Name: use of principal components for scaling up topographic models to map soil redistribution and soil organic carbon
Uploaded: 2018-10-16T14:00:00
Duration: 9 min 44 s
Description: Watch this Scientific Journal Video about Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon at JoVE.com

Cette recherche a été financée par l’USDA Natural Resources Conservation Service en liaison avec la composante de terre humide du projet d’évaluation des effets de National Conservation (NRCS 67-3A75-13-177).

1. topographiques Analyses
<ol><li>Prétraitement des données numériques<ol>
<li>Collecter les données LiDAR du site Web du projet de cartographie GeoTREE LiDAR. Sélectionnez « type de limites » et « région » pour zoomer sur une zone spécifique. Dessiner un polygone pour télécharger tuiles LiDAR pour la zone d’étude sélectionné.</li>
		<li>Convertir les données LiDAR brutes dans un fichier de LAS, à l’aide de l’outil de mappage de geographic information system (GIS).</li>
		<li>Générer des démocrates avec une résolution spatiale de 3 m en utilisant une interpolation pondéré inverse à la distance.</li>
		<li>Filtre la DEMs 3M deux fois avec un filtre passe bas 3-noyau pour réduire les bruits associer à variation locale.</li>
	</ol>
</li>
	<li>Génération de métrique topographique<ol>
<li>Pour générer des mesures topographiques, commencez par télécharger la dernière version du système d’analyse géoscientifique automatisé (SAGA)23. Cliquez sur « Import Raster » dans la section importation/exportation pour importer la DEMs 3M filtrée dans la SAGA.</li>
		<li>Cliquez sur le module « Courbure de la pente, Aspect, » de la SAGA avec les paramètres par défaut pour générer la pente et courbure [Profil courbure (P_Cur), courbure (Pl_Cur) et la courbure générale (G_Cur)] mesures utilisant la DEMs filtrée (Figure 1).</li>
		<li>Cliquez sur le module « Accumulation de flux (Top-Down) » de la SAGA et sélectionnez « Infini déterministe » comme méthode pour générer des métriques d’accumulation (FA) flux utilisant la DEMs filtrée.</li>
		<li>Cliquez sur le module « SAGA topographique ouverture » avec les paramètres par défaut pour générer la métrique d’ouverture positive (POP) en utilisant une image amplifiée filtré axe z.</li>
		<li>Cliquez sur le module « LS-facteur (domaine basé) » de la SAGA avec les paramètres par défaut pour générer la pente de la courbe ascendante (Upsl) et métriques de facteur (LS_FB) de longueur à l’aide des MNE filtrées de pente.</li>
		<li>Cliquez sur le module « Longueur de chemin d’accès de flux » de la SAGA avec les paramètres par défaut pour générer la mesure de longueur (FPL) du flux chemin utilisant la DEMs filtrée.</li>
		<li>Cliquez sur le module « Gradient de Distance en aval » de la SAGA avec les paramètres par défaut pour générer la métrique d’index (DI) en aval à l’aide des MNE filtrées.</li>
		<li>Cliquez sur le module « Indice d’humidité du SAGA » et sélectionnez « absolue catchment area » comme Type de zone pour générer de la zone de chalandise (CA) et de la moiteur topographique index (TWI) mesures utilisant la DEMs filtrée.</li>
		<li>Cliquez sur le module « Stream-indice de puissance » de la SAGA et sélectionnez « pseudo spécifiques catchment area » comme la Conversion de la zone pour générer la métrique d’index (SPI) de puissance flux utilisant la DEMs filtrée.</li>
		<li>Produire des cartes d’élévation maximale avec plusieurs rayons. Filtrer les cartes d’élévation maximale deux fois avec un filtre passe bas 3-noyau. Soustraire le DEM 3M filtré sur les cartes d’élévation maximale filtrée afin d’obtenir une série de bas-reliefs représentant les cartes. Extraire une série de variables de secours à un certain nombre d’endroits.</li>
		<li>Effectuer l’analyse en composantes principales (PCA) sur les variables de secours pour convertir les reliefs en composants relief topographique. Choisir les composants principaux qui expliquent plus de 90 % de la variance de l’ensemble de données de secours comme les métriques de relief topographique.</li>
	</ol>
</li>
</ol>2. collecte de données de champ
<ol><li>Échantillonnage sur le terrain<ol>
<li>Sélectionner un certain nombre de bureaux extérieurs de terres cultivées pouvant représenter adéquatement les caractéristiques du paysage de la zone d’étude et de plusieurs champs de terres en culture à petite échelle représentant qui peuvent être dégustés intensivement. Remarque : Les échantillons de sol prélevés dans les deux champs de terres cultivées ont été utilisés pour l’étalonnage du modèle. Des échantillons de sol prélevés dans la zone de l’ensemble de l’étude ont été utilisés pour la validation du modèle.</li>
		<li>Télécharger toutes les coordonnées d’emplacement échantillon sur un base de code géographique système de positionnement (GPS) et localiser physiquement dans les champs.</li>
		<li>Collecter 3 échantillons pour chaque emplacement de l’échantillonnage de la couche de sol de 30 cm de haut à l’aide d’une sonde de pression (3,2 cm de diamètre). Remarque : Des échantillons de sol de couches de 30 à 50 cm ont été recueillies sur les sites où les dépôts de sédiments était attendu. Le volume de chaque échantillon était de 241 cm3.</li>
		<li>Record information coordonnée géographique des lieux à l’aide de GPS d’échantillonnage.</li>
		<li>Peser les échantillons de sol après leur dessiccation à 90 ° C pendant 48 h. calculer densité à l’aide des informations de volume de l’échantillon total au poids et les points d’échantillonnage. Mélanger les trois échantillons au même endroit pour obtenir un échantillon de sol composite.</li>
	</ol>
</li>
	<li>Préparation d’échantillons de sol<ol>
<li>Tamisez les échantillons de sol composite avec un écran de 2 mm.</li>
		<li>Broyer un sous-échantillon de 10 g du sol tamisé pour une poudre très fine avec un moulin de rouleau.</li>
	</ol>
</li>
	<li>Analyses d’échantillons de sol<ol>
<li>Mesurer le carbone total du sol (C) contenu dans les échantillons de rouleau blanchi par le biais de combustion sur un analyseur élémentaire de CN à 1350 ° c. Estimer la teneur en carbonate de calcium C en analysant la C restant après la matière organique du sol à une température de 420 ° C pendant 16 heures dans un four de cuisson.</li>
		<li>Calculer SOC teneur (%) en soustrayant la teneur en carbonate de calcium C de la teneur en C du sol total. Convertir contenu (%) de la SOC SOC masse volumique (kg m-2) en utilisant la densité du sol.</li>
		<li>Mettre les échantillons de sol tamisé 2 mm en vrac dans des béchers Marinelli et sceller. Mesurer la concentration Cs 137de chaque échantillon grâce à l’analyse de rayons gamma à l’aide d’un système de spectroscopie qui reçoit les entrées de trois cristaux de germanium coaxial de haute pureté (HpCN30 % d’efficacité) dans les analyseurs de 8192-canal (voir Table des matières ).</li>
		<li>Calibrer le système à l’aide d’un radionucléide mixte analytique standard11. Convertir 137concentration Cs en inventaire de Cs 137à l’aide de la densité du sol.</li>
		<li>Calculer le taux de redistribution du sol à l’aide de l’inventaire de Cs 137en appliquant la masse équilibre modèle II (MBMII) dans le composant logiciel enfichable un tableur développé par Walling et al. 24.</li>
	</ol>
</li>
</ol>3. topography-Based Model Development
<ol><li>Estimation des composantes principales topographique<ol>
<li>Extraire les mesures topographiques pour les lieux dans la région de l’ensemble de l’étude et les champs de terres agricoles à petite échelle d’échantillonnage.</li>
		<li>Normaliser la métrique topographique des sites d’échantillonnage dans la zone d’étude tout en utilisant la moyenne et l’écart-type. Estimer les charges métriques topographiques dans chaque composant basé sur les paramètres topographiques normalisés à l’aide de PCA avec progiciel statistique. Collecter les charges métriques topographiques dans chaque composante principale topographique (PTC), puis sélectionnez les albums VAP qui expliquent 90 % de la variance de toutes les mesures.</li>
		<li>Normaliser les paramètres topographiques des lieux d’échantillonnage dans les domaines des terres agricoles à petite échelle. Calculer la VAP supérieure pour chaque emplacement en somme des mesures topographiques normalisés pondérés par les charges correspondantes depuis les points d’échantillonnage à la WCW.</li>
	</ol>
</li>
	<li>Étalonnage du modèle<ol>
<li>Effectuer une régression ordinaire de moindre carrée (SOLSR) pour développer axée sur la topographie des modèles SOLSRf pour la densité SOC et taux de redistribution de sol selon tous les paramètres topographiques sur les gisements de terres agricoles à petite échelle. Utiliser le critère d’information d’Akaike (AIC) et leave-one-out la validation croisée pour choisir la combinaison optimale de mesures topographiques pour les modèles def SOLSR mieux équipés.</li>
		<li>Vérifier la colinéarité entre les variables topographiques en utilisant le facteur d’inflation de la variance (VIF). Supprimer les variables avec le plus VIF (VIF ≥ 7,525) et vérifier de nouveau VIF. Supprimer les variables jusqu'à ce que les VIFs de toutes les variables sont < 7,5. Exécuter SOLSR pour développer axée sur la topographie des modèlesr SOLSR pour la densité du SOC et taux de redistribution selon les paramètres topographiques qui ont été enlevées de colinéarité haute variables du sol. Utilisez l’AIC et la validation croisée leave-one-out pour sélectionner la combinaison optimale pour les modèles der SOLSR mieux équipés.</li>
		<li>Effectuer la régression par composantes principales (SPCR) afin d’élaborer des modèles fondés sur la topographie SPCR pour la densité de la SOC et taux de redistribution fondés sur la VAP sur les gisements de terres agricoles à petite échelle sur le sol. Utilisez l’AIC et la validation croisée leave-one-out pour sélectionner la combinaison optimale de VAP pour les modèles SPCR mieux équipés.</li>
		<li>Calculer le coefficient de détermination (Radj2), l’efficacité de Nash-Sutcliffe (NSE) et rapport de l’erreur quadratique moyenne de l’écart type des données mesurées (RSR) pour évaluer l’efficacité du modèle ajusté.</li>
	</ol>
</li>
	<li>Évaluation du modèle<ol>
<li>Estimer la densité SOC et taux de redistribution dans la zone de l’ensemble de l’étude des sols en appliquant les modèles estimés.</li>
		<li>Valider le modèle développé en comparant la prédiction avec dataset mesurée de la densité SOC et taux de redistribution dans la zone de l’ensemble de l’étude des sols. Évaluer les performances du modèle à l’aide de Radj2, NSE et RSR valeurs.</li>
	</ol>
</li>
</ol>

Les auteurs n’ont rien à divulguer.

Les modèles def SOLSR avaient des performances légèrement meilleures que les modèles SPCR l’étalonnage sur le terrain. Toutefois, certaines des mesures topographiques, comme SPI et CA (r > 0,80), sont étroitement corrélés entre eux. La colinéarité peut-être ajouter des incertitudes pour les prédictions du modèle. En raison de la multicolinéarité entre les variables explicatives, les petits changements dans les variables d’entrée peuvent affecter significativement les prédictions de modèle41. Par conséquent, les modèles def SOLSR ont tendance à être instables et ont montré faibles efficience dans les simulations du taux SOC densité et le sol de la redistribution à l’échelle des bassins hydrographiques. Les modèles SPCR nettement surpassé les modèles def SOLSR dans la prédiction de la distribution du SOC à l’échelle des bassins hydrographiques. VAP élimine la multicolinéarité en convertissant les quinze mesures topographiques en composantes (orthogonales) indépendants. La conversion a également découvert les relations sous-jacentes entre les paramètres topographiques. Comme indiqué par les charges élevées (> 0,35) de paramètres topographiques aux composants, la TPC1, TPC2, TPC3, TPC6 et TPC7 étaient associées à la vitesse de ruissellement, teneur en eau du sol, volume de ruissellement, divergence des flux et accélération de l’écoulement, respectivement. Répartition spatiale des taux de redistribution du sol et de la distribution de SOC était fortement corrélées avec la teneur en eau du sol et divergence de ruissellement à la WCW, qui concorde avec l’étude de Fox et Papanicolaou2, qui ont démontré qu’érodées du sol de hautes terres pourraient être touchés par la divergence des flux dans un bassin versant agricole de bas-relief.
En outre, moins de variables predictor dans les modèles SPCR que les modèles der SOLSR et SOLSRf réduit le risque de trop raccord la prédiction des modèles42,43. Il y a plus de six variables dans tous les modèles SOLSR, qui peuvent augmenter la difficulté d’interprétation des données et induire une variance élevée dans le modèle des simulations41,44,45. Cela pourrait expliquer l’efficacité de prédiction inférieure à la WCW par les modèles SOLSR que par les modèles SPCR.
Topographie-SPCR modèles présentent des avantages simulant la redistribution du sol et dynamique du COS associée. Première information topographique peut être facilement dérivée DEMs. Récente accessibilité accrue de la haute résolution spatiale de données LiDAR peut aider à améliorer la précision de la topographie du paysage dérivées de DEM et bénéficier des enquêtes dans les régions où les observations de terrain limitée. En second lieu, à l’aide d’un ensemble de mesures topographiques et analyses statistiques, les modèles axés sur la topographie peuvent efficacement quantifier redistribution du sol et les patrons de distribution SOC. Troisièmement, l’application des composantes principales peut efficacement réduire les biais liés à multicolinéarité des mesures topographiques et augmenter la stabilité des modèles de régression lorsqu’elle est appliquée à plusieurs échelles spatiales.
Cependant, les modèles de la SPCA peuvent être limitées par les variables au cours de l’élaboration d’un modèle. Bien que l’application des données LiDAR a augmenté dans les études écologiques, les méthodes pour obtenir des données topographiques utiles n’ont pas encore été pleinement explorées. Dans cette étude, le TWI et LsRe ont montré les corrélations plus élevées avec la densité SOC et taux de redistribution du sol, respectivement. Cependant, les variables topographiques supplémentaires qui ne sont pas considérés peuvent être tout aussi ou plus important dans l’explication de l’érosion des sols et la dynamique de la C. En outre, les autres facteurs tels que les pratiques de gestion, qui peuvent entraîner la variabilité de l’érosion du sol, ne figurent pas dans cette étude. Par exemple, lorsque le travail du sol a été parallèle à la direction de la pente maximale, l’érosion du sol peut doubler par rapport à l’érosion en Labour obliquement tournant sol upslope46. Par conséquent, les pratiques culturales différentes peuvent également être une raison pour l’efficacité réduite de prédiction des modèles SPCR.
L’étude repose sur l’article publié dans Catena17. Au lieu d’une analyse axée sur les mécanistes d’influences topographiques sur le mouvement du sol et les propriétés du sol interprété dans le livre de Catena, ici nous nous sommes concentrés sur les méthodes pour quantifier les paramètres topographiques et d’élaborer des modèles fondés sur la topographie. Nous avons discuté de la faisabilité et les avantages de l’utilisation des modèles axés sur la topographie dans les études de la structure spatiale des propriétés du sol. Pendant ce temps, nous avons amélioré nos modèles en mettant à jour des algorithmes de pente longueur facteur et flux accumulation. L’échelle de mesure de facteur de longueur pente se limitait à la zone du champ. En outre, l’algorithme déterministe infini a été utilisé pour la production d’accumulation de flux. Par rapport à la méthode mentionnée dans Li et al. 17 qui a généré l’accumulation de flux avec un algorithme déterministe de huit nœuds, l’algorithme infini adoptée dans cette étude réduit les boucles dans les angles de direction du flux et s’est avéré pour être un meilleur algorithme pour les zones de faible relief47.
En conclusion, nos résultats démontrent la faisabilité de la topographie-SPCR modèles pour simuler la distribution SOC et les modes de redistribution du sol dans les domaines de l’agriculture. Comme une méthode rentable pour estimer les stocks SOC et taux de redistribution du sol, elle s’applique aux sites avec peu de données d’observation et des terres privées, manque l’accès du public. À l’avenir les études, la prédiction des modèles pourraient être améliorées avec davantage de raffinement et de la disponibilité des données LiDAR et l’inclusion de mesures topographiques supplémentaires. Les cartes propriété des sols à grande échelle qui ont été élaborés selon les modèles conduira à une meilleure compréhension des mécanismes qui sous-tendent les effets topographiques sur le mouvement du sol dans les paysages agricoles et le sort du COS dans le bassin versant et les échelles régionales.

Redistribution des sols (érosion et dépôt) exerce des effets importants sur les stocks de carbone organique (SOC) de sol et de la dynamique. Efforts croissants ont été consacrées à étudier comment SOC est détaché, transporté et déposé sur le paysage1,2,3. Fixation du Carbon (C) et la distribution de SOC sont influencées par mouvement gravitaire des sols provoquée par l’érosion de l’eau4,5,6. Dans les champs cultivés, la translocation du sol par le labour est un autre processus important contribuant à la redistribution de C7,8,9. L’érosion du sol provoque un mouvement considérable en aval net des particules du sol et conduit à une variation de sol dans les champs10. L’eau et du sol de l’érosion sont significativement affectés par topographie de paysage, qui détermine l’emplacement des sites d’érosion et de sédimentation11. Par conséquent, règlement de l’érosion de sol efficace et C enquête dynamique dans les appels de terres agricoles pour une meilleure compréhension des contrôles topographiques sur l’érosion des sols et des mouvements.
Plusieurs études ont examiné les effets de la topographie sur la redistribution du sol et associés SOC dynamique9,12,13,14,15,16, 17. van der Perk et al. 12 a indiqué que les facteurs topographiques a expliqué 43 % de la variabilité dans la redistribution du sol. Rezaei et Gilkes13 trouvé SOC plus élevée dans les sols sur un aspect ombragé, en raison des températures plus basses et moins d’évaporation par rapport à d’autres aspects dans les parcours. Topographie peut avoir des impacts plus importants sur la redistribution du sol sur les terres agricoles avec traitement labours traditionnels que ceux dont le travail minimum du sol, en raison des interactions entre les reliefs et les pratiques de travail du sol9. Cependant, ces résultats provenaient principalement des observations de terrain, qui présentent des difficultés dans l’étude des propriétés du sol à une échelle spatiale plus large. Il y a un besoin urgent de développer de nouvelles stratégies pour comprendre efficacement la répartition spatiale des propriétés des sols du bassin versant et des échelles régionales.
L’objectif de cette étude est de développer des modèles efficaces pour simuler la redistribution du sol et la distribution de la SOC. Modèles fondés sur la topographie à l’aide de mesures topographiques comme variables explicatives ont été développées pour quantifier les processus de l’érosion et le dépôt des sols. Comparé avec empirique ou processus dotés d’érosion qui employait des échantillonnages de champ discrètes pour simuler le sol érosion18,19, modèles axés sur la topographie des modèles pourraient être développés d’après les renseignements topographiques dérivés numérique modèles d’élévation (MNE) avec une résolution élevée. Cette approche permet pour les simulations de propriété du sol continue au bassin versant ou à échelle régionale. Dans les dernières décennies, exactitude de l’information topographique a considérablement amélioré, avec une augmentation de la disponibilité des données de télédétection à haute résolution. Bien que des études antérieures ont utilisés des modèles fondés sur la topographie pour simuler les propriétés de sol12,20,21,22, la plupart de ces enquêtes utilisé une métrique topographique unique ou une seule catégorie des mesures topographiques (metrics topographiques locales, non local ou combiné), qui ne peut pas avoir suffisamment exploré topographiques impacts sur l’activité microbienne du sol. Par conséquent, afin de mieux comprendre des contrôles de la topographie sur l’érosion des sols et de la dynamique de C, nous avons examiné un ensemble complet de mesures topographiques y compris locales, non local et combinés les mesures topographiques et développé plusieurs variable axée sur la topographie modèles pour simuler la dynamique de propriété du sol. Les applications de ces modèles sont censées fournir un appui scientifique pour le meilleur contrôle de l’érosion des sols et gestion des terres agricoles.
Les paramètres topographiques sont généralement classées en trois catégories : a) locales mesures topographiques, b) non local mesures topographiques ou c) combinées mesures topographiques. Les paramètres topographiques locales se référer aux spécificités locales, d’un point sur la surface de la terre. Local non métrique topographique voir les positions relatives des points sélectionnés. Mesures topographiques combinés intègrent des mesures topographiques les et non locaux. Un ensemble de paramètres topographiques touchant l’érosion du sol et les dépôts ont été utilisées dans cette étude pour étudier les contrôles topographiques sur le mouvement du sol et des stocks de C (tableau 1). Plus précisément, nous avons utilisé quatre paramètres topographiques locales [pente, courbure de profil (P_Cur), plan de courbure (Pl_Cur), la courbure générale (G_Cur)], sept non-locales topographiques métriques [accumulation de flux (FA), relief topographique, ouverture positive (POP), pente pente (UpSl), longueur de chemin d’accès de flux (FPL), indice de pente (DI), zone de chalandise (CA)], et trois combinés des mesures topographiques [indice d’humidité topographiques (TWI), flux puissance index (SPI) et facteur de longueur de pente (LS)].

<table border="0" cellpadding="0" cellspacing="0" style="width:1151px;" width="1150">
	<tbody>
		<tr height="21">
			<td>Light Detection and Ranging (LiDAR) data&#160;</td>
			<td style="width:233px;"></td>
			<td style="width:256px;">http://www.geotree.uni.edu/lidar/</td>
			<td style="width:355px;">Collected from the GeoTREE LiDAR mapping project&#160;</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">LECO CNS 2000 elemental analyzer&#160;</td>
			<td>LECO Corp., St. Joseph, MI</td>
			<td style="width:256px;"></td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">Canberra Genie-2000 Spectroscopy System</td>
			<td>CANBERRA Industries</td>
			<td style="width:256px;"></td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:307px;">Geographic positioning system</td>
			<td>Trimble&#160;</td>
			<td style="width:256px;">RTK 4700 GPS</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">ArcGIS</td>
			<td>ESRI, Redlands, CA</td>
			<td style="width:256px;">10.2.2</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:307px;">Statistical Analysis System&#160;</td>
			<td>SAS Institute Inc</td>
			<td style="width:256px;"></td>
			<td></td>
		</tr>
		<tr height="23">
			<td height="23" style="height:23px;">System for Automated Geoscientific Analysis&#160;</td>
			<td>University of G&#246;ttingen, Germany&#160;</td>
			<td>v. 2.2.5, http://www.saga-gis.org/</td>
			<td>GNU General Public License</td>
		</tr>
	</tbody>
</table>

use of principal components for scaling up topographic models to map soil redistribution and soil organic carbon

Topographie de paysage est un facteur important affectant la formation des sols et joue un rôle important dans la détermination des propriétés du sol sur la surface de la terre, car il régule le mouvement gravitaire du sol induit par les activités de ruissellement et travail du sol. L’application récente de Light Detection and Ranging (LiDAR) données prometteuse pour générer des mesures topographiques de haute résolution spatiale qui peuvent être utilisés pour étudier la variabilité de propriété du sol. Dans cette étude, quinze mesures topographiques tirées des données LiDAR ont été utilisés pour étudier les effets topographiques sur la redistribution du sol et de la distribution spatiale du carbone organique du sol (COS). Plus précisément, nous avons exploré l’utilisation de composantes principales topographiques (TPC) pour caractériser les métriques de topographie et de régression par composantes principales (SPCR) pour élaborer des modèles SOC aux échelles site et du bassin hydrographique et l’érosion des sols axée sur la topographie. Performance des modèles SPCR a été évaluée par étape ordinaire moins carré (SOLSR) des modèles de régression. Les résultats ont montré que SPCR modèles surperformé SOLSR pour prédire le taux de redistribution du sol et densité SOC à différentes échelles spatiales. Utilisation de VAP supprime potentielle colinéarité entre les variables d’entrée individuels et réduction dimensionnelle par analyse en composantes principales (PCA) diminue le risque d’overfitting les modèles de prédiction. Cette étude propose une nouvelle approche pour la modélisation de redistribution du sol à travers différentes échelles spatiales. Pour une seule application, l’accès aux terres privées est souvent limitée, et la nécessité d’extrapoler les résultats d’étude représentative de sites plus grands paramètres qui incluent des terres privées peut être importante.

Watch this Scientific Journal Video about Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon at JoVE.com

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

Processus de paysage sont des éléments essentiels de la formation des sols et jouent un rôle important dans la détermination des propriétés du sol et la structure spatiale dans les paysages. Nous vous proposons une nouvelle approche à l’aide de régression par composantes principales pour prédire la redistribution du sol et carbone organique du sol à travers différentes échelles spatiales.

Utilisation des principaux composants pour étendre les modèles topographiques pour mapper la Redistribution du sol et le sol carbone organique

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

Cette méthode peut aider à répondre à des questions clés dans le domaine agricole, telles que la façon dont la topographie du paysage peut affecter l’érosion des sols et la dynamique des matières organiques du sol. Le principal avantage de cette technique est qu’elle s’applique aux sites ayant des observations limitées et qu’elle fournit une estimation rentable des stocks organiques de carbone du sol et des processus de redistribution des sols. Tout d’abord, recueillir des données sur le site Web du GeoTREE Light Detection and Ranging Mapping Project.Sélectionnez type de limite et région pour zoomer sur une zone spécifique. Ensuite, dessinez un polygone pour télécharger la détection de lumière et en étendant les tuiles pour la zone d’étude sélectionnée. Convertissez la détection de lumière brute et les données de portée en un fichier LAS à l’aide de l’outil de cartographie du système d’information géographique.Ensuite, générer des modèles d’élévation numérique, ou DEMS, avec une résolution spaciale de trois mètres en utilisant l’interpolation inversement pondérée par distance. Filtrez le DEMS de trois mètres deux fois avec un filtre à faible passage à trois grains pour réduire les bruits associés aux variations locales. Pour générer des mesures topographiques, cliquez d’abord sur Import Raster dans la section Import/Export pour importer le DEMS filtré de trois mètres dans SAGA.Ensuite, cliquez sur la pente, aspect, module courbure de SAGA avec les paramètres par défaut pour générer la pente, la métrique liée à la courbure, et la métrique de courbure générale à l’aide des DEM filtrés. Cliquez sur le module Flow Accumulation Top-Down de SAGA, et sélectionnez Infinity déterministe comme méthode pour générer la métrique d’accumulation de flux à l’aide des DEM filtrés. Par la suite, cliquez sur le module SAGA Topographique d’ouverture avec les paramètres par défaut pour générer la mesure d’ouverture positive à l’aide d’une image amplifiée filtre z-axis.L’élargissement des distances verticales dans les modèles d’élévation numérique améliore la distinction d’ouverture positive sur les sites à surface relativement plane. Cliquez sur le module LS-Factor Field Based de SAGA avec les paramètres par défaut pour générer les mesures des facteurs de pente ascendante et de longueur de pente à l’aide des DEM filtrés. Ensuite, cliquez sur le module Longueur du chemin d’écoulement de SAGA avec les paramètres par défaut pour générer la mesure de longueur de chemin d’écoulement à l’aide des DEM filtrés.Cliquez sur le module Downslope Distance Gradient de SAGA avec les paramètres par défaut pour générer la mesure de l’index en pente descendante à l’aide des DEM filtrés. Maintenant, cliquez sur le module SAGA Wetness Index, et sélectionnez la zone de chahre absolue comme type de zone pour générer la zone de captage et les mesures topographiques de l’indice d’humidité à l’aide des DEM filtrés. Cliquez sur le module Stream Power Index de SAGA, et sélectionnez pseudo zone de captage spécifique comme conversion de zone pour générer la mesure de l’index d’alimentation du flux à l’aide des DEM filtrés.Par la suite, générer des cartes d’altitude maximale avec plusieurs rayonnements. Filtrez les cartes d’altitude maximale deux fois à travers un filtre à faible passage à trois grains. Soustrayez le DEM filtré de trois mètres des cartes d’altitude maximale filtrées pour obtenir une série de cartes de relief.Extraire une série de variables de relief à un certain nombre d’endroits. Effectuez l’analyse principale des composants sur les variables de relief pour convertir les reliefs en composants de relief topographiques. Sélectionnez les principaux composants qui expliquent la variance de plus de 90 % de l’ensemble de données de relief comme mesure topographique de relief.Normalisez les sept cartes de secours à l’aide d’écarts moyen et types. Créez des composants principaux de secours à la somme du relief topographique normalisé pondéré par les charges correspondantes. Tout en créant la mesure de relief, il est important de générer des images de relief à diverses échelles spatiales afin de limiter les incertitudes associées à la sélection arbitraire du rayon, car les contrôles du relief sur les propriétés du sol pourraient être influencés par les échelles spatiales de relief.Choisissez un certain nombre d’emplacements de champs de cultures qui peuvent représenter adéquatement les caractéristiques du paysage de la zone d’étude et plusieurs champs de cultures représentatifs à petite échelle qui peuvent être échantillonnés intensivement. Téléchargez toutes les coordonnées de localisation de l’échantillon sur un système de positionnement géographique basé sur le code et localisez-les physiquement sur le terrain. Ensuite, prélevez trois échantillons pour chaque emplacement d’échantillonnage à partir de la couche de sol supérieure de 30 centimètres à l’aide d’une sonde push.Enregistrez l’information géographique sur les lieux d’échantillonnage à l’aide du système de positionnement géographique. Par la suite, tamisez l’échantillon de sol à l’écran de deux millimètres. Peser les échantillons de sol après séchage.Calculer la densité du sol à l’aide des volumes totaux de l’échantillon aux endroits et aux poids d’échantillonnage. Mélangez les trois échantillons au même endroit pour obtenir un échantillon composite de sol. Moudre un sous-échantillon de 10 grammes du sol tamisé en une poudre très fine avec un moulin à rouleaux.Maintenant, mesurez la teneur totale en carbone du sol dans l’échantillon broyé à rouleaux par combustion sur un analyseur élémentaire cn à une température de 1350 degrés Celsius. Après la cuisson de la matière organique du sol dans un four, estimer la teneur en carbone carbonate de calcium en analysant le reste du carbone. Maintenant, placez les échantillons de sol tamisés en vrac de deux millimètres dans les beakers Marinelli, et scellez-les.Placez le bécher dans le détecteur et mesurez la concentration de césium de chaque échantillon à l’aide d’une analyse gamma à l’aide d’un système de spectroscopie qui reçoit les entrées de trois cristaux de germanium coaxial de haute pureté en analyseurs à 8 192 canaux. Enregistrez la production de concentration de césium. Enfin, calculez le taux de redistribution du sol à l’aide de l’inventaire du césium en appliquant le modèle d’équilibre de masse II dans un programme d’ajout de feuilles de calcul.460 emplacements de champs de culture ont été choisis au hasard pour obtenir des renseignements topographiques dans le bassin versant du ruisseau Walnut, dans l’Iowa. Les résultats des analyses de corrélation entre les mesures topographiques et la densité organique du carbone dans le sol, la redistribution des sols sont présentés ici. L’indice topographique d’humidité et le relief topographique à grande échelle ont montré les corrélations les plus élevées avec les taux de densité et de redistribution du sol, respectivement.Les modèles spatiaux des deux mesures ont montré des valeurs élevées dans la zone dépressionnelle et de faibles valeurs dans les zones en pente et en crête. Cependant, les différences entre les deux mesures se sont produites dans les zones de fossé, où l’indice topographique d’humidité présentait des valeurs extrêmement élevées, mais les valeurs de relief topographique à grande échelle n’étaient pas différentes des zones adjacentes. Cinq principaux composants topographiques qui ont été sélectionnés pour construire des modèles basés sur la topographie sont énumérés ici.Plus de 70 et 65 % de la variabilité de la densité organique du carbone dans le sol et des taux de redistribution du sol s’expliquent par le modèle de régression le moins carré ordinaire avec des variables entières, respectivement. Pour les modèles avec covariate collinear enlevé, l’efficacité de simulation étaient légèrement inférieures au modèle de régression le moins carré standard stepwise avec modèle de variables entières. Pour les modèles SPCR, des gains d’efficacité de simulation similaires à ceux du modèle de régression le moins carré ordinaire avec covariate collinear supprimé sont observés.Les cartes de redistribution du sol et de densité organique du carbone du sol générées à partir des modèles SPCR ont révélé des modèles cohérents entre les simulations de modèles et les mesures sur le terrain. Cette technique ouvre la voie aux chercheurs dans le domaine de l’agriculture afin d’explorer la redistribution des sols et les modèles de matière organique à l’échelle des bassins versants et régionaux. La technique pourrait être améliorée avec un plus grand raffinement de la détection de la lumière et la portée des données et l’inclusion de mesures topographiques supplémentaires.

Research

JoVE Journal

Environment

Design and Operation of a Continuous 13C and 15N Labeling Chamber for Uniform or Differential, Metabolic and Structural, Plant Isotope Labeling

Design and Operation of a Continuous 13C and 15N Labeling Chamber for Uniform or Differential, Metabolic and Structural, Plant Isotope Labeling

Conception et l&#39;exploitation d&#39;un continu<sup&gt; 13</sup&gt; C et<sup&gt; 15</sup&gt; N Chambre pour uniforme ou différentiel étiquetage, métabolique et structurale, usine de production d&#39;isotopes étiquetage

Tracing rare stable isotopes from plant material through the ecosystem provides the most sensitive information about ecosystem processes; from CO2 fluxes ...

Recherche

Environnement

A Protocol for Conducting Rainfall Simulation to Study Soil Runoff

Un protocole pour la conduite de pluie simulation pour étudier le ruissellement des sols

Rainfall is a driving force for the transport of environmental contaminants from agricultural soils to surficial water bodies via surface runoff. The ...

Assessment of Labile Organic Carbon in Soil Using Sequential Fumigation Incubation Procedures

Évaluation de labile carbone organique dans le sol Utilisation des procédures séquentielles Fumigation Incubation

Management practices and environmental changes can alter soil nutrient and carbon cycling. Soil labile organic carbon, a readily decomposable C pool, is ...

A Gusseted Thermogradient Table to Control Soil Temperatures for Evaluating Plant Growth and Monitoring Soil Processes

Un tableau Gusseted thermogradient pour contrôler la température du sol pour l&#39;évaluation de la croissance des plantes et de suivi des processus de sol

Thermogradient tables were first developed in the 1950s primarily to test seed germination over a range of temperatures simultaneously without using a ...

Protocols for Quantifying Transferable Pesticide Residues in Turfgrass Systems

Les protocoles de quantification des résidus de pesticides transférables dans les systèmes gazons

Plant canopies in established turfgrass systems can intercept an appreciable amount of sprayed pesticides, which can be transferred through various routes ...

Nanopore DNA Sequencing for Metagenomic Soil Analysis

Séquençage de l’ADN pour l’analyse métagénomique sol NANOPORE

This article describes the steps for construction of a DNA library from soil, preparation and use of the nanopore flow cell, and analysis of the DNA ...

Measuring and Mapping Patterns of Soil Erosion and Deposition Related to Soil Carbonate Concentrations Under Agricultural Management

Mesure et cartographie des schémas d’érosion et de dépôt liées aux Concentrations de Carbonate du sol sous gestion agricole

Spatial patterns of soil erosion and deposition can be inferred from differences in ground elevation mapped at appropriate time increments. Such changes ...

Improving Infrared Spectroscopy Characterization of Soil Organic Matter with Spectral Subtractions

Amélioration de la spectroscopie infrarouge Characterization of Soil Organic Matter avec soustraction spectrale

Soil organic matter (SOM) underlies numerous soil processes and functions. Fourier transform infrared (FTIR) spectroscopy detects infrared-active organic ...

Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures

Single-débit haute résolution analytique des Techniques complémentaires pour caractériser les mélanges complexes de matière organique naturelle

Natural organic matter (NOM) is composed of a highly complex mixture of thousands of organic compounds which, historically, proved difficult to ...

Microplot Design and Plant and Soil Sample Preparation for 15Nitrogen Analysis

Microplot Design and Plant and Soil Sample Preparation for 15Nitrogen Analysis

Conception de microplots et préparation d’échantillons de plantes et de sols pour 15analyses d’azote

Many&#160;nitrogen fertilizer studies evaluate the overall effect of a treatment on end-of-season measurements such as grain yield or cumulative N losses. ...