この方法は、景観地形が土壌侵食や土壌有機物のダイナミクスにどのような影響を与えるかなど、農業分野の重要な質問に答えるのに役立ちます。この技術の主な利点は、限られた観測値を有する部位に適用可能であり、土壌有機炭素ストックおよび土壌再分配プロセスの費用対効果の高い推定を提供することである。まず、GeoTREE 光検出および測距マッピング プロジェクト Web サイトからデータを収集します。
境界のタイプと領域を選択して、特定の領域にズームインします。次に、ポリゴンを描画して、選択した分析範囲の光検出と測距タイルをダウンロードします。地理情報システム マッピング ツールを使用して、生光検出データと測距データを LAS ファイルに変換します。
次に、逆距離加重補間を使用して 3 メートルの容量分解能を持つデジタル標高モデル(DEMS)を生成します。3カーネルのローパスフィルタで3メートルのDEMSを2回フィルタリングして、局所的な変動に関連するノイズを低減します。地形計数を生成するには、まず[インポート/エクスポート]セクションの[ラスターをインポート]をクリックして、フィルタリングされた3メートルの DEMS を SAGA にインポートします。
次に、デフォルト設定で SAGA の傾斜角、傾斜方向、曲率モジュールをクリックし、スロープ、曲率関連メトリック、およびフィルタされた DEM を使用して一般的な曲率メトリックを生成します。SAGAのフロー累積トップダウンモジュールをクリックし、フィルタされたDEMを使用して累積量メトリックを生成する方法として[確定的無限大]を選択します。次に、デフォルト設定で SAGA 地形オープンネスモジュールをクリックし、フィルター処理された Z 軸増幅画像を使用して正のオープンネス メトリックを生成します。
デジタル標高モデルの垂直距離の拡大により、比較的平坦なサーフェスを持つサイトでの正の開放性の区別が向上します。デフォルト設定で SAGA の LS ファクター フィールド ベース モジュールをクリックし、フィルタされた DEM を使用して上り勾配勾配および傾斜角係数のメトリックを生成します。次に、デフォルト設定で SAGA のフロー パス長モジュールをクリックし、フィルタされた DEM を使用してフロー パスの長さメトリックを生成します。
デフォルト設定で SAGA の下り勾配距離勾配モジュールをクリックして、フィルター選択された DEM を使用して下り勾配指数メトリックを生成します。SAGAウェットネスインデックスモジュールをクリックし、フィルタされたDEMを使用して集水域と地形湿潤指数指標を生成するエリアのタイプとして絶対集水域を選択します。SAGAのストリーム電力指数モジュールをクリックし、フィルター処理されたDEMを使用してストリーム電力インデックスメトリックを生成するエリア変換として擬似特定の集水域を選択します。
これに続いて、複数の半径を持つ最大標高マップを生成します。3 カーネルのローパス フィルタを使用して、最大標高マップを 2 回フィルタリングします。フィルター処理された最大標高マップから、フィルター処理された 3 メートル DEM を引いて、一連のレリーフ マップを取得します。
一連のリリーフ変数を多数の場所に抽出します。レリーフを地形レリーフコンポーネントに変換するために、レリーフ変数に主成分解析を実行します。レリーフ データセットの 90% を超える分散を説明する主成分を地形レリーフ メトリックとして選択します。
平均と標準偏差を使用して、7 つのレリーフ マップを標準化します。対応する荷重によって重み付けされた標準化された地形レリーフの合計によって、リリーフ主成分を作成します。レリーフメトリックを作成する際には、土壌特性のリリーフの制御が空間的なリリーフの尺度の影響を受ける可能性があるため、半径の任意の選択に関連する不確実性を制限するために、さまざまな空間スケールでレリーフ画像を生成することが重要です。
調査エリアの景観特性を適切に表すことができる複数の農地の位置と、集中的にサンプリングできるいくつかの代表的な小規模作物場を選択します。すべてのサンプル位置座標をコードベースの地理的位置システムにアップロードし、物理的にフィールド内に配置します。次に、プッシュプローブを使用して、上の30センチメートルの土壌層から各サンプリング位置の3つのサンプルを収集します。
地理的位置システムを使用して、サンプリング位置の地理座標情報を記録します。これに続いて、2ミリメートルのスクリーンで土壌サンプルをふるいにかける。乾燥後の土壌サンプルの重量を量る。
サンプリング位置と重量でのサンプル総量を使用して土壌密度を計算します。複合土壌サンプルを取得するには、同じ場所から3つのサンプルを混合します。ふるいにかけられた土の10グラムのサブサンプルをローラーミルで非常に細かい粉末に粉砕します。
今度は、1350°Cの温度でCN元素分析装置の燃焼を通してローラーミルサンプル中の土壌の全炭素含有量を測定します。土壌有機物を炉内で焼成した後、残りの炭素を分析して炭酸カルシウムの炭素含有量を推定する。次に、バルク2ミリメートルふるいの土壌サンプルをマリネッリビーカーに入れ、密封します。
ビーカーを検出器に入れ、3つの高純度同軸ゲルマニウム結晶からの入力を8,192チャンネル分析装置に受け取る分光法システムを用いてガンマ線分析を通じて各サンプルのセシウム濃度を測定します。セシウム濃度出力を記録します。最後に、スプレッドシート アドイン プログラムでマス バランス モデル II を適用して、セシウム インベントリを使用して土壌再分配率を計算します。
アイオワ州のウォルナットクリーク流域で地形情報を導き出すために、460の作物畑の位置が無作為に選択されました。地形測定基準と土壌有機炭素密度との相関分析の結果、土壌再分配をここに示す。地形の湿潤指数と大規模地形緩和は、それぞれ密度と土壌再分配率との相関が最も高かった。
2つのメトリックの空間パターンは、うつ病領域で高い値を示し、傾斜領域と隆起領域で低い値を示した。しかし、2つのメトリック間の違いは、地形湿潤指数が非常に高い値を示す溝領域で発生しましたが、大規模な地形緩和の値は隣接する領域と変わらなかった。ここでは、地形ベースのモデルを構築するために選択された 5 つの地形主成分を示します。
土壌有機炭素密度および土壌再分配率の変動性の70%以上と65%を、それぞれ変数全体を持つ段階的な通常の最小二乗回帰モデルによって説明された。共線共変量を除去したモデルの場合、シミュレーション効率は、変数モデル全体を持つステップワイズの通常の最小二乗回帰モデルよりもわずかに低かった。SPCR モデルの場合、共線共変量を除去したステップワイズの通常最小二乗回帰モデルと同様のシミュレーション効率が観察されます。
SPCRモデルから生成された土壌再分配と土壌有機炭素密度マップは、モデルシミュレーションとフィールド測定の間に一貫したパターンを明らかにしました。この技術は、農業分野の研究者が流域や地域規模で土壌再分配と有機物パターンを探求する道を開きます。この技術は、光検出と測距データのさらなる改良と追加の地形指標の組み込みによって改善される可能性があります。
