Valideren van het ontwikkelde model door het vergelijken van voorspelling met gemeten dataset van SOC dichtheid en herverdeling tarieven in het gehele studiegebied in de bodem. Evalueren van de prestaties van de model met behulp van Radj2, NSE en RSR waarden.</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>

De auteurs hebben niets te onthullen.

De SOLSRf modellen had iets betere prestaties dan de SPCR-modellen in de kalibratie op de schaal van het veld. Echter zijn sommige van de topografische statistieken, zoals SPI en CA (r > 0.80), nauw met elkaar gecorreleerd. Het collineariteit kan onzekerheden aan modelvoorspellingen toevoegen. Vanwege de multicollinearity onder de voorspellers, kan kleine veranderingen in de invoervariabelen aanzienlijk beïnvloeden de model voorspellingen41. Dus de SOLSRf modellen neiging om onstabiel en toonde lage efficiëntie in simulaties van SOC dichtheid en bodem herverdeling tarief op de schaal van de waterscheiding. De SPCR-modellen overtroffen aanzienlijk de SOLSRf modellen in de voorspelling van SOC distributie op de schaal van de waterscheiding. TPCs elimineren de multicollinearity door het omzetten van de vijftien topografische statistieken in onderling onafhankelijke (orthogonale) onderdelen. De conversie ook ontdekt onderliggende relaties tussen topografische statistieken. Zoals aangegeven door de hoge belastingen (> 0.35) van topografische Maatstelsel van de componenten, werden de TPC1, TPC2, TPC3, TPC6 en TPC7 geassocieerd met afvoer snelheid, vochtgehalte van de bodem, afvoer volume, stroom divergentie en stroom versnelling, respectievelijk. Ruimtelijke patronen van bodem herverdeling tarieven en SOC distributie waren sterk gecorreleerd met bodem vochtgehalte en afvoer divergentie in de WCW, die strookt met de studie van Fox en Papanicolaou2, die aangetoond dat uitgehold bodem van Upland kan worden beïnvloed door stroom divergentie in een laag-reliëf landbouw waterscheiding.
Bovendien beperkt minder voorspeller variabelen in de SPCR-modellen dan de SOLSRf en SOLSRr modellen het risico van overdreven passen de voorspelling modellen42,43. Er waren meer dan zes variabelen in alle SOLSR modellen, die kunnen de moeilijkheid van de data interpretatie verhogen en induceren hoge variantie in model simulaties41,44,45. Dit kan goed zijn voor de lagere efficiency van de voorspelling in WCW door de modellen van de SOLSR dan door de SPCR-modellen.
Topografie-gebaseerde SPCR-modellen voordelen hebben in simuleren bodem herverdeling en bijbehorende SOC dynamiek. Eerste, topografische informatie kan gemakkelijk worden afgeleid uit DEMs. Recente grotere toegankelijkheid van de hoge ruimtelijke resolutie LiDAR gegevens kan helpen verbeteren van de nauwkeurigheid van DEM afkomstige landschap topografie en profiteren van onderzoek in regio's met beperkte veldwaarnemingen. Ten tweede, met behulp van een set van topografische metrics en statistische analyses, de topografie-gebaseerde modellen kunnen efficiënt kwantificeren bodem herverdeling en SOC distributiepatronen. Ten derde, de toepassing van de belangrijkste component kan effectief verminderen vooroordelen die zijn gekoppeld aan multicollinearity van topografische metrics en verhogen de stabiliteit van de stapsgewijze regressiemodellen wanneer toegepast op verschillende ruimtelijke schalen.
De SPCA modellen kunnen echter worden beperkt door variabelen tijdens de ontwikkeling van het model. Hoewel toepassing van de gegevens van LiDAR in ecologische studies toegenomen, is de methoden voor het afleiden van nuttige topografische informatie nog niet volledig onderzocht. In deze studie, de TWI en LsRe toonde de hoogste correlatie met SOC dichtheid en bodem herverdeling tarieven, respectievelijk. Aanvullende topografische variabelen die niet worden beschouwd als kunnen echter even of meer belangrijk in het verklaren van bodemerosie en C dynamiek. Daarnaast waren andere factoren zoals beheerspraktijken, waardoor grond erosie variabiliteit, niet opgenomen in deze studie. Bijvoorbeeld, toen grondbewerking parallel aan de richting van de maximale helling, kan bodemerosie verdubbelen ten opzichte van de erosie in slantwise grondbewerking bodem buigpunten46draaien. Verschillende grondbewerking praktijken kunnen ook dus een reden voor de verminderde voorspelling efficiency van de SPCR-modellen.
De studie is gebaseerd op het papier gepubliceerd in Catena17. In plaats van een mechanistische gebaseerde analyse van topografische invloeden op beweging van de bodem en bodemeigenschappen zoals uitgevoerd in de Catena papier, hier we gericht op de methoden voor het kwantificeren van de topografische statistieken en het ontwikkelen van topografie-gebaseerde modellen. Bespraken wij de haalbaarheid en de voordelen van het gebruik van topografie-gebaseerde modellen in studies van de ruimtelijke structuur van de bodemeigenschappen van de. Ondertussen, we onze modellen verbeterd door bijwerking van de algoritmen van de accumulatie van helling lengte factor en stroom. De omvang van de helling lengte factor meting was beperkt tot het gebied. Bovendien werd de deterministische infinity-algoritme gebruikt voor generatie van de accumulatie van de flow. Vergeleken met de methode gerapporteerd in Li et al. 17 die gegenereerd van accumulatie van de stroom met een deterministische acht knooppunten algoritme, het algoritme van de oneindigheid aangenomen in deze studie vermindert lussen in de hoeken van de stroom richting en bleek te zijn een betere algoritme voor laag reliëf gebieden47.
Kortom, onze resultaten tonen aan de haalbaarheid van topografie gebaseerde SPCR-modellen simuleren de SOC distributie en bodem herverdeling patronen in landbouw velden. Als een voordelige methode te schatten SOC voorraden en bodem herverdeling tarieven, is van toepassing op sites met beperkte observationele gegevens en particuliere landerijen ontbreekt van de toegang van het publiek. In de toekomst studies, de voorspelling modellen zou kunnen worden verbeterd met verdere verfijning en beschikbaarheid van LiDAR gegevens en integratie van aanvullende topografische metrics. De grootschalige eigenschap bodemkaarten die zijn ontwikkeld op basis van de modellen zal leiden tot meer inzicht in de mechanismen die ten grondslag liggen aan de topografische effecten op bodem beweging in agrarische landschappen en het lot van SOC op de waterscheiding en regionale schaal.

Herverdeling van de bodem (erosie en afzetting) oefent significante effecten op bodem organische koolstof (SOC) voorraden en dynamiek. Toenemende inspanningen hebben besteed aan het onderzoeken hoe SOC is vrijstaand, vervoerd en gestort meer dan het landschap1,2,3. Carbon (C) sekwestratie en SOC distributie worden beïnvloed door de zwaartekracht-gedreven bodem beweging geïnduceerd door water erosie4,5,6. In akkers is bodem translocatie door grondbewerking een ander belangrijk proces bij te dragen tot en met C herverdeling7,8,9. Grondbewerking erosie veroorzaakt een aanzienlijke netto top beweging van deeltjes van de bodem en leidt tot een binnen-veld bodem variatie10. Zowel water als grondbewerking erosie zijn sterk beïnvloed door de topografie van het landschap, die bepalend is voor de locaties van geërodeerd en energetisch sites11. Daarom effectieve bodemerosie verordening en C dynamisch onderzoek in landbouwgronden oproepen voor een beter begrip van topografische besturingselementen op bodemerosie en bewegingen.
Verschillende studies hebben onderzocht de effecten van topografie op bodem herverdeling en bijbehorende SOC dynamics9,12,13,14,15,16, 17. van der Perk et al. 12 gemeld dat topografische factoren verklaard 43% van de variabiliteit in de herverdeling van de bodem. Rezaei en Gilkes13 gevonden hogere SOC in de bodem op een schaduwrijke aspect, als gevolg van lagere temperaturen en minder verdamping in vergelijking met andere aspecten van de woeste gronden. Topografie wellicht meer significante effecten op bodem herverdeling in landbouwgronden met traditionele grondbewerking behandeling dan die met minimale grondbewerking, als gevolg van de interacties tussen landvormen en grondbewerking praktijken9. Echter, deze bevindingen werden voornamelijk ontleend veldwaarnemingen, die de huidige moeilijkheden bij het onderzoeken van de bodemeigenschappen op een breder ruimtelijke schaal. Er is een dringende behoefte aan het ontwikkelen van nieuwe strategieën om effectief begrijpen ruimtelijke patronen van bodemeigenschappen watershed en regionale schaal.
Het doel van deze studie is om efficiënte modellen te simuleren van herverdeling van de bodem en SOC distributie te ontwikkelen. Topografie-gebaseerde modellen gebruik van topografische statistieken zoals voorspellers zijn ontwikkeld om te kwantificeren van erosie en afzetting processen van de bodem. In vergelijking met empirische of proces-gebaseerde erosie modellen die discreet veld bemonsteringen te simuleren bodemerosie18,19, topografie-gebaseerde modellen ingezet zou kunnen worden ontwikkeld op basis van topografische gegevens afgeleid van digitale hoogte modellen (DEM) met hoge resoluties. Deze aanpak zorgt voor continue bodem eigenschap simulaties op de waterscheiding of regionale schaal. In de afgelopen decennia, is nauwkeurigheid van topografische informatie aanzienlijk verbeterd, met de toenemende beschikbaarheid van gegevens met hoge resolutie op afstand voelde. Hoewel eerdere studies hebt gebruikt topografie-gebaseerde modellen te simuleren van bodem eigenschappen12,20,21,22, de meeste van deze onderzoeken gebruikt een enkele topografische metrisch of één categorie van topografische metrics (lokaal, interlokaal of gecombineerde topografische metrics), die kan niet hebben voldoende onderzocht topografische effecten op bodem microbiële activiteit. Daarom, om te krijgen een beter begrip van topografie controles van bodemerosie en C dynamiek, onderzochten we een uitgebreide set van topografische statistieken, met inbegrip van lokaal, interlokaal en gecombineerde topografische statistieken en meerdere variabele topografie gebaseerde ontwikkeld modellen te simuleren van bodem eigenschap dynamiek. Toepassingen van deze modellen wordt verwacht dat zij wetenschappelijke ondersteuning voor betere bodem erosiebestrijding en het beheer van landbouwgrond.
Topografische statistieken zijn over het algemeen gecategoriseerd in drie categorieën: a) lokale topografische metrics, b) niet-lokale topografische statistieken of c) gecombineerde topografische statistieken. Lokale topografische statistieken verwijzen naar lokale kenmerken van één punt op het landoppervlak. Non-lokale topografische statistieken verwijzen naar de relatieve plaatsen van geselecteerde punten. Gecombineerde topografische statistieken integreren lokale en niet-lokale topografische statistieken. Een set van topografische statistieken op het gebied van bodemerosie en afzetting gewend waren in deze studie onderzoeken de topografische besturingselementen op beweging van de bodem en C voorraden (tabel 1). Specifiek, gebruikten we vier lokale topografische statistieken [helling, profiel kromming (P_Cur), plan kromming (Pl_Cur), algemene kromming (G_Cur)], zeven niet-lokale topografische statistieken [stroom accumulatie (FA) topografische opluchting, positieve openheid (POP), buigpunten helling (UpSl), stroom weglengte (FPL), top index (DI), stroomgebied (CA)], en drie gecombineerd topografische statistieken [topografische nattigheid index (TWI), stream macht index (SPI) en factor van de lengte van de helling (LS)].

<table><tbody><tr><td>Light Detection and Ranging (LiDAR) data&nbsp;</td><td></td><td>http://www.geotree.uni.edu/lidar/</td><td>Verzameld vanuit het GeoTREE LiDAR mapping project&nbsp;</td></tr><tr><td>LECO CNS 2000 elemental analyzer&nbsp;</td><td>LECO Corp., St. Joseph, MI</td><td></td><td></td></tr><tr><td>Canberra Genie-2000 Spectroscopy System</td><td>CANBERRA Industries</td><td></td><td></td></tr><tr><td>Geographic positioning system</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>Statistical Analysis System&nbsp;</td><td>SAS Institute Inc</td><td></td><td></td></tr><tr><td>System for Automated Geoscientific Analysis&nbsp;</td><td>University of Göttingen, Germany&nbsp;</td><td>v. 2.2.5, http://www.saga-gis.org/</td><td>GNU General Public License</td></tr></tbody></table>

gebruik van principal components voor schaalvergroting van modellen van de topografische kaart van herverdeling van de bodem en bodemverontreiniging organische koolstof

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

Topografie van het landschap is een kritische factor die bodemvorming en speelt een belangrijke rol bij het bepalen van de bodemeigenschappen op het oppervlak van de aarde, zoals het regelt het verkeer van de zwaartekracht-gedreven bodem geïnduceerd door afvoer en grondbewerking activiteiten. De afgelopen toepassing van licht Detection and Ranging (LiDAR) gegevens houdt belofte voor het genereren van hoge ruimtelijke resolutie topografische statistieken die kan worden gebruikt voor het onderzoeken van de bodem eigenschap variabiliteit. In deze studie werden vijftien topografische metriek afgeleid van LiDAR gegevens gebruikt om te onderzoeken topografische gevolgen voor herverdeling van de bodem en de ruimtelijke spreiding van de bodem organische koolstof (SOC). Specifiek, verkenden we het gebruik van topografische principale componenten (TPCs) voor het karakteriseren van de topografie metrics en stapsgewijze belangrijkste component regressie (SPCR) om topografie gebaseerde bodemerosie en SOC modellen op site en waterscheiding schalen te ontwikkelen. Prestaties van SPCR-modellen werd geëvalueerd tegen stapsgewijze gewone minste vierkante (SOLSR) regressiemodellen. Resultaten toonden aan dat SPCR presteerde beter dan SOLSR modellen modellen in het voorspellen van de bodem herverdeling tarieven en SOC dichtheid op verschillende ruimtelijke schalen. Gebruik van TPCs verwijdert potentiële collineariteit tussen individuele invoervariabelen en dimensionaliteit vermindering door belangrijkste componenten analyse (PCA) vermindert het risico van overfitting van de voorspellingsmodellen. Deze studie stelt een nieuwe aanpak voor het modelleren van herverdeling van de bodem op verschillende ruimtelijke schalen. Voor één toepassing, kan toegang tot particuliere landerijen is vaak beperkt, en de noodzaak om te extrapoleren van bevindingen uit representatieve studieplaatsen aan grotere instellingen waarin particuliere landerijen belangrijk.

Landschap processen zijn kritieke onderdelen van bodemvorming en spelen een belangrijke rol bij het bepalen van de bodemeigenschappen en ruimtelijke structuur in landschappen. Wij stellen voor een nieuwe aanpak met stapsgewijze belangrijkste component regressie te voorspellen van herverdeling van de bodem en organische koolstof van de bodem op verschillende ruimtelijke schalen.

Gebruik van Principal Components voor schaalvergroting van modellen van de topografische kaart van herverdeling van de bodem en bodemverontreiniging organische koolstof

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

Deze methode kan helpen bij het beantwoorden van belangrijke vragen op landbouwgebied, zoals hoe landschaptopografie bodemerosie en de dynamiek van organische stoffen in de bodem kan beïnvloeden. Het belangrijkste voordeel van deze techniek is dat deze toepasbaar is op locaties met beperkte waarnemingen, en het biedt een kosteneffectieve schatting van de organische koolstofvoorraden in de bodem en bodemherverdelingsprocessen. Verzamel eerst gegevens van de Website Van GeoTREE Light Detection and Ranging Mapping Project.Selecteer grenstype en -regio om in te zoomen op een bepaald gebied. Teken vervolgens een veelhoek om lichtdetectie en variërendtegels voor het geselecteerde studiegebied te downloaden. Converteer de ruwe lichtdetectie en variërend gegevens naar een LAS-bestand met behulp van het gereedschap voor het toewijzen van geografische informatie.Vervolgens genereren digitale hoogtemodellen, of DEMS, met een ruimtelijke resolutie van drie meter met behulp van omgekeerde afstand gewogen interpolatie. Filter de DEMS van drie meter twee keer met een low-pass-filter met drie kernels om geluiden in verband met lokale variatie te verminderen. Als u topografische statistieken wilt genereren, klikt u eerst op Raster importeren in de sectie Importeren/exporteren om de gefilterde DEMS met drie meter in SAGA te importeren.Klik vervolgens op de module Helling, Aspect, Kromming van SAGA met de standaardinstellingen om de helling, de krommingsgerelateerde statistiek en de algemene krommingsmetrie te genereren met behulp van de gefilterde DEM's. Klik op de top-downmodule stroomaccumulatie van SAGA en selecteer Deterministische oneindigheid als methode om de statistiek stroomaccumulatie te genereren met behulp van de gefilterde DEM's. Klik hierna op de saga-topografische openheidsmodule met de standaardinstellingen om de statistiek positieve openheid te genereren met behulp van een gefilterde z-as versterkte afbeelding.De uitbreiding van de verticale afstanden in de digitale hoogtemodellen verbetert de onderscheidende kenmerken van positieve openheid op locaties met een relatief vlak oppervlak. Klik op de LS-Factor Field Based module van SAGA met de standaardinstellingen om de upslope hellings- en hellingslengtefactorstatistieken te genereren met behulp van de gefilterde DEM's. Klik vervolgens op de module Stroompadlengte van SAGA met de standaardinstellingen om de lengtemetriek van het stroompad te genereren met behulp van de gefilterde DEM's.Klik op de module Verloop van de afstand downslope van SAGA met de standaardinstellingen om de statistiek downslope index te genereren met behulp van de gefilterde DEM's. Klik nu op de SAGA Wetness Index-module en selecteer het absolute verzorgingsgebied als het type gebied om het verzorgingsgebied en topografische gegevensstatistieken van de nattigheidsindex te genereren met behulp van de gefilterde DEM's. Klik op de module Stroomkrachtindex van SAGA en selecteer pseudo-specifiek verzorgingsgebied als gebiedsconversie om de statistiek stroomstroomindex te genereren met behulp van de gefilterde DEM's.Als volgt genereert u maximale hoogtekaarten met meerdere straalen. Filter de maximale hoogtekaarten twee keer via een low-pass-filter met drie kernels. Trek de gefilterde DEM van drie meter af van de gefilterde maximale hoogtekaarten om een reeks reliëfkaarten te verkrijgen.Haal een reeks reliëfvariabelen naar een aantal locaties. Voer de belangrijkste componentanalyse uit op de reliëfvariabelen om de reliëfs om te zetten in topografische reliëfcomponenten. Selecteer hoofdcomponenten die meer dan 90% variantie van de hulpgegevensset verklaren als de topografische reliëfstatistieken.Standaardiseer de zeven reliëfkaarten met gemiddelde en standaarddeviatie. Maak reliëf belangrijkste componenten op som van de gestandaardiseerde topografische verlichting gewogen door de overeenkomstige ladingen. Tijdens het maken van de reliëfmetriek is het belangrijk om reliëfbeelden op verschillende ruimtelijke schaal te genereren om onzekerheden in verband met de willekeurige selectie van straal te beperken, omdat de controle op reliëf op bodemeigenschappen kan worden beïnvloed door ruimtelijke schalen van reliëf.Selecteer een aantal akkerlocaties die de landschapskenmerken van het studiegebied en een aantal representatieve kleinschalige akkervelden die intensief kunnen worden bemonsterd, adequaat kunnen vertegenwoordigen. Upload alle voorbeeldlocatiecoördinaten naar een op code gebaseerd geografisch positioneringssysteem en lokaliseer ze fysiek in het veld. Verzamel vervolgens drie monsters voor elke bemonsteringslocatie van de bovenste bodemlaag van 30 centimeter met behulp van een duwsonde.Noteer geografische coördinateninformatie van de bemonsteringslocaties met behulp van het geografische positioneringssysteem. Zeef hierna het bodemmonster met een twee millimeter scherm. Weeg de bodemmonsters na het drogen.Bereken de bodemdichtheid aan de hand van de totale monstervolumes op bemonsteringslocaties en -gewichten. Meng de drie monsters van dezelfde locatie om een samengesteld bodemmonster te krijgen. Maal een substeek van 10 gram van de gezeefde grond tot een zeer fijn poeder met een rolmolen.Meet nu het totale koolstofgehalte in het rolgefreesde monster door verbranding op een CN elemental analyzer bij een temperatuur van 1350 graden Celsius. Na het bakken van de bodem organische stof in een oven, schat calciumcarbonaat koolstofgehalte door het analyseren van de resterende koolstof. Plaats de bulk twee millimeter gezeefde bodemmonsters in Marinelli bekers en sluit ze af.Plaats het bekerglas in de detector en meet de cesiumconcentratie van elk monster door middel van een gamma-ray analyse met behulp van een spectroscopiesysteem dat ingangen van drie hoogzuivere coaxiale germaniumkristallen in 8, 192-kanaals analyzers ontvangt. Nota van de cesiumconcentratie output. Bereken ten slotte de herverdelingssnelheid van de bodem aan de hand van cesiumvoorraad door de Mass Balance Model II toe te passen in een spreadsheetinvoegprogramma.460 gewas veld locaties werden willekeurig geselecteerd om topografische informatie af te leiden in de Walnut Creek Watershed in Iowa. Resultaten van correlatieanalyses tussen topografische metrische gegevens en de organische koolstofdichtheid in de bodem, de herverdeling van de bodem worden hier gepresenteerd. De topografische nattigheidsindex en grootschalige topografische reliëf vertoonden de hoogste correlaties met respectievelijk dichtheids- en bodemherverdelingspercentages.Ruimtelijke patronen van de twee metrische gegevens toonden hoge waarden in depressieve gebied en lage waarden in glooiende en nok gebieden. Echter, verschillen tussen de twee statistieken zich voordeden in sloot gebieden, waar de topografische nattigheid index vertoonde extreem hoge waarden, maar de waarden van grootschalige topografische reliëf waren niet anders dan aangrenzende gebieden. Vijf topografische hoofdcomponenten die zijn geselecteerd om op topografie gebaseerde modellen te bouwen, worden hier vermeld.Meer dan 70 en 65% van de variabiliteit in de organische koolstofdichtheid en bodemherverdeling werden verklaard door het stapsgewijze gewone minst vierkante regressiemodel met hele variabelen. Voor de modellen met collinear covariate verwijderd, simulatie efficiëntie was iets lager dan de stapsgewijze gewone minst vierkante regressie model met hele variabelen model. Voor SPCR-modellen worden vergelijkbare simulatie-efficiëntieverbeteringen waargenomen als het stapsgewijze gewone minst vierkante regressiemodel met collinear covariate verwijderd.De bodemherverdeling en de organische koolstofdichtheidskaarten van de bodem die uit SPCR-modellen werden gegenereerd, toonden consistente patronen tussen modelsimulaties en veldmetingen. Deze techniek maakt de weg vrij voor onderzoekers op het gebied van landbouw om bodemherverdeling en organische stofpatronen op waterscheidings- en regionale schalen te onderzoeken. De techniek kan worden verbeterd met verdere verfijning van lichtdetectie en variërende gegevens en opname van aanvullende topografische statistieken.

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

Research

JoVE Journal

Environment

Milieu

Herhaalde bemonstering van de bodem is onlangs aangetoond dat het een effectieve manier om bosgrond veranderen in de loop jaren en decennia te volgen zijn. Om het gebruik ervan te ondersteunen, wordt een protocol voorgesteld dat de meest recente informatie over de bodem resampling methoden om te helpen bij het ontwerpen en implementeren van succesvolle bodemmonitoring programma synthetiseert.

Methoden van Soil Resampling op veranderingen in de chemische concentraties van bosbodems Monitor

Ruimtelijke patronen van bodemerosie en depositie kunnen van verschillen in hoogte van de grond toegewezen op tijdig stappen worden afgeleid. Dergelijke wijzigingen in de hoogte hebben betrekking op wijzigingen in in de buurt van-oppervlakte bodem carbonaten. Herhaalbare methoden voor veld en laboratorium metingen van deze hoeveelheden en data analysemethoden worden hier beschreven.

Meten en in kaart brengen van patronen van bodemerosie en afzetting aan de bodem carbonaat concentraties onder beheer van de landbouw gerelateerde

De traditionele grondmonstername procedure bepaalt het aantal grondmonsters willekeurig. Hier, bieden wij een eenvoudige maar toch efficiënte geclusterd grondmonstername ontwerp blijk geven van bodem tot ruimtelijke heterogeniteit en kwantitatief bepalen het aantal grondmonsters nodig en de bijbehorende bemonsterings-nauwkeurigheid.

Bemonstering bodems in een heterogene onderzoek uitzetten

Dit protocol presenteert een workflow voor sub-mm 2D visualisatie van meerdere labiele anorganische nutriënten- en verontreinigingsolute soorten met behulp van diffusieve gradiënten in dunne films (DGT) in combinatie met massaspectrometrie beeldvorming. Solutebemonstering en chemische analyse in hoge resolutie worden in detail beschreven voor het kwantitatief in kaart brengen van soluten in de rhizosfeer van terrestrische planten.

Tweedimensionale visualisatie en kwantificering van labiele, anorganische plantennutriënten en verontreinigingen in de bodem

De hier beschreven verificatiemethode is aanpasbaar voor het monitoren van pedogene anorganische koolstofvastlegging in verschillende landbouwgronden, gewijzigd met alkalische aardmetaalsilicaathoudende gesteenten, zoals wollastoniet, basalt en olivijn. Dit type validatie is essentieel voor koolstofkredietprogramma's, die ten goede kunnen komen aan boeren die koolstof in hun velden in beslag neemt.

Monitoring pedogene anorganische koolstofaccumulatie als gevolg van verwering van gewijzigde silicaatmineralen in landbouwgronden.

Bodemdichtheidsfractionering scheidt organisch materiaal in de bodem in verschillende pools met verschillende stabilisatiemechanismen, chemie en omlooptijden. Natriumpolytungstate-oplossingen met specifieke dichtheden maken de scheiding van vrij zwevend organisch materiaal en mineraal-geassocieerd organisch materiaal mogelijk, wat resulteert in organische stoffracties die geschikt zijn voor het beschrijven van de bodemreactie op beheer en klimaatverandering.

Fractionering van de bodemdichtheid gebruiken om verschillende koolstofreservoirs in de bodem te scheiden

Dit protocol omvat een onderzoeksmethodologie in vier stappen voor beeldvorming van grote gebieden die wordt gebruikt om statistieken te extraheren van structurele complexiteit, gemeenschapssamenstelling en demografische gegevens van de bevolking voor koraalrifgemeenschappen. De kwaliteit van de verzamelde beelden en de geïntegreerde toegang tot de bronbeelden krijgen prioriteit in elke stap van het protocol.

Het meten van de structuur, samenstelling en verandering van onderwateromgevingen met beeldvorming van grote gebieden

Het protocol bestaat uit vier geïntegreerde fasen: Onbemande Luchtvaartuigen (UAV) onderzoek, verzameling van grondwaarheidsgegevens, berekening van vegetatie-indexen en AI-ondersteunde classificatie en kaartlegging van kustmoerasplantengemeenschappen. Het resultaat is een gelaagde georuimtelijke dataset die toepassingen ondersteunt in ecologie, milieumonitoring en besluitvorming voor het behoud en beheer van kustmoerashabitats.

Semi-geautomatiseerde methode voor het in kaart brengen en classificeren van boreale kustmoerasplantgemeenschappen met behulp van drone- en grondgegevens

Deze methode wordt uitgelegd hoe op te bouwen en exploiteren van een continue 13 C en 15 N isotooplabelen kamer voor uniforme of differentiële plantenweefsel etikettering. Representatieve resultaten van metabole en structurele kenmerken van Andropogon gerardii worden besproken.

Opzet en werking van een continue<sup&gt; 13</sup&gt; C<sup&gt; 15</sup&gt; N Labeling Kamer voor Uniform of Differentieel, Metabole en structurele, Plant isotooplabelen

Labiele organische koolstof (LOC) en de potentiële koolstofomzettingssnelheid zijn gevoelige indicatoren voor veranderingen in de processen van bodemvoedselcycli. Details worden gegeven voor een methode gebaseerd op het besmoken en incuberen van bodem in een reeks cycli en het gebruik van de CO2 die zich accumuleert gedurende de incubatieperioden om deze parameters te schatten.

Beoordeling van de labiele organische koolstof in de bodem met behulp van Sequential Fumigatiediensten Incubation Procedures

Leer stapsgewijze principale componentenregressie toe te passen voor het voorspellen van bodemherverdeling en organisch koolstofgehalte. Deze methode biedt een kosteneffectieve schatting van bodemkoolstofvoorraden.

Gebruik van Principal Components voor schaalvergroting van modellen van de topografische kaart van herverdeling van de bodem en bodemverontreiniging organische koolstof (Video) | JoVE Journal

Gebruik van Principal Components voor schaalvergroting van modellen van de topografische kaart van herverdeling van de bodem en bodemverontreiniging organische koolstof

Meer video's verkennen