Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Environment
Click here for the English version

Environment

मिट्टी पुनर्वितरण और मृदा कार्बनिक कार्बन को मैप करने के लिए स्थलाकृतिक मॉडल ऊपर स्केलिंग के लिए प्रमुख घटकों का उपयोग

Published: October 16, 2018 doi: 10.3791/58189
Automatic Translation
1,2, 2
1Department of Geographical Sciences, University of Maryland, 2Hydrology & Remote Sensing Laboratory, Agricultural Research Service, United States Department of Agriculture

Summary

लैंडस्केप प्रक्रियाओं मिट्टी के गठन के महत्वपूर्ण घटक है और मिट्टी के गुणों और परिदृश्य में स्थानिक संरचना का निर्धारण करने में महत्वपूर्ण भूमिका निभाते हैं । हम stepwise प्रमुख घटक प्रतिगमन का उपयोग करने के लिए विभिंन स्थानिक तराजू भर में मिट्टी पुनर्वितरण और मिट्टी कार्बनिक कार्बन की भविष्यवाणी एक नया दृष्टिकोण का प्रस्ताव ।

Abstract

लैंडस्केप स्थलाकृति एक महत्वपूर्ण मिट्टी गठन को प्रभावित कारक है और पृथ्वी की सतह पर मिट्टी के गुणों का निर्धारण करने में एक महत्वपूर्ण भूमिका निभाता है, के रूप में यह गुरुत्वाकर्षण चालित मिट्टी अपवाह और जुताई गतिविधियों से प्रेरित आंदोलन नियंत्रित करता है । प्रकाश का पता लगाने के हाल के आवेदन और (LiDAR) डेटा उच्च स्थानिक संकल्प स्थलाकृतिक मैट्रिक्स है कि मिट्टी की संपत्ति परिवर्तनशीलता की जांच करने के लिए इस्तेमाल किया जा सकता पैदा करने के लिए वादा रखती है । इस अध्ययन में, LiDAR डेटा से प्राप्त पंद्रह स्थलाकृतिक मैट्रिक्स मिट्टी के पुनर्वितरण और मृदा कार्बनिक कार्बन (समाज) के स्थानिक वितरण पर स्थलाकृतिक प्रभावों की जांच करने के लिए इस्तेमाल किया गया । विशेष रूप से, हम साइट और वाटरशेड तराजू में स्थलाकृति आधारित मृदा क्षरण और समाज मॉडल विकसित करने के लिए निस्र्पक स्थलाकृति मैट्रिक्स और stepwise प्रमुख घटक प्रतिगमन (SPCR) के लिए स्थलाकृतिक प्रमुख घटकों (TPCs) के उपयोग का पता लगाया । SPCR मॉडल का प्रदर्शन stepwise साधारण कम वर्ग प्रतीपगमन (SOLSR) मॉडल के विरुद्ध मूल्यांकित किया गया था । परिणाम से पता चला कि SPCR मॉडलों के विभिंन स्थानिक तराजू में मिट्टी पुनर्वितरण दर और समाज के घनत्व की भविष्यवाणी में SOLSR मॉडल प्रदर्शन । TPCs का प्रयोग व्यक्तिगत इनपुट चर के बीच संभावित collinearity को हटाता है, और प्रमुख घटक विश्लेषण (पीसीए) द्वारा आयामी कमी भविष्यवाणी मॉडल को कम करने का जोखिम घटता है । इस अध्ययन के विभिंन स्थानिक तराजू भर में मिट्टी पुनर्वितरण मॉडलिंग के लिए एक नया दृष्टिकोण का प्रस्ताव है । एक आवेदन के लिए, निजी भूमि के लिए उपयोग अक्सर सीमित है, और प्रतिनिधि अध्ययन साइटों से बड़ी सेटिंग्स है कि निजी भूमि शामिल करने के लिए महत्वपूर्ण हो सकता है निष्कर्षों एक्सट्रपलेशन की जरूरत है ।

Introduction

मिट्टी पुनर्वितरण (कटाव और जमाव) मिट्टी कार्बनिक कार्बन (समाज) के शेयरों और गतिशीलता पर महत्वपूर्ण प्रभावों डालती है । बढ़ाने के प्रयासों की जांच कैसे समाज अलग है, परिवहन, और परिदृश्य1,2,3पर जमा के लिए समर्पित किया गया है । कार्बन (ग) ज़ब्ती और समाज वितरण गुरुत्वाकर्षण से प्रभावित मिट्टी जल कटाव4,5,6द्वारा प्रेरित आंदोलन प्रेरित कर रहे हैं । खेती खेतों में, जुताई द्वारा मिट्टी translocation एक और महत्वपूर्ण प्रक्रिया सी पुनर्वितरण7,8,9के लिए योगदान है । जुताई कटाव मिट्टी के कणों की एक काफी शुद्ध downslope आंदोलन का कारण बनता है और एक के भीतर क्षेत्र मिट्टी भिंनता10की ओर जाता है । पानी और जुताई कटाव दोनों काफी परिदृश्य स्थलाकृति है, जो कटाव और साठा साइटों11के स्थानों को निर्धारित करता है से प्रभावित हैं । इसलिए, प्रभावी मिट्टी कटाव विनियमन और कृषि भूमि में सी गतिशील जांच मिट्टी के कटाव और आंदोलनों पर स्थलाकृतिक नियंत्रण की एक बेहतर समझ के लिए कहते हैं ।

कई अध्ययनों से मिट्टी पुनर्वितरण और जुड़े समाज गतिशीलता पर स्थलाकृति के प्रभावों की जांचकी है9,12,13,14,15,16, 17. वान डेर पर्क एट अल. 12 ने बताया कि स्थलाकृतिक कारकों मृदा पुनर्वितरण में परिवर्तनशीलता के ४३% की व्याख्या की । Rezaei और Gilkes13 एक छायादार पहलू पर मिट्टी में उच्च समाज पाया, कम तापमान और कम वाष्पीकरण के कारण जब rangelands में अंय पहलुओं की तुलना में । स्थलाकृति ंयूनतम जुताई के साथ उन की तुलना में पारंपरिक जुताई उपचार के साथ कृषि भूमि में मिट्टी पुनर्वितरण पर अधिक महत्वपूर्ण प्रभाव हो सकता है, landforms और जुताई प्रथाओं9के बीच बातचीत के कारण । हालांकि, इन निष्कर्षों मुख्यतः क्षेत्र टिप्पणियों, जो एक व्यापक स्थानिक पैमाने पर मिट्टी संपत्तियों की जांच करने में कठिनाइयों वर्तमान से व्युत्पंन थे । वहां एक दबाने के लिए नई रणनीतियों को प्रभावी ढंग से वाटरशेड और क्षेत्रीय तराजू में मिट्टी संपत्तियों के स्थानिक पैटर्न समझ विकसित करने की जरूरत है ।

इस अध्ययन का उद्देश्य मृदा पुनर्वितरण और समाज वितरण का अनुकरण करने के लिए कुशल मॉडलों का विकास करना है । पूर्वानुमान के रूप में स्थलाकृतिक मीट्रिक का उपयोग करके स्थलाकृति आधारित मॉडल मृदा अपरदन और जमाव प्रक्रियाओं को बढ़ाता है । अनुभवजंय-या प्रक्रिया आधारित कटाव मॉडल है कि असतत क्षेत्र नमूने के साथ तुलना में मिट्टी के कटाव अनुकरण करने के लिए18,19, स्थलाकृति आधारित मॉडल डिजिटल से व्युत्पंन स्थलाकृतिक जानकारी के आधार पर विकसित किया जा सकता है ऊंचाई मॉडल (DEMs) उच्च संकल्प के साथ । इस दृष्टिकोण वाटरशेड या क्षेत्रीय पैमाने पर निरंतर मिट्टी संपत्ति सिमुलेशन के लिए अनुमति देता है । पिछले कई दशकों में, स्थलाकृतिक जानकारी की सटीकता में काफी सुधार हुआ है, उच्च संकल्प की बढ़ती उपलब्धता के साथ दूर से डेटा को महसूस किया । हालांकि पिछले अध्ययन स्थलाकृति आधारित मॉडल के लिए मिट्टी की संपत्तियों अनुकरण कार्यरत है12,20,21,22, इन जांच के अधिकांश एक स्थलाकृतिक मीट्रिक या एकल श्रेणी का इस्तेमाल किया स्थलाकृतिक मीट्रिक (स्थानीय, गैर-स्थानीय, या संयुक्त स्थलाकृतिक मीट्रिक) की, जिनके पास मिट्टी के माइक्रोबियल कार्यकलापों पर पर्याप्त रूप से स्थलाकृतिक प्रभावों का अन्वेषण नहीं हो सकता. इसलिए, मृदा अपरदन और सी गतिशीलता पर स्थलाकृति नियंत्रणों की बेहतर समझ प्राप्त करने के लिए, हमने स्थानीय, गैर-स्थानीय, और संयुक्त स्थलाकृतिक मैट्रिक्स और विकसित बहु-परिवर्तनशील स्थलाकृति-आधारित सहित स्थलाकृतिक मीट्रिक्स का एक व्यापक सेट जांचा मॉडल मिट्टी संपत्ति गतिशीलता अनुकरण करने के लिए । इन मॉडलों के आवेदनों में बेहतर मृदा अपरदन नियंत्रण और कृषि भूमि प्रबंधन के लिए वैज्ञानिक सहायता प्रदान करने की अपेक्षा की जाती है.

स्थलाकृतिक मीट्रिक को सामान्यतः तीन में से किसी एक श्रेणी में वर्गीकृत कर लिया जाता है: a) स्थानीय स्थलाकृतिक मीट्रिक, b) गैर-स्थानीय स्थलाकृतिक मीट्रिक, या सी) संयुक्त स्थलाकृतिक मीट्रिक. स्थानीय स्थलाकृतिक मीट्रिक्स भूमि की सतह पर एक बिंदु की स्थानीय सुविधाओं का संदर्भ देते हैं. गैर-स्थानीय स्थलाकृतिक मीट्रिक चयनित बिंदुओं के सापेक्ष स्थानों को संदर्भित करते हैं. संयुक्त स्थलाकृतिक मीट्रिक स्थानीय और गैर-स्थानीय स्थलाकृतिक मीट्रिक को एकीकृत करते हैं. मिट्टी के कटाव और जमाव को प्रभावित करने वाले स्थलाकृतिक मेट्रिक्स का एक सेट मृदा आंदोलन और सी स्टॉक्स (तालिका 1) पर स्थलाकृतिक नियंत्रणों की जांच करने के लिए इस अध्ययन में उपयोग किया गया था । विशेष रूप से, हम चार स्थानीय स्थलाकृतिक मैट्रिक्स [ढलान, प्रोफाइल वक्रता (P_Cur), योजना वक्रता (Pl_Cur), सामांय वक्रता (G_Cur)], सात गैर स्थानीय स्थलाकृतिक मैट्रिक्स [प्रवाह संचय (एफए), स्थलाकृतिक राहत, सकारात्मक खुलापन (पॉप), ढाल का इस्तेमाल किया ढलान (UpSl), प्रवाह पथ लंबाई (FPL), downslope सूचकांक (DI), जलग्रहण क्षेत्र (सीए)], और तीन संयुक्त स्थलाकृतिक मैट्रिक्स [स्थलाकृतिक नमी सूचकांक (ट्वी), स्ट्रीम पावर इंडेक्स (SPI), और ढलान लंबाई फैक्टर (LS)] ।

Protocol

1. स्थलाकृतिक विश्लेषण

  1. डिजिटल डेटा प्रक्रिया
    1. GeoTREE LiDAR मैपिंग प्रोजेक्ट वेबसाइट से LiDAR डेटा एकत्रित करें । एक विशिष्ट क्षेत्र में ज़ूम करने के लिए "सीमा प्रकार" और "क्षेत्र" का चयन करें । चयनित अध्ययन क्षेत्र के लिए LiDAR टाइल्स डाउनलोड करने के लिए एक बहुभुज आरेखित करें ।
    2. raw LiDAR डेटा को भौगोलिक सूचना प्रणाली (जीआईएस) मैपिंग टूल का उपयोग करके किसी लास फ़ाइल में कनवर्ट करें ।
    3. एक 3-m स्थानिक प्रस्ताव व्युत्क्रम दूरी भारित इंटरपोल का उपयोग कर के साथ DEMs उत्पंन करते हैं ।
    4. 3-m DEMs को दो बार एक 3-कर्नेल कम पास फ़िल्टर के साथ शोर को कम करने के लिए फ़िल्टर स्थानीय भिंनता के साथ संबद्ध ।
  2. स्थलाकृतिक मीट्रिक पीढ़ी
    1. स्थलाकृतिक मैट्रिक्स जेनरेट करने के लिए, पहले स्वचालित Geoscientific विश्लेषण (गाथा)23के लिए सिस्टम का नवीनतम संस्करण डाउनलोड करें । क्लिक करें "आयात रैस्टर" आयात/निर्यात अनुभाग में फ़िल्टर 3-एम DEMs सागा में आयात करने के लिए ।
    2. फ़िल्टर किए गए DEMs (चित्रा 1) का उपयोग करके ढलान और वक्रता से संबंधित [प्रोफ़ाइल वक्रता (P_Cur), योजना वक्रता (Pl_Cur), और सामान्य वक्रता (G_Cur)] मैट्रिक्स उत्पन्न करने के लिए डिफ़ॉल्ट सेटिंग के साथ सागा के "ढलान, पहलू, वक्रता" मॉड्यूल पर क्लिक करें ।
    3. क्लिक करें "प्रवाह संचय (ऊपर से नीचे)" सागा के मॉड्यूल और का चयन करें "नियतात्मक इन्फिनिटी" विधि प्रवाह संचय (एफए) के रूप में फ़िल्टर DEMs का उपयोग मीट्रिक उत्पंन करने के लिए ।
    4. एक फ़िल्टर किए गए z-अक्ष प्रवर्धित छवि का उपयोग करके सकारात्मक खुलापन (POP) मीट्रिक जेनरेट करने के लिए डिफ़ॉल्ट सेटिंग के साथ "सागा स्थलाकृतिक खुलेपन" मॉड्यूल पर क्लिक करें.
    5. फ़िल्टर किए गए DEMs का उपयोग करके ढलान ढलान (Upsl) और ढलान लंबाई कारक (LS_FB) मैट्रिक्स उत्पन्न करने के लिए डिफ़ॉल्ट सेटिंग के साथ सागा के "LS-फ़ैक्टर (फ़ील्ड आधारित)" मॉड्यूल पर क्लिक करें.
    6. फ़िल्टर किए गए DEMs का उपयोग कर प्रवाह पथ लंबाई (FPL) मीट्रिक उत्पन्न करने के लिए डिफ़ॉल्ट सेटिंग्स के साथ सागा के "प्रवाह पथ लंबाई" मॉड्यूल पर क्लिक करें.
    7. फ़िल्टर किए गए DEMs का उपयोग करके Downslope इंडेक्स (DI) मीट्रिक जेनरेट करने के लिए डिफ़ॉल्ट सेटिंग के साथ "Downslope दूरी ग्रैडिएंट" सागा के मॉड्यूल पर क्लिक करें.
    8. "सागा नमी इंडेक्स" मॉड्यूल पर क्लिक करें और फ़िल्टर किए गए DEMs का उपयोग करके जलग्रहण क्षेत्र (CA) और स्थलाकृतिक नमी अनुक्रमणिका (ट्वी) मीट्रिक जेनरेट करने के लिए क्षेत्र के प्रकार के रूप में "निरपेक्ष जलग्रहण क्षेत्र" चुनें.
    9. सागा के "स्ट्रीम पावर इंडेक्स" मॉड्यूल पर क्लिक करें और फ़िल्टर किए गए DEMs का उपयोग करके स्ट्रीम पावर इंडेक्स (SPI) मीट्रिक जेनरेट करने के लिए क्षेत्र रूपांतरण के रूप में "छद्म विशिष्ट जलग्रहण क्षेत्र" चुनें.
    10. एकाधिक radiuses के साथ अधिकतम उंनयन नक्शे उत्पंन करें । एक 3-कर्नेल कम पास फिल्टर के माध्यम से दो बार अधिकतम उंनयन नक्शे फ़िल्टर । फ़िल्टर किए गए अधिकतम उंनयन के नक्शे से 3 मीटर DEM घटाना राहत नक्शे की एक श्रृंखला प्राप्त करने के लिए । कई स्थानों के लिए राहत चर की एक श्रृंखला निकालें ।
    11. राहत चर पर प्रमुख घटक विश्लेषण (पीसीए) कार्य स्थलाकृतिक राहत घटकों में परिवर्तित करने के लिए । उन प्रमुख घटकों का चयन करें जो राहत डेटासेट के ९०% से अधिक प्रसरण को स्थलाकृतिक राहत मीट्रिक के रूप में समझाते हैं.

2. फ़ील्ड डेटा संग्रह

  1. फ़ील्ड नमूना
    1. cropland क्षेत्र स्थानों है कि पर्याप्त रूप से अध्ययन क्षेत्र और कई प्रतिनिधि छोटे पैमाने पर cropland क्षेत्रों है कि गहन नमूना हो सकता है के परिदृश्य विशेषताओं का प्रतिनिधित्व कर सकते है की एक संख्या का चयन करें ।
      नोट: दो cropland क्षेत्रों से एकत्र मिट्टी के नमूनों मॉडल अंशांकन के लिए इस्तेमाल किया गया । पूरे अध्ययन क्षेत्र से एकत्र मिट्टी के नमूनों का उपयोग मॉडल सत्यापन के लिए किया गया ।
    2. सभी नमूना स्थान निर्देशांकों को एक कोड-आधारित ज्योग्राफिक पोजीशनिंग सिस्टम (GPS) पर अपलोड करें और शारीरिक रूप से उन्हें फ़ील्ड्स में खोजें.
    3. (व्यास में ३.२ सेमी) एक पुश जांच का उपयोग कर शीर्ष 30 सेमी मिट्टी परत से प्रत्येक नमूना स्थान के लिए 3 नमूने ले लीजिए ।
      नोट: 30-50 सेमी परतों से मिट्टी के नमूने साइटों जहां तलछट जमाव की उंमीद थी पर एकत्र किए गए । प्रत्येक नमूने की मात्रा २४१ सेमी3थी ।
    4. रिकार्ड भौगोलिक नमूना जीपीएस का उपयोग स्थानों की जानकारी निर्देशांक ।
    5. ९० डिग्री सेल्सियस पर उन्हें सुखाने के बाद मिट्टी के नमूनों का वजन ४८ h. नमूना स्थानों और वजन में कुल नमूना मात्रा की जानकारी का उपयोग कर मिट्टी के घनत्व की गणना. एक कम्पोजिट मिट्टी का नमूना पाने के लिए एक ही स्थान से तीनों नमूनों को मिलाएं ।
  2. मृदा नमूना तैयारी
    1. एक 2-mm स्क्रीन के साथ समग्र मिट्टी के नमूनों चलनी ।
    2. एक रोलर मिल के साथ एक बहुत ही ठीक पाउडर के लिए छलनी मिट्टी के 10 ग्राम उपनमूना पीस ।
  3. मृदा नमूना विश्लेषण
    1. १३५० डिग्री सेल्सियस के तापमान पर एक CN तात्विक विश्लेषक पर दहन के माध्यम से रोलर milled नमूनों में मिट्टी कुल कार्बन (सी) सामग्री को मापने । एक भट्ठी में 16 ज के लिए ४२० डिग्री सेल्सियस के तापमान पर मिट्टी कार्बनिक पदार्थ पाक के बाद शेष सी का विश्लेषण करके कैल्शियम कार्बोनेट सी सामग्री का अनुमान है ।
    2. कुल मिट्टी सी सामग्री से कैल्शियम कार्बोनेट सी सामग्री घटाकर समाज सामग्री (%) समाज का घनत्व (%) समाज की सघनता (किलो मीटर-2) में परिवर्तित करें ।
    3. थोक 2 मिमी छलनी मिट्टी के नमूनों को Marinelli यूरिन में डालकर उन्हें सील कर दें । ८१९२-चैनल विश्लेषक में तीन उच्च शुद्धता समाक्षीय जर्मेनियम क्रिस्टल (HpCN30% दक्षता) से आदानों प्राप्त करता है कि एक स्पेक्ट्रोस्कोपी प्रणाली का उपयोग गामा-रे विश्लेषण के माध्यम से प्रत्येक नमूने के १३७सीएस एकाग्रता उपाय ( सामग्री की तालिका देखें ).
    4. एक विश्लेषणात्मक मिश्रित रेडियोन्यूक्लाइड मानक11का उपयोग कर प्रणाली जांचना । कंवर्ट १३७सीएस एकाग्रता १३७सीएस सूची के लिए मिट्टी घनत्व का उपयोग ।
    5. मिट्टी पुनर्वितरण दर एक स्प्रेडशीट ऐड में मास बैलेंस मॉडल द्वितीय (MBMII) लागू करने के द्वारा १३७सीएस सूची का उपयोग कर की गणना, वाल एट अल द्वारा विकसित कार्यक्रम में । 24.

3. स्थलाकृति आधारित मॉडल विकास

  1. स्थलाकृतिक प्रमुख घटक अनुमान
    1. पूरे अध्ययन क्षेत्र और छोटे पैमाने के cropland क्षेत्रों में नमूना स्थानों के लिए स्थलाकृतिक मैट्रिक्स निकालें ।
    2. माध्य और मानक विचलन का उपयोग करके संपूर्ण अध्ययन क्षेत्र में नमूना स्थानों की स्थलाकृतिक मीट्रिक का मानकीकरण करें. सांख्यिकीय सॉफ्टवेयर पैकेज के साथ पीसीए का उपयोग मानकीकृत स्थलाकृतिक मैट्रिक्स के आधार पर प्रत्येक घटक में स्थलाकृतिक मीट्रिक लोडर का अनुमान लगाएं । प्रत्येक स्थलाकृतिक प्रमुख घटक (टीपीसी) में स्थलाकृतिक मीट्रिक लोडर एकत्र करें और सभी मीट्रिक के ९०% विचरण की व्याख्या करने वाले शीर्ष TPCs को चुनें.
    3. छोटे-बड़े cropland क्षेत्रों में नमूना स्थानों के स्थलाकृतिक मैट्रिक्स का मानकीकरण करना. WCW में नमूना स्थानों से इसी लोडर द्वारा भारित मानकीकृत स्थलाकृतिक मैट्रिक्स के योग के द्वारा प्रत्येक स्थान के लिए शीर्ष TPCs की गणना ।
  2. मॉडल अंशांकन
    1. छोटे पैमाने पर cropland क्षेत्रों में सभी स्थलाकृतिक मीट्रिक के आधार पर समाज के घनत्व और मिट्टी पुनर्वितरण दरों के लिए स्थलाकृति आधारित SOLSRएफ मॉडल विकसित करने के लिए stepwise साधारण कम वर्ग प्रतिगमन (SOLSR) का प्रदर्शन करें । Akaike जानकारी मापदंड (AIC) का उपयोग करें और श्रेष्ठ-सज्जित SOLSRf मॉडल के लिए स्थलाकृतिक मैट्रिक्स के इष्टतम संयोजन का चयन करने के लिए एक-से-बाहर क्रॉस-मांयता छोड़ें ।
    2. प्रसरण मुद्रास्फीति कारक (VIF) का उपयोग करके स्थलाकृतिक चरों के बीच collinearity की जांच करें । सबसे बड़ा VIF के साथ चर निकालें (VIF ≥ ७.५25), और VIF फिर से जांच करें । VIFs सभी चर का < ७.५ है जब तक कि चर निकालें । प्रदर्शन SOLSR उच्च collinearity चर हटा दिया गया है कि स्थलाकृतिक मैट्रिक्स के आधार पर समाज के घनत्व और मिट्टी पुनर्वितरण दरों के लिए स्थलाकृति आधारित SOLSRआर मॉडल विकसित करने के लिए । सबसे अच्छा फिट SOLSRआर मॉडल के लिए इष्टतम संयोजन का चयन करने के लिए AIC और छोड़ एक बाहर पार मान्यता का उपयोग करें ।
    3. प्रदर्शन stepwise प्रमुख घटक प्रतिगमन (SPCR) समाज घनत्व और मिट्टी पुनर्वितरण के लिए स्थलाकृति आधारित SPCR मॉडल विकसित करने के लिए छोटे पैमाने पर cropland क्षेत्रों में TPCs पर आधारित दरों । श्रेष्ठ फ़िट SPCR मॉडल के लिए TPCs का इष्टतम संयोजन का चयन करने के लिए AIC और छोड़ें-एक-आउट क्रॉस-मांयता का उपयोग करें ।
    4. निर्धारण के समायोजित गुणांक की गणना (Radj2), नैश-Sutcliffe दक्षता (एनएसई), और मूल अर्थ वर्ग त्रुटि मापा डेटा (RSR) के मानक विचलन करने के लिए मॉडल क्षमता का आकलन करने के लिए ।
  3. मॉडल मूल्यांकन
    1. अनुमानित मॉडल लागू करके पूरे अध्ययन क्षेत्र में समाज घनत्व और मृदा पुनर्वितरण दरों का अनुमान लगाना.
    2. पूरे अध्ययन क्षेत्र में समाज घनत्व और मिट्टी पुनर्वितरण दरों की मापी डेटासेट के साथ पूर्वानुमान की तुलना करके विकसित मॉडल को मान्य करें. Radj2, एनएसई और RSR मानों का उपयोग करके मॉडल प्रदर्शन का मूल्यांकन करें ।

Representative Results

हम मिट्टी पुनर्वितरण और समाज गतिशीलता की जांच में स्थलाकृति आधारित मॉडल की व्यवहार्यता का आकलन करने के लिए एक testbed के रूप में अखरोट क्रीक वाटरशेड (WCW) का इस्तेमाल किया । वाटरशेड बूने और आयोवा के राज्य के भीतर कहानी काउंटियों में है (41 ° 55 '-42 ° 00 ' N; 93 ° 32 '-93 ° 45 ' डब्ल्यू) के एक क्षेत्र के साथ ५,१३० हा (चित्रा 2). Croplands WCW में प्रमुख भूमि उपयोग प्रकार है, एक अपेक्षाकृत सपाट इलाके के साथ (मतलब ९० मीटर, स्थलाकृतिक राहत २.२९ मीटर) । छेनी जुताई, डिस्किंग, और दु; खद कार्रवाई की फसल के खेतों में प्रमुख जुताई प्रथाओं रहे है26,27; हालांकि, जुताई दिशाओं प्रबंधन प्रथाओं में अंतर के कारण बदलती हैं ।

WCW (चित्रा 2) में स्थलाकृतिक जानकारी प्राप्त करने के लिए ४६० फसल क्षेत्र स्थानों का बेतरतीब ढंग से चयन किया गया. ४६० स्थानों में से १००, २ ३०० मीटर transects सहित (प्रत्येक है 9 नमूना स्थानों), क्षेत्र नमूना आचरण और समाज और मिट्टी पुनर्वितरण स्तर के विश्लेषण के लिए चुना गया. इसके अलावा, स्थलाकृतिक परिदृश्य, मिट्टी के प्रकार, और WCW के समान जुताई प्रथाओं के साथ दो छोटे पैमाने पर क्षेत्र साइटों और अधिक गहन नमूने के लिए चुना गया । प्रत्येक छोटे पैमाने पर क्षेत्र साइट पर, एक 25 × 25 मीटर ग्रिड सेल बनाया गया था, और २३० नमूना स्थानों ग्रिड नोड्स (चित्रा 3) पर स्थित थे । २३० स्थानों के लिए स्थलाकृतिक मीट्रिक और मृदा संपत्ति की जानकारी की गणना की गई.

उपर्युक्त प्रोटोकॉल के बाद WCW में स्थलाकृतिक मीट्रिक जेनरेट किए गए. WCW कम करने वाली मध्यम स्थलाकृति के साथ विशेषता है (२६० से ३२५ मीटर तक) एक रिश्तेदार कम ढलान (0 से लेकर ०.११ कांति) के साथ पदोंनति, ढलान ढलान (0 से ०.०९ मीटर), और मध्यम वक्रता (प्रोफाइल वक्रता:-०.००९ ०.००९ एम-1के लिए, योजना वक्री:-०.८५ से ०.८५ मीटर-1, सामान्य वक्री:-०.०२ से ०.०२ मीटर-1) । DEMs के ऊर्ध्वाधर उंनयन के लिए WCW में सकारात्मक खुलापन मैट्रिक्स (POP100) बनाने के लिए पाया अपेक्षाकृत कम क्षेत्र पैमाने पर राहत की अंतर को बढ़ाने के लिए १०० बार बढ़े थे । रूपांतरण के बाद, सकारात्मक खुलेपन की सीमा ०.०८ रेडियंस (POP: 1.51-1.59 रेडियंस) से ०.८६ रेडियंस (POP100:0.36-1.22 रेडियंस) से बढ़ गई ।

स्थलाकृतिक राहत के लिए, हम निंनलिखित radiuses के साथ सात राहत नक्शे उत्पंन: ७.५ मीटर, 15 मीटर, 30 एम, ४५ एम, ६० एम, ७५ एम, और ९० एम । सात राहत चर पर पीसीए के परिणामों के आधार पर दो राहत प्रिंसिपल घटकों का चयन किया गया. पहले के रूप में राहत45m के साथ मोटे संकल्प राहत भिंनता दिखाया मुख्य चर । हम बड़े पैमाने पर राहत (LsRe) के रूप में इस घटक को परिभाषित किया । दूसरा घटक है, जो उच्च राहत7.5 मीटर और प्रस्तुत ठीक संकल्प राहत भिंनता के साथ संबंधित था, छोटे पैमाने पर राहत (SsRe) के रूप में परिभाषित किया गया था ।

स्थलाकृतिक मैट्रिक्स और समाज घनत्व के बीच सहसंबंध विश्लेषण के परिणाम/मिट्टी पुनर्वितरण तालिका 2में प्रस्तुत कर रहे हैं । ट्वी और LsRe समाज घनत्व और मिट्टी पुनर्वितरण दर, क्रमशः के साथ सबसे अधिक सहसंबंध दिखाया । दो मीट्रिक के स्थानिक पैटर्न चित्रा 4में प्रस्तुत कर रहे हैं । ट्वी और LsRe के विवरण बेहतर transect क्षेत्र से मनाया जा सकता है । दोनों मैट्रिक्स अवसादी क्षेत्र और ढलान और रिज क्षेत्रों में कम मूल्यों में उच्च मूल्यों को दिखाया । हालांकि, दो मैट्रिक्स के बीच अंतर खाई क्षेत्रों में हुई, जहां ट्वी अत्यंत उच्च मूल्यों का प्रदर्शन किया, लेकिन LsRe के मूल्यों से सटे क्षेत्रों से अलग नहीं थे ।

पंद्रह स्थलाकृतिक मैट्रिक्स पैदा करने के बाद, हम WCW में ४६० नमूना साइटों पर इन स्थलाकृतिक चर पर पीसीए का इस्तेमाल किया । पहले सात स्थलाकृतिक प्रमुख घटक (TPCs) जो पूरे स्थलाकृतिक डेटासेट की ९०% से अधिक परिवर्तनशीलता को समझाए गए थे, चयनित थे. पांच TPCs कि स्थलाकृति आधारित मॉडल बनाने के लिए अंतिम चयन किया गया तालिका 3में सूचीबद्ध हैं । पहले प्रधान घटक (TPC1) के लिए, G_Cur सबसे अधिक लदान दिखाया । ढलान, ट्वी, Upsl, और LS_FB TPC2 में सबसे महत्वपूर्ण मैट्रिक्स थे, ०.३५ से बड़ा लदान के साथ । TPC3, एफए, SPI, और CA में महत्वपूर्ण मैट्रिक्स थे, ०.४८२, ०.४६०, और ०.४००, क्रमशः के लदान के साथ । FPL (-०.७०३) और Pl_Cur (०.४८५) TPC6 में सबसे महत्वपूर्ण थे । TPC7 में उच्च लदान के साथ मुख्य मैट्रिक्स थे SsRe (०.५९७), DI (०.४३५), FPL (०.४०७), और Pl_Cur (०.३८३) ।

VIF की जांच करके स्थलाकृतिक चर की Collinearity जाँच की गई. के 15 मैट्रिक्स, ढलान, ट्वी, और G_Cur उच्च VIFs के कारण हटा दिया गया । मिट्टी पुनर्वितरण दर और 1 और 2 साइटों से कार्बन घनत्व डेटा के आधार पर, SOLSR मॉडल सभी 15 मैट्रिक्स का उपयोग कर विकसित किया गया (SOLSRएफ) और collinear covariate के साथ 12 मैट्रिक्स (SOLSRआर) (तालिका 4) हटा दिया । आम तौर पर, ७०% से अधिक और समाज घनत्व और मिट्टी पुनर्वितरण दरों में परिवर्तनशीलता के ६५% SOLSRएफ मॉडल द्वारा क्रमशः समझाया गया था । collinear covariate हटाया (SOLSRआर) के साथ मॉडलों के लिए, सिमुलेशन क्षमता SOLSRएफ मॉडल (समाज के घनत्व के लिए ६८% और मिट्टी पुनर्वितरण के लिए ६३%) से थोड़ा कम थे । NSEs थोड़ा कम थे और RSR थोड़ा SOLSRआर मॉडल में SOLSRएफ मॉडल की तुलना में अधिक थे ।

SPCR मॉडल के लिए, समान सिमुलेशन क्षमता के रूप में SOLSR आर तालिका 4में मनाया जाता है । हालांकि, कम स्वतंत्र चर SPCR मॉडल में चयनित किए गए थे (से कम 5 चर) SOLSRf और SOLSRr मॉडल (से अधिक 6 चर) । TPCs 1, 2, 3, और 7 समाज मॉडल और TPCs 1, 2, 3, 6 के लिए स्वतंत्र चर संयोजन के रूप में चुना गया था, और 7 मिट्टी पुनर्वितरण मॉडल के लिए संयोजन के रूप में चुना गया था ।

हमने पाया है कि SPCR मॉडल सर्वश्रेष्ठ भविष्यवाणियों और SOLSRआर मॉडल था वाटरशेड पैमाने पर सबसे गरीब प्रदर्शन दिखाया । निर्धारण के गुणांक (आर2) समाज के घनत्व की भविष्यवाणी की तुलना करके अवलोकन से वृद्धि हुई: 1) ०.६० SOLSRएफ में और ०.५२ SOLSRआर में ०.६६ के लिए SPCR, और 2) एनएसई में ०.२१ से बढ़ाकर SOLSRएफ और ०.१६ में SOLSRआर SPCR में ०.५९ को; जबकि RSR SOLSRएफ में ०.८७ से कम और ०.९१ में SOLSRआर में ०.६४ से SPCR. SPCR में मृदा पुनर्वितरण दर की भविष्यवाणी मापा चर में परिवर्तनशीलता के ३६% के लिए जवाबदेह है और SOLSRएफ द्वारा भविष्यवाणियों से अधिक था (३४%) और SOLSRआर (०.३५%) । SPCR (एनएसई = ०.३३, RSR = ०.८२) की तुलना में एनएसई और लोअर RSR (एनएसई = ०.३१, RSR = ०.८३) और SOLSRआर (एनएसई = ०.३२, RSR = ०.८२) ने भी SPCR द्वारा मृदा पुनर्वितरण दर सिमुलेशन में बेहतर प्रदर्शन का प्रदर्शन किया ।

मॉडल प्रदर्शन मूल्यांकन के अनुसार, SPCR मॉडल को वाटरशेड पैमाने पर समाज घनत्व और मिट्टी पुनर्वितरण दर नक्शे उत्पंन चुना गया । नक्शे मॉडल सिमुलेशन और क्षेत्र माप (चित्रा 5) के बीच सुसंगत पैटर्न से पता चला । सिमुलेशन और टिप्पणियों के बीच उच्च consistencies transects के साथ और अधिक स्पष्ट थे । दोनों समाज घनत्व और मिट्टी पुनर्वितरण दरों परिदृश्य स्थलाकृति के साथ उच्च सहसंबंध दिखाया । समाज घनत्व के उच्च मूल्यों footslope और बयाना क्षेत्रों में पाया जा सकता है, जहां मिट्टी का जमाव हुआ, जबकि समाज के घनत्व के कम मूल्यों ढलान वाले क्षेत्रों में मनाया गया, जहां मिट्टी कटाव जगह ले ली ।

Figure 1
चित्रा 1 : ढलान, पहलू, स्वचालित Geoscientific विश्लेषण (गाथा) के लिए प्रणाली में वक्रता मॉड्यूल । बहुभुज अध्ययन क्षेत्रों के स्थानों को दिखाते हैं । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 2
चित्रा 2 : जल (आयोवा) में अखरोट क्रीक वाटरशेड और नमूना साइटों के स्थान । यह आंकड़ा पिछले काम17से अनुकूलित किया गया था । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 3
चित्रा 3 : नमूना साइटों के स्थान a) 1 और b) 2 (z-अक्ष 15x उंनयन) । यह आंकड़ा पिछले काम17से अनुकूलित किया गया था । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए । 

Figure 4
चित्र 4 : स्थलाकृतिक मीट्रिक नक्शे । (अ) स्थलाकृतिक नमी सूचकांक (ट्वी) और (ख) अखरोट क्रीक वाटरशेड और transect क्षेत्र में बड़े पैमाने पर स्थलाकृतिक राहत (LsRe) (जेड-एक्सिस १५ एक्स उन्नयन). कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 5
चित्रा 5 : मृदा पुनर्वितरण दर (टी हा-1 वर्ष-1) नक्श और समाज घनत्व (केजी एम-2) मैप्स .  दिखाया मिट्टी पुनर्वितरण नक्शे (एक) के भीतर अखरोट क्रीक वाटरशेड और (ख) दो transects के साथ कर रहे हैं । दिखाया समाज घनत्व (किग्रा एम-2) नक्शे (ग) अखरोट क्रीक वाटरशेड के भीतर और (घ) दो transects के साथ stepwise प्रमुख घटक विश्लेषण मॉडल (z-अक्ष 15x उंनयन) का उपयोग कर रहे हैं । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

चर महत्व
ढलान (कांति) अपवाह वेग, हवामान पाणी सामग्री२८,२९
प्रोफाइल वक्री (एम-1) प्रवाह त्वरण, मृदा अपरदन, साठा दर११,३०
योजना वक्री (एम-1) प्रवाह अभिसरण और विचलन, मृदा जल सामग्री30
सामान्य वक्री (एम-1) अपवाह वेग, मृदा अपरदन, साठा२९
प्रवाह संचय मृदा जल सामग्री, अपवाह मात्रा20
स्थलाकृतिक राहत (एम) लैंडस्केप ड्रेनेज विशेषताओं, अपवाह वेग और त्वरण21,31 
सकारात्मक खुलापन (कांति) लैंडस्केप ड्रेनेज विशेषताओं, मिट्टी के पानी की सामग्री३२
ढाल ढलान (एम) अपवाह वेग३३,३४
प्रवाह पथ लंबाई (m) तलछट उपज, कटाव दर३५ 
Downslope इंडेक्स (कांति) मिट्टी पानी की सामग्री३६
जलग्रहण क्षेत्र (एम2) अपवाह वेग आणि मात्रा३३,३७ 
स्थलाकृतिक नमी सूचकांक मृदा नमी वितरण28,३८,३९ 
स्ट्रीम पावर इंडेक्स मिट्टी का कटाव, प्रवाह का अभिसरण४० 
ढलान लंबाई फैक्टर प्रवाह अभिसरण और विचलन28,४०

तालिका 1: चयनित स्थलाकृतिक मैट्रिक्स का माहात्म्य.

ढलान P_Cur Pl_Cur G_Cur एफए LsRe SsRe पॉप Upsl Fpl Di Ca ट्वी Spi LS_FB
कांति (एम-1) (एम-1) (एम-1) मी मी कांति मी मी (°) (एम2)
समाज -०.६८७ -०.१५९ -०.३३३ -०.२८८ ०.१६५ ०.६९८ -०.१७१ -०.४५१ -०.३१५ ०.४९९ ०.४१३ ०.५८८ ०.७३५ ०.१६५ -०.४५३
,† ** *** *** *** ,† *** *** *** *** *** ,† ,‡ *** ***
सीनियर -०.६५ -०.२०५ -०.२७४ -०.२८२ ०.१५६ ०.६८७ -०.०९९ -०.४२७ -०.२१७ ०.४८७ ०.३६१ ०.५६५ ०.६४७ ०.१५६ -०.४३८
,† *** *** *** ** ,‡ * *** *** *** *** ,† ,† *** ***
P_Cur, Pl_Cur, और G_Cur क्रमशः प्रोफ़ाइल वक्रता, योजना वक्रता और सामान्य वक्रता,; एफए प्रवाह संचय है; RePC1 और RePC2 स्थलाकृतिक राहत घटक हैं 1 और 2, क्रमशः; POP100 सकारात्मक खुलापन है; Upsl ढाल ढलान है; FPL प्रवाह पथ लंबाई है; डि downslope सूचकांक है; सीए जलग्रहण क्षेत्र है; ट्वी स्थलाकृतिक नमी सूचकांक है; और SPI धारा शक्ति सूचकांक है; और LS_FB ढलान लंबाई कारक (क्षेत्र आधारित) है ।
* p < ०.०५, * * p < ०.००५, * * * p < ०.०००१ ।
† सहसंबंध गुणांक > 0.5, ‡ प्रत्येक मृदा संपदा के लिए उच्चतम सहसंबंध गुणांक ।

तालिका 2: चयनित स्थलाकृतिक मैट्रिक्स और मृदा कार्बनिक कार्बन (समाज) घनत्व और मृदा पुनर्वितरण दरों (SR) के बीच स्पीमरन का रैंक सहसंबंध (n = ५६०) ।

TPC1 (25%) TPC2 (24%) TPC3 (14%) TPC6 (5%) TPC7 (4%)
ढलान ०.०६२ ०.४७५ † -०.०३५ -०.०१३ -०.१८३
P_Cur -०.२९० ०.००० ०.३४६ -०.०७० -०.००२
Pl_Cur -०.२८३ ०.१०७ -०.००१ ०.४८५ † ०.३८३ †
G_Cur -०.३५३ † ०.०५४ ०.२७५ ०.०२५ ०.१००
एफए ०.२९७ -०.०४२ ०.४८२ † ०.१७९ ०.१३१
LsRe ०.३०९ -०.१९३ -०.२३७ ०.११३ -०.११६
SsRe ०.२३४ ०.२६६ -०.११८ ०.०८४ ०.५९७ †
POP100 -०.३३० ०.०९२ ०.२५८ -०.२९२ ०.२१७
Upsl ०.१८७ ०.४१९ † -०.१४३ -०.०६६ ०.०१२
Fpl ०.१४७ -०.१६८ -०.०८८ -०.७०३ † ०.४०७ †
Di ०.१०३ -०.२२० -०.१६४ ०.१८४ ०.४३५ †
Ca ०.३२६ -०.१२८ ०.४ † -०.१६० -०.०९२
ट्वी ०.०५३ -०.४६५ † -०.०६७ ०.१८५ -०.०४७
Spi ०.३४५ -०.०१४ ०.४६ † ०.१६९ ०.०८०
LS_FB ०.२५६ ०.३९६ † ०.०५० ०.०११ -०.०७२
P_Cur, Pl_Cur, और G_Cur क्रमशः प्रोफ़ाइल वक्रता, योजना वक्रता और सामान्य वक्रता,; एफए प्रवाह संचय है; RePC1 और RePC2 स्थलाकृतिक राहत घटक हैं 1 और 2, क्रमशः; POP100 सकारात्मक खुलापन है; Upsl ढाल ढलान है; FPL प्रवाह पथ लंबाई है; डि downslope सूचकांक है; सीए जलग्रहण क्षेत्र है; ट्वी स्थलाकृतिक नमी सूचकांक है; और SPI धारा शक्ति सूचकांक है; और LS_FB ढलान लंबाई कारक (क्षेत्र आधारित) है ।
† लोड हो रहा है > ०.३५ ।

तालिका 3: अखरोट क्रीक वाटरशेड में स्थलाकृतिक मैट्रिक्स (n = ४६०) के लिए परिकलित मुख्य घटक (TPCs) में चर loadings ।

मॉडल आर2adj एनएसई RSR
Stepwise प्रमुख घटक प्रतीपगमन (SPCR)
समाज 2.932-0.058 tpc2-0.025 tpc3 + 0.051 tpc7 + 0.037 tpc1 † ०.६८ ०.६९ ०.५६
सीनियर 2.111 + 0.013 tpc1 + 0.032 tpc7-0.028 tpc2-0.016 tpc3-0.010 tpc6 ०.६३ ०.६३ ०.६१
Stepwise साधारण कम वर्ग प्रतिगमन (SOLSRf)
समाज 2.755 + 0.021 ट्वी + 0.0004 fpl-6.369 g_cur-5.580 ढाल + 0.011 lsre + 0.091 डि + 0.013 ssre + 0.125 ls_fb ०.७ ०.७१ ०.५५
सीनियर 2.117 + 0.007 lsre-3.128 ढाल + 0.109 डि + 0.010 ssre + 0.0002 fpl + 0.801 upsl-4.442 p_cur ०.६५ ०.६५ ०.५९
collinear covariate (SOLSRr) के साथ Stepwise साधारण कम वर्ग प्रतीपगमन
समाज 2.951 + 0.033 lsre-2.869 upsl + 0.0006 fpl + 0.028 ssre + 0.124 di-0.163 ls_fb + 0.007 spi-10.187 p_cur ०.६८ ०.६८ ०.५६
सीनियर 2.042 + 0.016 lsre-0.146 ls_fb + 0.118 di + 0.017 ssre + 0.0003 fpl + 0.070 पॉप ०.६३ ०.६४ ०.६
† TPCs का क्रम stepwise चयन चरणों पर आधारित है
आर2adj निर्धारण के गुणांक समायोजित किया है; एनएसई नैश-Sutcliffe क्षमता है; RSR मापा डेटा के मानक विचलन करने के लिए मूल माध्य वर्ग त्रुटि (RMSE) का अनुपात है ।
टीपीसी स्थलाकृतिक प्रधान घटक का प्रतिनिधित्व करता है । ट्वी स्थलाकृतिक नमी सूचकांक है; FPL प्रवाह पथ लंबाई है; P_Cur, Pl_Cur, और G_Cur क्रमशः प्रोफ़ाइल वक्रता, योजना वक्रता और सामान्य वक्रता,; LS_FB ढलान लंबाई कारक है (क्षेत्र आधारित); LsRe और SsRe बड़े पैमाने पर और छोटे पैमाने पर स्थलाकृतिक राहत हैं, क्रमशः; डि downslope सूचकांक है; और Upsl ढलान ढलान है ।

तालिका 4:1 और 2 साइटों पर स्थलाकृतिक मैट्रिक्स के आधार पर कृषि क्षेत्रों के लिए मिट्टी कार्बनिक कार्बन (समाज) घनत्व और मिट्टी पुनर्वितरण दर (SR) के मॉडल ।

Discussion

SOLSRएफ मॉडल फील्ड स्केल पर अंशांकन में SPCR मॉडल से थोड़ा बेहतर प्रदर्शन किया था । हालांकि, कुछ स्थलाकृतिक मीट्रिक्स, जैसे SPI और CA (r > ०.८०), एक-दूसरे से निकटता से संबंधित हैं । collinearity मॉडल भविष्यवाणियों को अनिश्चितताओं जोड़ सकते हैं । क्योंकि multicollinearity के बीच भविष्यवक्ताओं, इनपुट चर में छोटे परिवर्तन काफी मॉडल भविष्यवाणियों४१को प्रभावित कर सकते हैं । इसलिए, SOLSRएफ मॉडल के लिए अस्थिर हो जाता है और वाटरशेड पैमाने पर समाज घनत्व और मिट्टी पुनर्वितरण दर के सिमुलेशन में कम क्षमता दिखाया । SPCR मॉडल काफी वाटरशेड पैमाने पर समाज के वितरण की भविष्यवाणी में SOLSRएफ मॉडल से बेहतर प्रदर्शन । TPCs पंद्रह स्थलाकृतिक मैट्रिक्स को पारस्परिक रूप से स्वतंत्र (ओर्थोगोनल) घटकों में परिवर्तित करके multicollinearity को समाप्त करना. रूपांतरण ने स्थलाकृतिक मीट्रिक के बीच अंतर्निहित संबंधों का भी पर्दाफाश किया. घटकों के लिए स्थलाकृतिक मैट्रिक्स के उच्च लदान (> ०.३५) द्वारा संकेत के रूप में, TPC1, TPC2, TPC3, TPC6, और TPC7 अपवाह वेग, मिट्टी के पानी की सामग्री, अपवाह मात्रा, प्रवाह विचलन, और प्रवाह त्वरण, क्रमशः के साथ जुड़े थे । मिट्टी पुनर्वितरण दर और समाज वितरण के स्थानिक पैटर्न अत्यधिक मिट्टी के पानी की सामग्री और WCW है, जो फॉक्स और Papanicolaou2, जो कि घिस मिट्टी से प्रदर्शित की अध्ययन के साथ संगत है में अपवाह विचलन के साथ संबंधित थे अंतर्देशीय एक कम राहत कृषि वाटरशेड में प्रवाह विचलन से प्रभावित किया जा सकता है ।

इसके अलावा, SOLSRएफ और SOLSRआर मॉडल से SPCR मॉडल में कम कारक चर से अधिक का खतरा कम-फिटिंग भविष्यवाणी मॉडल४२,४३। वहां सभी SOLSR मॉडल में छह से अधिक चर रहे थे, जो डेटा व्याख्या की कठिनाई बढ़ सकता है और मॉडल सिमुलेशन में उच्च विचरण प्रेरित४१,४४,४५। इस SPCR मॉडल से SOLSR मॉडल द्वारा WCW में कम भविष्यवाणी क्षमता के लिए खाते में हो सकता है ।

स्थलाकृति आधारित SPCR मॉडल मिट्टी पुनर्वितरण और जुड़े समाज गतिशीलता अनुकरण में लाभ है । सबसे पहले, स्थलाकृतिक जानकारी आसानी से DEMs से प्राप्त किया जा सकता है । उच्च स्थानिक संकल्प LiDAR डेटा की हाल ही में वृद्धि की पहुंच में मदद कर सकते है DEM-व्युत्पंन परिदृश्य स्थलाकृति और सीमित क्षेत्र टिप्पणियों के साथ क्षेत्रों में लाभ जांच की सटीकता में सुधार होगा । दूसरा, स्थलाकृतिक मैट्रिक्स और सांख्यिकीय विश्लेषण का एक सेट का उपयोग कर, स्थलाकृति आधारित मॉडल कुशलतापूर्वक मिट्टी पुनर्वितरण और समाज वितरण पैटर्न कर सकते हैं । तीसरा, प्रमुख घटक के आवेदन को प्रभावी ढंग से स्थलाकृतिक मैट्रिक्स के multicollinearity के साथ जुड़े पूर्वाग्रहों को कम करने और stepwise प्रतिगमन मॉडल की स्थिरता में वृद्धि कर सकते है जब एकाधिक स्थानिक तराजू के लिए आवेदन किया ।

हालांकि, SPCA मॉडल चर द्वारा सीमित किया जा सकता है मॉडल विकास के दौरान । यद्यपि पारिस्थितिक अध्ययनों में LiDAR आंकड़ों के अनुप्रयोग में वृद्धि, उपयोगी स्थलाकृतिक जानकारी प्राप्त करने के तरीके अभी तक पूरी तरह से पता नहीं लगाया गया है । इस अध्ययन में, ट्वी और LsRe क्रमशः समाज घनत्व और मिट्टी पुनर्वितरण दरों के साथ सबसे अधिक सहसंबंध दिखाया । हालांकि, अतिरिक्त स्थलाकृतिक चर माना जाता है कि मिट्टी कटाव और सी गतिशीलता समझाने में समान रूप से या अधिक महत्वपूर्ण हो सकता है । इसके अतिरिक्त, अंय कारकों जैसे प्रबंधन प्रथाओं, जो मिट्टी कटाव परिवर्तनशीलता के कारण हो सकता है, इस अध्ययन में शामिल नहीं थे । उदाहरण के लिए, जब जुताई अधिकतम ढलान की दिशा के समानांतर थी, मिट्टी कटाव slantwise जुताई मिट्टी ढाल४६मोड़ में कटाव के सापेक्ष डबल हो सकता है । इसलिए, विभिंन जुताई प्रथाओं भी SPCR मॉडल की कम भविष्यवाणी क्षमता के लिए एक कारण हो सकता है ।

यह अध्ययन17Catena में प्रकाशित पेपर पर आधारित है । Catena कागज में प्रदर्शन के रूप में मिट्टी आंदोलन और मिट्टी के गुणों पर स्थलाकृतिक प्रभावों के एक यंत्रवत आधारित विश्लेषण के बजाय, यहां हम स्थलाकृतिक मैट्रिक्स को बढ़ाता है और स्थलाकृति आधारित मॉडल के विकास के लिए तरीकों पर ध्यान केंद्रित किया । हम व्यवहार्यता और मिट्टी संपत्तियों की स्थानिक संरचना के अध्ययन में स्थलाकृति आधारित मॉडल का उपयोग करने के लाभों पर चर्चा की । इस बीच, हम ढलान लंबाई कारक और प्रवाह संचय के एल्गोरिदम को अद्यतन करने के द्वारा हमारे मॉडलों में सुधार हुआ । ढलान लंबाई फैक्टर माप के पैमाने पर क्षेत्र के क्षेत्र तक ही सीमित था । इसके अतिरिक्त, नियतात्मक इंफिनिटी एल्गोरिथ्म प्रवाह संचय पीढ़ी के लिए इस्तेमाल किया गया था । ली एट अल में रिपोर्ट की विधि के साथ तुलना में । 17 जो एक नियतात्मक आठ नोड एल्गोरिथ्म के साथ प्रवाह संचय उत्पंन, इंफिनिटी इस अध्ययन में अपनाया एल्गोरिथ्म प्रवाह दिशा कोण में छोरों को कम कर देता है और कम राहत क्षेत्रों४७के लिए एक बेहतर एल्गोरिथ्म साबित हुआ ।

अंत में, हमारे परिणामों के कृषि क्षेत्रों में समाज वितरण और मिट्टी पुनर्वितरण पैटर्न अनुकरण में स्थलाकृति आधारित SPCR मॉडल की व्यवहार्यता प्रदर्शित करते हैं । एक लागत प्रभावी विधि के रूप में समाज के शेयरों और मिट्टी पुनर्वितरण दरों का अनुमान है, यह सीमित प्रेक्षणीय डेटा और निजी सार्वजनिक पहुंच का अभाव भूमि के साथ साइटों के लिए लागू है । भविष्य के अध्ययनों में, पूर्वानुमान मॉडल आगे शोधन और LiDAR डेटा और अतिरिक्त स्थलाकृतिक मैट्रिक्स के शामिल किए जाने की उपलब्धता के साथ सुधार किया जा सकता है । बड़े पैमाने पर मिट्टी संपत्ति नक्शे है कि मॉडलों के आधार पर विकसित किया गया कृषि परिदृश्य में मिट्टी आंदोलन पर स्थलाकृतिक प्रभावों और वाटरशेड और क्षेत्रीय तराजू में समाज के भाग्य अंतर्निहित तंत्र के आगे समझने के लिए नेतृत्व करेंगे ।

Disclosures

लेखकों का खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

इस शोध को राष्ट्रीय संरक्षण प्रभाव आकलन परियोजना (NRCS 67-3A75-13-177) के झीलों घटक के सहयोग से USDA प्राकृतिक संसाधन संरक्षण सेवा द्वारा समर्थित किया गया ।

Materials

Name Company Catalog Number Comments
Light Detection and Ranging (LiDAR) data  http://www.geotree.uni.edu/lidar/ Collected from the GeoTREE LiDAR mapping project 
LECO CNS 2000 elemental analyzer  LECO Corp., St. Joseph, MI
Canberra Genie-2000 Spectroscopy System CANBERRA Industries
Geographic positioning system Trimble  RTK 4700 GPS
ArcGIS ESRI, Redlands, CA 10.2.2
Statistical Analysis System  SAS Institute Inc
System for Automated Geoscientific Analysis  University of Göttingen, Germany  v. 2.2.5, http://www.saga-gis.org/ GNU General Public License

DOWNLOAD MATERIALS LIST

References

  1. Lal, R. Soil erosion and carbon dynamics. Soil and Tillage Research. 81 (2), 137-142 (2005).
  2. Fox, J. F., Papanicolaou, A. N. The use of carbon and nitrogen isotopes to study watershed erosion processes. Journal of the American Water Resources Association. 43 (4), 1047-1064 (2007).
  3. Hemelryck, H. V., Fiener, P., Van Oost, K., Govers, G., Merckx, R. The effect of soil redistribution on soil organic carbon: An experimental study. Biogeosciences. 7 (12), 3971-3986 (2010).
  4. McCarty, G. W., Ritchie, J. C. Impact of soil movement on carbon sequestration in agricultural ecosystems. Environmental Pollution. 116 (3), 423-430 (2002).
  5. Quine, T. A., van Oost, K. Quantifying carbon sequestration as a result of soil erosion and deposition: Retrospective assessment using caesium-137 and carbon inventories. Global Change Biology. 13 (12), 2610-2625 (2007).
  6. Polyakov, V. O., Lal, R. Soil organic matter and CO2 emission as affected by water erosion on field runoff plots. Geoderma. 143 (1-2), 216-222 (2008).
  7. Balesdent, J., Mariotti, A., Boisgontier, D. Effect of tillage on soil organic carbon mineralization estimated from 13C abundance in maize fields. Journal of Soil Science. 41, 587-596 (1990).
  8. Van Oost, K., et al. Landscape-scale modeling of carbon cycling under the impact of soil redistribution: The role of tillage erosion. Global Biogeochemical Cycles. 19 (4), 1-13 (2005).
  9. De Gryze, S., Six, J., Bossuyt, H., Van Oost, K., Merckx, R. The relationship between landform and the distribution of soil C, N and p under conventional and minimum tillage. Geoderma. 144 (1-2), 180-188 (2008).
  10. Zhang, J., Quine, T. A., Ni, S., Ge, F. Stocks and dynamics of SOC in relation to soil redistribution by water and tillage erosion. Global Biogeochemical Cycles. 12, 1834-1841 (2006).
  11. Ritchie, J. C., McCarty, G. W., Venteris, E. R., Kaspar, T. C. Soil and soil organic carbon redistribution on the landscape. Geomorphology. 89, 163-171 (2007).
  12. Vander Perk, M., Slávik, O., Fulajtár, E. Assessment of spatial variation of cesium-137 in small catchments. Journal of Environmental Quality. 31 (6), 1930-1939 (2002).
  13. Rezaei, S. A., Gilkes, R. J. The effects of landscape attributes and plant community on soil physical properties in rangelands. Geoderma. 125 (1-2), 145-154 (2005).
  14. Rieke-Zapp, D. H., Nearing, M. A. Slope shape effects on erosion: a laboratory study. Soil Science Society of America Journal. 69 (5), 1463-1471 (2005).
  15. Schwanghart, W., Jarmer, T. Linking spatial patterns of soil organic carbon to topography - A case study from south-eastern Spain. Geomorphology. 126 (1-2), 252-263 (2011).
  16. Dialynas, Y. G., et al. Topographic variability and the influence of soil erosion on the carbon cycle. Global Biogeochemical Cycles. 30, 644-660 (2016).
  17. Li, X., McCarty, G. W., Karlen, D. L., Cambardella, C. A. Topographic metric predictions of soil redistribution and organic carbon in Iowa cropland fields. Catena. 160, 222-232 (2018).
  18. Amore, E., Modica, C., Nearing, M. A., Santoro, V. C. Scale effect in USLE and WEPP application for soil erosion computation from three Sicilian basins. Journal of Hydrology. 293 (1-4), 100-114 (2004).
  19. Doetterl, S., et al. Erosion, deposition and soil carbon: A review of process-level controls, experimental tools and models to address C cycling in dynamic landscapes. Earth-Science Reviews. 154, 102-122 (2016).
  20. Gessler, P. E., Chadwick, O. A., Chamran, F., Althouse, L., Holmes, K. Modeling soil-landscape and ecosystem properties using terrain attributes. Soil Science Society of America Journal. 64 (6), 2046-2056 (2000).
  21. Montgomery, D. R., Brandon, M. T. Topographic controls on erosion rates in tectonically active mountain ranges. Earth and Planetary Science Letters. 201 (3-4), 481-489 (2002).
  22. Pan, B., Geng, H., Hu, X., Sun, R., Wang, C. The topographic controls on the decadal-scale erosion rates in Qilian Shan Mountains N.W. China. Earth and Planetary Science Letters. 292 (1-2), 148-157 (2010).
  23. Conrad, O., et al. System for Automated Geoscientific Analyses (SAGA) v . 2.1.4. Geoscientific Model Development. 8, 1991-2007 (2015).
  24. Walling, D. E., Zhang, Y., He, Q. 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). International Atomic Energy Agency. , 11-33 (2011).
  25. Sindayihebura, A., Ottoy, S., Dondeyne, S., Van Meirvenne, M., Van Orshoven, J. Comparing digital soil mapping techniques for organic carbon and clay content Case study in Burundi's central plateaus. Catena. 156, 161-175 (2017).
  26. Schumacher, J. A., Kaspar, T. C., Ritchie, J. C., Schumacher, T. E., Karlen, D. L. Identifying spatial patterns of erosion for use in precision conservation. Journal of Soil and Water Conservation. 60 (6), 355-362 (2005).
  27. Young, C. J., et al. 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. Geoderma. 232, 437-448 (2014).
  28. Afshar, F. A., Ayoubi, S., Jalalian, A. Soil redistribution rate and its relationship with soil organic carbon and total nitrogen using 137Cs technique in a cultivated complex hillslope in western Iran. Journal of Environmental Radioactivity. 101 (8), 606-614 (2010).
  29. Li, Q. Y., Fang, H. Y., Sun, L. Y., Cai, Q. G. 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. Land Degradation & Development. 25 (4), 350-359 (2014).
  30. Troch, P., Van Loon, E., Hilberts, A. Analytical solutions to a hillslope-storage kinematic wave equation for subsurface flow. Advances in Water Resources. 25 (6), 637-649 (2002).
  31. Tucker, G. E., Bras, R. L. Hillslope processes, drainage density, and landscape morphology. Water Resources Research. 34 (10), 2751-2764 (1998).
  32. Seijmonsbergen, A. C., Hengl, T., Anders, N. S. Semi-Automated Identification and Extraction of Geomorphological Features Using Digital Elevation Data. Developments in Earth Surface Processes. 15, (2011).
  33. Moore, I. D., Grayson, R. B., Ladson, D. A. R. Digital terrain modelling: A review of hydrological, geomorphological, and biological applications. Hydrological Processes. 5, 3-30 (1991).
  34. Kirkby, M. J. Do not only connect: A model of infiltration-excess overland flow based on simulation. Earth Surface Processes and Landforms. 39 (7), 952-963 (2014).
  35. Sharpley, A., Kleinman, P. Effect of rainfall simulator and plot scale on overland flow and phosphorus transport. Journal of Environmental Quality. 32 (6), 2172-2179 (2003).
  36. Hjerdt, K. N. A new topographic index to quantify downslope controls on local drainage. Water Resources Research. 40 (5), 1-6 (2004).
  37. Kasai, M., Marutani, T., Reid, L. M., Trustrum, N. A. Estimation of temporally averaged sediment delivery ratio using aggradational terraces in headwater catchments of the Waipaoa River, North Island, New Zealand. Earth Surface Processes and Landforms. 26 (1), 1-16 (2001).
  38. Lang, M. W., McCarty, G. W., Oesterling, R., Yeo, I. Y. Topographic metrics for improved mapping of forested wetlands. Wetlands. 33 (1), 141-155 (2013).
  39. Li, X., et al. Topographic and physicochemical controls on soil denitrification in prior converted croplands located on the Delmarva Peninsula, USA. Geoderma. 309, 41-49 (2018).
  40. Conforti, M., Aucelli, P. P. C., Robustelli, G., Scarciglia, F. Geomorphology and GIS analysis for mapping gully erosion susceptibility in the Turbolo stream catchment (Northern Calabria, Italy). Natural Hazards. 56 (3), 881-898 (2011).
  41. Dormann, C. F., et al. Collinearity: A review of methods to deal with it and a simulation study evaluating their performance. Ecography. 36 (1), 027-046 (2013).
  42. Fodor, I. K. A survey of dimension reduction techniques. 9, Center for Applied Scientific Computing. Lawrence Livermore National Laboratory. 1-18 (2002).
  43. Quijano, L., Gaspar, L., Navas, A. Spatial patterns of SOC, SON, 137 Cs and soil properties as affected by redistribution processes in a Mediterranean cultivated field (Central Ebro Basin). Soil and Tillage Research. 155, 318-328 (2016).
  44. Næs, T., Martens, H. Principal component regression in NIR analysis: Viewpoints, background details and selection of components. Journal of Chemometrics. 2 (2), 155-167 (1988).
  45. Shlens, J. A Tutorial on Principal Component Analysis. Measurement. 51, 52 (2014).
  46. Heckrath, G., et al. Tillage erosion and its effect on soil properties and crop yield in Denmark. Journal of Environmental Quality. 34, 312-324 (2005).
  47. Tarboron, G. A new method for the determination of flow directions and upslope areas in grid digital elevation models. Water Resources Research. 33 (2), 309-319 (1997).

Tags

पर्यावरण विज्ञान १४० मुद्दा स्थलाकृति आधारित मॉडल stepwise प्रमुख घटक प्रतिगमन stepwise साधारण रैखिक प्रतिगमन डिजिटल उंनयन मॉडल मिट्टी पुनर्वितरण मिट्टी कार्बनिक कार्बन
मिट्टी पुनर्वितरण और मृदा कार्बनिक कार्बन को मैप करने के लिए स्थलाकृतिक मॉडल ऊपर स्केलिंग के लिए प्रमुख घटकों का उपयोग
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Li, X., McCarty, G. W. Use of… More

Li, X., McCarty, G. W. Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon. J. Vis. Exp. (140), e58189, doi:10.3791/58189 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter