Diese Methode kann helfen, wichtige Fragen im landwirtschaftlichen Bereich zu beantworten, wie die Landschaftstopographie die Bodenerosion und die Organische Stoffdynamik des Bodens beeinflussen kann. Der Hauptvorteil dieser Technik besteht darin, dass sie auf Gebiete mit begrenzten Beobachtungen anwendbar ist und eine kostengünstige Schätzung der organischen Kohlenstoffvorräte und der Umverteilungsprozesse im Boden bietet. Sammeln Sie zunächst Daten von der Website GeoTREE Light Detection and Ranging Mapping Project.
Wählen Sie Begrenzungstyp und -bereich aus, um auf einen bestimmten Bereich zu zoomen. Zeichnen Sie dann ein Polygon, um die Lichterkennung und die Anordnung von Kacheln für das ausgewählte Untersuchungsgebiet herunterzuladen. Konvertieren Sie die Rohlichterkennung und -bereichitortionsdaten mithilfe des Mapping-Tools für das geografische Informationssystem in eine LAS-Datei.
Generieren Sie als Nächstes digitale Höhenmodelle (DEMS) mit einer räumlichen Auflösung von drei Metern unter Verwendung einer inversen, distanzgewichteten Interpolation. Filtern Sie das Drei-Meter-DEMS zweimal mit einem Drei-Kernel-Tiefpassfilter, um Geräusche zu reduzieren, die mit lokalen Variationen verbunden sind. Um topografische Metriken zu generieren, klicken Sie im Abschnitt Importieren/Exportieren zuerst auf Raster importieren, um das gefilterte demS mit drei Zählern in SAGA zu importieren.
Klicken Sie als Nächstes auf das Modul Neigung, Aspekt, Krümmung von SAGA mit den Standardeinstellungen, um die Neigung, die krümmungsbezogene Metrik und die allgemeine Krümmungsmetrik mithilfe der gefilterten DEMs zu generieren. Klicken Sie auf das Flow Accumulation Top-Down-Modul von SAGA, und wählen Sie Deterministische Unendlichkeit als Methode zum Generieren der Flow Akkumulationsmetrik mit den gefilterten DEMs aus. Klicken Sie anschließend auf das MODUL SAGA Topographic Openness mit den Standardeinstellungen, um die positive Offenheitsmetrik mithilfe eines gefilterten z-Achsen-verstärkten Bildes zu generieren.
Die Vergrößerung der vertikalen Abstände in den digitalen Höhenmodellen verbessert die Unterscheidungsfähigkeit positiver Offenheit an Standorten mit einer relativ flachen Oberfläche. Klicken Sie auf das LS-Faktorfeld-basierte Modul von SAGA mit den Standardeinstellungen, um die Steigungsneigungs- und Neigungslängenfaktormetriken mithilfe der gefilterten DEMs zu generieren. Klicken Sie als Nächstes auf das Modul Flusspfadlänge von SAGA mit den Standardeinstellungen, um die Fließpfadlängenmetrik mithilfe der gefilterten DEMs zu generieren.
Klicken Sie auf das Downslope Distance Gradient-Modul von SAGA mit den Standardeinstellungen, um die Downslope-Indexmetrik mit den gefilterten DEMs zu generieren. Klicken Sie nun auf das MODUL SAGA-Nassindex, und wählen Sie das absolute Einzugsgebiet als Bereich aus, um die Meter des Einzugsgebiets und der topografischen Nässeindexmetriken mithilfe der gefilterten DEMs zu generieren. Klicken Sie auf das Stream Power Index-Modul von SAGA, und wählen Sie pseudospezifisches Einzugsgebiet als Flächenkonvertierung aus, um die Stream-Power-Index-Metrik mithilfe der gefilterten DEMs zu generieren.
Generieren Sie anschließend maximale Höhenkarten mit mehreren Radien. Filtern Sie die maximalen Höhenzuordnungen zweimal über einen Drei-Kernel-Tiefpassfilter. Subtrahieren Sie das gefilterte dem 3-Meter-DEM von den gefilterten maximalen Höhenkarten, um eine Reihe von Reliefkarten zu erhalten.
Extrahieren Sie eine Reihe von Reliefvariablen an eine Reihe von Positionen. Führen Sie eine Hauptkomponentenanalyse für die Reliefvariablen durch, um die Reliefs in topografische Reliefkomponenten umzuwandeln. Wählen Sie Hauptkomponenten aus, die mehr als 90 % Varianz des Relief-Datasets als topografische Reliefmetriken erklären.
Standardisieren Sie die sieben Reliefkarten mit Mittelwert und Standardabweichung. Erstellen Sie Relief-Hauptkomponenten nach Summe des standardisierten topographischen Reliefs, gewichtet durch die entsprechenden Belastungen. Beim Erstellen der Reliefmetrik ist es wichtig, Reliefbilder in verschiedenen räumlichen Maßstäben zu generieren, um Unsicherheiten im Zusammenhang mit der willkürlichen Auswahl des Radius zu begrenzen, da die Steuerung der Entlastung der Bodeneigenschaften durch räumliche Entlastungssskalen beeinflusst werden könnte.
Wählen Sie eine Reihe von Ackerflächenstandorten aus, die die Landschaftsmerkmale des Untersuchungsgebiets angemessen darstellen können, sowie mehrere repräsentative kleinräumige Ackerflächen, die intensiv beprobt werden können. Laden Sie alle Standortkoordinaten des Beispiels in ein codebasiertes geografisches Positionierungssystem hoch, und suchen Sie sie physisch im Feld. Als nächstes sammeln Sie drei Proben für jeden Probenahmeort aus der obersten 30-Zentimeter-Bodenschicht mit einer Push-Sonde.
Zeichnen Sie geografische Koordinateninformationen der Stichprobenpositionen mithilfe des geographischen Positionierungssystems auf. Anschließend wird die Bodenprobe mit einem Zwei-Millimeter-Bildschirm absieben. Wiegen Sie die Bodenproben nach dem Trocknen.
Berechnen Sie die Bodendichte anhand der gesamten Probenvolumina an Probenahmeorten und Gewichten. Mischen Sie die drei Proben vom selben Ort, um eine zusammengesetzte Bodenprobe zu erhalten. Eine 10-Gramm-Unterprobe des gesiebten Bodens mit einem Walzenwerk zu einem sehr feinen Pulver schleifen.
Messen Sie nun den Gesamtkohlenstoffgehalt des Bodens in der Walzenfräsprobe durch Verbrennung auf einem CN-Elementaranalysator bei einer Temperatur von 1350 Grad Celsius. Nach dem Backen der organischen Substanz des Bodens in einem Ofen, schätzen Sie den Calciumcarbonatgehalt, indem Sie den verbleibenden Kohlenstoff analysieren. Legen Sie nun die zwei Millimeter gesiebten Bodenproben in Marinelli-Becher und versiegeln Sie sie.
Legen Sie das Becherglas in den Detektor und messen Sie die Cäsiumkonzentration jeder Probe durch Gamma-Strahlenanalyse mit einem Spektroskopiesystem, das Eingänge von drei hochreinen koaxialen Germaniumkristallen in 8, 192-Kanal-Analysatoren empfängt. Zeichnen Sie die Cäsiumkonzentrationsleistung auf. Berechnen Sie schließlich die Bodenumverteilungsrate mithilfe des Cäsiuminventars, indem Sie das Massenbilanzmodell II in einem Tabellen-Add-In-Programm anwenden.
460 Feldstandorte wurden nach dem Zufallsprinzip ausgewählt, um topografische Informationen im Walnut Creek Watershed in Iowa abzuleiten. Hier werden Ergebnisse von Korrelationsanalysen zwischen topographischen Metriken und der organischen Kohlenstoffdichte des Bodens, Bodenumverteilung vorgestellt. Der topographische Nässeindex und das großangelegte topographische Relief zeigten die höchsten Korrelationen mit Dichte bzw. Bodenumverteilungsraten.
Räumliche Muster der beiden Metriken zeigten hohe Werte im Depressionsbereich und niedrige Werte in schrägen und Gratbereichen. Unterschiede zwischen den beiden Metriken traten jedoch in Grabenbereichen auf, wo der topografische Nässeindex extrem hohe Werte aufwies, die Werte des groß angelegten topografischen Reliefs jedoch nicht von benachbarten Bereichen unterschieden. Fünf topografische Hauptkomponenten, die zum Erstellen von topographischen Modellen ausgewählt wurden, sind hier aufgeführt.
Über 70 bzw. 65 % der Variabilität der organischen Kohlenstoffdichte und der Umverteilungsraten des Bodens wurden durch das schrittweise gewöhnliche Regressionsmodell mit den kleinsten Quadraten mit ganzen Variablen erklärt. Bei den Modellen mit entfernter kollinearer Kovariate waren die Simulationseffizienzen etwas niedriger als das schrittweise gewöhnliche Regressionsmodell mit dem Modell der kleinsten Quadrate. Bei SPCR-Modellen werden ähnliche Simulationseffizienzen wie das schrittweise gewöhnliche Regressionsmodell am kleinsten Quadrat mit entfernter kollinearer Kovariate beobachtet.
Die aus SPCR-Modellen erstellten Bodenumverteilungs- und organischen Kohlenstoffdichtekarten ergaben konsistente Muster zwischen Modellsimulationen und Feldmessungen. Diese Technik ebnet forschern auf dem Gebiet der Landwirtschaft den Weg, um Bodenumverteilung und organische Materiemuster an Wassereinzugsgebieten und regionalen Skalen zu erforschen. Die Technik könnte durch eine weitere Verfeinerung der Lichterkennung und des Datenrangings und die Einbeziehung zusätzlicher topografischer Metriken verbessert werden.
