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

Questa ricerca è stata sostenuta da USDA Natural Resources Conservation Service in collaborazione con il componente di zona umida il progetto di valutazione effetti di conservazione nazionale (NRC 67-3A75-13-177).

1. rilievo topografici analisi
<ol><li>Pre-elaborazione dei dati digitali<ol>
<li>Raccogliere dati LiDAR dal sito del progetto di mappatura GeoTREE LiDAR. Selezionare "tipo di limite" e "regione" per ingrandire un'area specifica. Disegnare un poligono per scaricare LiDAR piastrelle per l'area di studio selezionato.</li>
		<li>Convertire i dati LiDAR non elaborati in un file LAS utilizzando lo strumento di mappatura geografica informazioni sistema (GIS).</li>
		<li>Generare DEMs con una risoluzione spaziale di 3-m tramite interpolazione inversa distanza ponderata.</li>
		<li>Filtrare i DEMs 3-m due volte con un filtro passa-basso 3-kernel per ridurre rumori associato con variazione locale.</li>
	</ol>
</li>
	<li>Generazione di metrica topografica<ol>
<li>Per generare metriche topografica, prima di scaricare l'ultima versione del sistema per analisi Geoscientific automatizzato (SAGA)23. Fare clic su "Importazione Raster" nella sezione Importazione/esportazione per importare i DEMs 3M filtrati nella SAGA.</li>
		<li>Fare clic sul modulo "Pendenza, esposizione, curvatura" della SAGA con le impostazioni predefinite per generare la pendenza e curvatura-correlati [profilo di curvatura (P_Cur), piano di curvatura (Pl_Cur) e curvatura generale (G_Cur)] metrica utilizzando i DEMs filtrati (Figura 1).</li>
		<li>Scegliere il modulo di "Accumulo di flusso (Top-Down)" della SAGA e selezionare "Deterministico infinito" come il metodo per generare metrica di accumulo (FA) di flusso utilizzando la DEMs filtrata.</li>
		<li>Scegliere il modulo di "SAGA topografica apertura" con le impostazioni predefinite per generare la metrica di apertura positiva (POP) usando un'immagine amplificata filtrata dell'asse z.</li>
		<li>Scegliere il modulo di "LS-fattore (campo base)" della SAGA con le impostazioni predefinite per generare la pendenza di salita (Upsl) e metriche di fattore (LS_FB) di lunghezza utilizzando i DEMs filtrati del pendio.</li>
		<li>Fare clic sul modulo di "lunghezza di percorso di flusso del" della SAGA con le impostazioni predefinite per generare la metrica di lunghezza (FPL) percorso di flusso utilizzando la DEMs filtrata.</li>
		<li>Fare clic sul modulo "Downslope distanza sfumatura" della SAGA con le impostazioni predefinite per generare la metrica di indice (DI) lungo il pendio utilizzando la DEMs filtrata.</li>
		<li>Fare clic sul modulo "Indice di umidità SAGA" e selezionare "bacino assoluto" come tipo di zona per generare il bacino di utenza (CA) e metriche di indice (TWI) topografica umidità utilizzando i DEMs filtrati.</li>
		<li>Fare clic sul modulo "Stream Power Index" della SAGA e selezionare "pseudo specifico bacino di utenza" come la conversione di Area per generare la metrica di index (SPI) potere di flusso utilizzando la DEMs filtrata.</li>
		<li>Generare mappe di elevazione massima con raggi multipli. Filtrare le mappe di elevazione massima due volte attraverso un filtro passa-basso kernel 3. Sottrarre il filtrato DEM 3-m dalle mappe di elevazione massima filtrata per ottenere una serie di mappe in rilievo. Estrarre una serie di variabili di rilievo per un numero di posizioni.</li>
		<li>Eseguire analisi delle componenti principali (PCA) sulle variabili sollievo per convertire i rilievi in componenti di rilievo topografico. Selezionare i componenti principali che spiegano più di 90% varianza del dataset sollievo come le metriche di rilievo topografico.</li>
	</ol>
</li>
</ol>2. raccolta dei dati
<ol><li>Campionamento del campo<ol>
<li>Selezionare un numero di posizioni di campo campo di grano che possono adeguatamente rappresentare le caratteristiche di paesaggio della zona di studio e diversi campi rappresentante cropland su piccola scala che possono essere provati intensivamente. Nota: I campioni di suolo raccolti dai due campi coltivabili sono stati utilizzati per la calibrazione del modello. Campioni di suolo raccolti dall'intera area di studio sono stati utilizzati per la convalida del modello.</li>
		<li>Caricare tutte le coordinate di posizione del campione su un base di codice geografico sistema di posizionamento (GPS) e localizzarli fisicamente nei campi.</li>
		<li>Raccogliere 3 campioni per ogni posizione di campionamento dallo strato di terra alto 30 cm utilizzando una sonda (3,2 cm di diametro). Nota: Sono stati raccolti campioni di suolo da strati di 30-50 cm in siti dove era prevista la deposizione di sedimenti. Il volume di ogni campione è stato 241 cm3.</li>
		<li>Registrare informazioni sulle coordinate geografiche di campionamento posizioni utilizzando il GPS.</li>
		<li>Pesare i campioni del terreno dopo la loro essiccazione a 90 ° C per densità di 48 h. Calculate del terreno utilizzando informazioni di volumi di campione totale a pesi e punti di campionamento. Mescolare i tre campioni dalla stessa posizione per ottenere un campione di terreno composito.</li>
	</ol>
</li>
	<li>Preparazione del campione di suolo<ol>
<li>Passare al setaccio i campioni di terreno composito con uno schermo di 2 mm.</li>
		<li>Macinare un sottocampione di 10 g di terreno setacciato una polvere molto fine con un mulino a rulli.</li>
	</ol>
</li>
	<li>Analisi del campione di suolo<ol>
<li>Misurare il terreno totale contenuto di carbonio (C) in campioni di rullo fresato attraverso combustione su un analizzatore elementare CN ad una temperatura di 1350 ° C. Consente di stimare il contenuto di carbonato di calcio C analizzando il C rimanenti dopo la materia organica del suolo ad una temperatura di 420 ° C per 16 ore in un forno di cottura.</li>
		<li>Calcolare SOC contenuto (%) sottraendo il contenuto di carbonato di calcio C dal suolo totale C contenuto. Convertire SOC contenuto (%) a densità SOC (kg m-2) utilizzando la densità del terreno.</li>
		<li>Mettere i campioni di terreno setacciato 2 mm alla rinfusa in bicchieri di Marinelli e li sigilla. Misurare la concentrazione di Cs 137di ciascun campione attraverso l'analisi di raggi utilizzando un sistema di spettroscopia che riceve gli input dai tre cristalli di germanio coassiale di elevata purezza (HpCN30% di efficienza) in analizzatori di 8192-canale (Vedi tabella materiali ).</li>
		<li>Calibrare il sistema usando un analitico del radionuclide misto standard11. Convertire 137concentrazione Cs all'inventario di Cs 137utilizzando la densità del terreno.</li>
		<li>Calcolare il tasso di ridistribuzione del suolo utilizzando 137Cs inventario applicando il Mass Balance modello II (MBMII) in un foglio di calcolo aggiuntivo programma sviluppato da Walling et al. 24.</li>
	</ol>
</li>
</ol>3. base di topografia modello sviluppo
<ol><li>Valutazione topografica componente principale<ol>
<li>Estrarre le misurazioni topografiche per campionamento posizioni nei campi coltivabili su piccola scala e l'intera area di studio.</li>
		<li>Standardizzare le metriche topografiche di punti di campionamento nell'area di studio intero utilizzando media e deviazione standard. Stimare i carichi di metrica topografici in ogni componente in base alle metriche topografiche standardizzate utilizzando PCA con software di analisi statistica. Raccogliere i carichi metrici topografici in ogni componente principale topografica (TPC) e selezionare il TPC superiore che spiegare la varianza di 90% di tutte le metriche.</li>
		<li>Standardizzare le metriche topografiche di punti di campionamento nei campi coltivabili su piccola scala. Calcolare il TPC superiore per ogni posizione di somma delle metriche topografiche standardizzate ponderate mediante i corrispondenti carichi dai punti di campionamento in WCW.</li>
	</ol>
</li>
	<li>Calibrazione del modello<ol>
<li>Eseguire la regressione stepwise ordinaria almeno quadrato (SOLSR) per sviluppare modelli basati su topografia SOLSRf per densità SOC e tassi di ridistribuzione del suolo basati su tutte le metriche di rilievi topografiche presso i campi coltivabili su piccola scala. Utilizzo informazioni di Akaike (AIC) e leave-one-out cross-validazione per selezionare la combinazione ottimale di topografica metriche per i modelli dif SOLSR meglio attrezzati.</li>
		<li>Verifica la collinearità tra le variabili topografiche utilizzando il fattore di inflazione della varianza (VIF). Rimuovere le variabili con la più grande VIF (VIF ≥ 7,525) e controllare di nuovo VIF. Rimuovere le variabili fino a VIFs di tutte le variabili sono < 7.5. Eseguire SOLSR per sviluppare modelli basati sulla topografia SOLSRr per densità SOC e tassi di ridistribuzione sulla base di metriche topografiche che sono stati rimossi la collinearità alta variabili di suolo. Utilizzare le AIC e leave-one-out cross-validazione per selezionare la combinazione ottimale per i modelli dir SOLSR meglio attrezzati.</li>
		<li>Eseguire la regressione stepwise componente principale (SPCR) per sviluppare modelli SPCR basati su topografia per densità SOC e tassi di ridistribuzione basati su TPC presso i campi coltivabili su piccola scala di suolo. Consente di selezionare la combinazione ottimale di TPC per i modelli SPCR meglio attrezzati l'AIC e leave-one-out cross-validazione.</li>
		<li>Calcolare il coefficiente di determinazione (Radj2), Nash-Sutcliffe efficienza (NSE) e rapporto dell'errore quadratico medio per la deviazione standard dei dati misurati (RSR) per valutare l'efficienza del modello adattato.</li>
	</ol>
</li>
	<li>Valutazione del modello<ol>
<li>Stima della densità di SOC e tassi di ridistribuzione nell'area dell'intero studio di suolo applicando i modelli stimati.</li>
		<li>Convalidare il modello sviluppato confrontando pronostico con set di dati misurati di densità SOC e tassi di ridistribuzione nell'area dell'intero studio di suolo. Valutare le performance del modello utilizzando Radj2, NSE e RSR valori.</li>
	</ol>
</li>
</ol>

Gli autori non hanno nulla a rivelare.

I modelli dif SOLSR avevano prestazioni leggermente migliori rispetto ai modelli SPCR nella taratura a scala di campo. Tuttavia, alcuni dei parametri topografici, come SPI e CA (r > 0.80), sono strettamente correlati con l'altro. La collinearità potrebbe aggiungere incertezze per le previsioni del modello. A causa della multicollinearità tra predittori, piccoli cambiamenti nelle variabili di input può significativamente influenzare il modello previsioni41. Di conseguenza, i modelli dif SOLSR tendeva ad essere instabile e ha mostrato bassi efficienza nelle simulazioni di tasso di ridistribuzione di densità e suolo SOC a scala di bacino idrografico. I modelli SPCR sovraperformato sostanzialmente i modelli dif SOLSR in previsione della distribuzione SOC a scala di bacino idrografico. TPCs eliminare la multicollinearità convertendo le quindici metriche topografiche in componenti reciprocamente indipendenti (ortogonale). La conversione ha scoperto anche relazioni sottostanti tra parametri topografici. Come indicato dai carichi elevati (> 0.35) di rilievi topografici metriche per i componenti, il TPC1 TPC2, TPC3, TPC6 e TPC7 sono stati associati con velocità di deflusso, contenuto idrico del terreno, volume di deflusso, divergenza di flusso e accelerazione del flusso, rispettivamente. Modelli spaziali di tassi di ridistribuzione del suolo e distribuzione SOC altamente sono state correlate con contenuto d'acqua del terreno e divergenza di deflusso in WCW, che è coerente con lo studio della Fox e Papanicolaou2, che ha dimostrato che erose del suolo da Upland potrebbe essere influenzato dalla divergenza di flusso in un basso-rilievo agricolo spartiacque.
Inoltre, un minor numero di variabili predittive nei modelli SPCR rispetto al SOLSRf e modellir SOLSR ha ridotto il rischio di sovra-raccordo il pronostico modelli42,43. C'erano più di sei variabili in tutti i modelli SOLSR, che possono aumentare la difficoltà di interpretazione dei dati e indurre alta varianza nel modello simulazioni41,44,45. Questo può spiegare le efficienze di stima inferiore in WCW dai modelli SOLSR rispetto ai modelli di SPCR.
Topografia-base SPCR modelli presentano vantaggi simulazione di ridistribuzione di suolo e associati dinamica SOC. In primo luogo, topografiche informazioni possono essere facilmente derivate da DEMs. Recente maggiore accessibilità dell'elevata risoluzione spaziale dei dati LiDAR può aiutare a migliorare l'accuratezza della topografia del paesaggio DEM-derivato e apprezzati indagini nelle regioni con le osservazioni di campo limitato. In secondo luogo, utilizzando una serie di analisi statistiche e metriche topografica, i modelli basati su topografia possono efficacemente quantificare ridistribuzione del suolo e i modelli di distribuzione SOC. In terzo luogo, l'applicazione della componente principale può efficacemente ridurre i pregiudizi associati multicollinearità delle metriche topografica e aumentare la stabilità dei modelli di regressione stepwise quando applicato a più scale spaziali.
Tuttavia, i modelli di SPCA possono essere limitati dalle variabili durante lo sviluppo del modello. Anche se l'applicazione dei dati LiDAR aumentato negli studi ecologici, i metodi per derivare informazioni topografiche utili non sono ancora state completamente esplorati. In questo studio, il TWI e LsRe ha mostrato le correlazioni più alte con densità SOC e tassi di ridistribuzione del suolo, rispettivamente. Tuttavia, ulteriori variabili topografiche che non sono considerate possono essere altrettanto o più importante nello spiegare l'erosione del suolo e le dinamiche di C. Inoltre, altri fattori quali le pratiche di gestione, che possono causare la variabilità di erosione del suolo, non sono stati inclusi in questo studio. Ad esempio, quando la lavorazione era parallela alla direzione di massima pendenza, l'erosione del suolo può raddoppiare rispetto l'erosione in coltivazione canalini trasformando suolo scoccato46. Di conseguenza, pratiche di coltivazione differenti possono anche essere un motivo per le efficienze di ridotta stima dei modelli SPCR.
Lo studio è basato sul libro pubblicato in Catena17. Invece di un'analisi basata su meccanicistico di influenze topografiche sul movimento del terreno e proprietà del suolo come eseguita nella carta Catena, qui ci siamo concentrati sui metodi per quantificare topografica metriche e lo sviluppo di modelli basati su topografia. Abbiamo discusso la fattibilità e i vantaggi dell'utilizzo di modelli basati su topografia negli studi della struttura spaziale della proprietà del suolo. Nel frattempo, abbiamo migliorato i nostri modelli aggiornando gli algoritmi di accumulo di fattore e flusso di lunghezza di pendio. La scala di misura del fattore di lunghezza pendenza era limitata alla zona del campo. Inoltre, l'algoritmo deterministico infinity è stato utilizzato per la generazione di accumulo di flusso. Confrontato con il metodo segnalato in Li et al. 17 che ha generato l'accumulo di flusso con un algoritmo deterministico di otto nodi, l'algoritmo di sfioro adottato in questo studio riduce i cicli negli angoli di direzione del flusso e si è rivelato per essere un algoritmo migliore per basso rilievo aree47.
In conclusione, i nostri risultati dimostrano la fattibilità di modelli basati su topografia SPCR nel simulare SOC distribuzione e modelli di ridistribuzione del suolo nei campi dell'agricoltura. Come un metodo conveniente per stimare gli stock SOC e tassi di ridistribuzione del suolo, è applicabile a siti con limitati dati osservativi e terreni privati privi di accesso pubblico. In futuro gli studi, il pronostico modelli potrebbero essere migliorate con ulteriore affinamento e la disponibilità di dati LiDAR e l'inclusione di ulteriori metriche topografica. Le mappe di proprietà del terreno su larga scala che sono state sviluppate sulla base dei modelli condurrà ad ulteriore comprensione dei meccanismi che gli impatti topografici sul movimento del terreno in paesaggi agricoli e il destino del SOC a scala regionale e spartiacque.

Ridistribuzione del suolo (erosione e deposizione) esercita un impatto significativo sulle riserve di carbonio organico (SOC) di terreno e dinamiche. Aumentando gli sforzi sono stati dedicati ad indagare come SOC è staccato, trasportati e depositati sopra il paesaggio1,2,3. Carbon (C) sequestro e distribuzione SOC sono influenzati dal movimento di gravità del suolo indotta da acqua erosione4,5,6. Nei campi coltivati, lo spostamento del terreno di coltivazione è un altro importante processo contribuendo a C ridistribuzione7,8,9. Lavorazione del terreno erosione provoca un movimento lungo il pendio netto considerevole di particelle di suolo e conduce ad una variazione di terreno all'interno del campo10. Erosione di lavorazione del terreno e dell'acqua sono significativamente influenzata da topografia del paesaggio, che determina le posizioni dei siti erosiva e deposizionale11. Di conseguenza, regolamento di erosione di terreno efficace e C indagine dinamica nelle chiamate di terreni agricoli per una migliore comprensione dei controlli topografici su erosione del suolo e movimenti.
Parecchi studi hanno studiato l'impatto della topografia sulla ridistribuzione del suolo e albergo associato SOC dynamics9,12,13,14,15,16, 17. van der Perk et al. 12 segnalati che fattori topografici spiegato 43% della variabilità nella ridistribuzione del suolo. Rezaei e Gilkes13 trovato superiore SOC in terreni su un aspetto ombroso, a causa di temperature più basse e meno evaporazione rispetto ad altri aspetti in pascoli. Topografia può avere un impatto più significativo sulla ridistribuzione del suolo in terreni agricoli con trattamento tradizionale lavorazione rispetto a quelli con minima lavorazione, a causa delle interazioni tra morfologia e lavorazione pratiche9. Tuttavia, questi risultati sono stati ricavati principalmente da osservazioni di campo, che presentano difficoltà nell'investigare le proprietà del suolo a scala territoriale più ampia. C'è un urgente bisogno di sviluppare nuove strategie per comprendere efficacemente modelli spaziali di proprietà del terreno alle scale regionali e spartiacque.
L'obiettivo di questo studio è quello di sviluppare modelli efficienti per simulare la ridistribuzione del suolo e distribuzione SOC. Modelli basati su topografia utilizzando metriche topografica come predittori sono stati sviluppati per quantificare i processi di erosione e deposizione del suolo. Confrontato con empirica o processo basati erosione modelli quello impiegato campionamenti discreti campo per simulare suolo erosione18,19, modelli basati su topografia potrebbero essere sviluppati basato su informazioni topografiche derivati da digitale modelli di elevazione (DEM) con risoluzioni elevate. Questo approccio consente simulazioni di proprietà terreno continuo al bacino idrografico o su scala regionale. Negli ultimi decenni diversi, accuratezza delle informazioni topografiche è sostanzialmente migliorata, con l'aumento della disponibilità di dati ad alta risoluzione in modalità remota percepito. Sebbene gli studi precedenti hanno impiegato i modelli basati su topografia per simulare il terreno proprietà12,20,21,22, la maggior parte di queste indagini usato una singola metrica topografica o per categoria di metriche topografica (locale, non locale o combinato topografica metriche), che non abbiano sufficientemente esplorato topografici impatti sull'attività microbica del terreno. Pertanto, per ottenere una migliore comprensione dei controlli di topografia per l'erosione del suolo e la dinamica di C, abbiamo esaminato una serie completa di metriche topografica tra cui metriche topografiche locali, non locale e combinato e sviluppato multi-variabile basato su topografia modelli per simulare la dinamica di proprietà del suolo. Le applicazioni di questi modelli devono fornire un supporto scientifico per migliore controllo di erosione del suolo e gestione di terreni agricoli.
Topografiche metriche sono generalmente classificati in tre categorie: metriche topografica) locali, b) non locale topografica metriche o c) combinato metriche topografica. Metriche topografiche locali si riferiscono alle caratteristiche locali di un punto sulla superficie della terra. Non-locale topografiche metriche consultare la posizione relativa dei punti selezionati. Metriche topografiche combinati integrano metriche topografiche locali e non locali. Un set di metriche topografiche che interessano l'erosione del suolo e deposizione sono stati utilizzati in questo studio per indagare i controlli topografici sul movimento del terreno e le scorte di C (tabella 1). In particolare, abbiamo usato quattro metriche topografiche locali [pendenza, curvatura del profilo (P_Cur), piano di curvatura (Pl_Cur), curvatura generale (G_Cur)], sette non locale topografiche metriche [accumulo di flusso (FA), rilievo topografico, apertura positiva (POP), salita pendenza (UpSl), lunghezza del percorso di flusso (FPL), lungo il pendio indice (DI), bacino di utenza (CA)], e tre unita metriche topografiche [Indice topografico umidità (TWI), indice di potenza del flusso (SPI) e fattore di lunghezza di pendio (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

Paesaggio topografia è un fattore critico che interessano la formazione del terreno e svolge un ruolo importante nel determinare la proprietà del terreno sulla superficie terrestre, come regola il movimento di gravità del suolo indotto dalle attività di deflusso e lavorazione del terreno. La recente applicazione di Light Detection and Ranging (LiDAR) dati tiene la promessa per la generazione di statistiche topografica di elevata risoluzione spaziale che può essere utilizzato per studiare la variabilità di proprietà del terreno. In questo studio, quindici topografiche metriche derivate da dati LiDAR sono stati utilizzati per indagare topografici impatti sulla ridistribuzione del suolo e della distribuzione spaziale di carbonio organico del suolo (SOC). In particolare, abbiamo esplorato l'uso di componenti principali rilievi topografici (TPC) per la caratterizzazione di topografia metriche e regressione stepwise componente principale (SPCR) per sviluppare modelli di SOC alla scala sito e spartiacque e l'erosione del suolo basato su topografia. Prestazioni dei modelli di SPCR è stata valutata contro graduale ordinaria almeno quadrato (SOLSR) i modelli di regressione. Risultati hanno mostrato che SPCR modelli ha superato SOLSR modelli nel predire tassi di ridistribuzione del suolo e la densità SOC a diverse scale spaziali. Uso di TPCs rimuove potenziali collinearità tra le variabili di input individuali e riduzione della dimensionalità di analisi delle componenti principali (PCA) diminuisce il rischio di overfitting i modelli di previsione. Questo studio propone un nuovo approccio per la modellazione di ridistribuzione del suolo attraverso varie scale spaziali. Per una sola applicazione, l'accesso a terreni privati è spesso limitata, e la necessità di estrapolare i risultati da siti di studio rappresentativo per impostazioni più grandi che includono terreni privati può essere 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

Processi di paesaggio sono componenti critici della formazione del terreno e svolgono un ruolo importante nel determinare la proprietà del suolo e struttura spaziale in paesaggi. Vi proponiamo un nuovo approccio usando la regressione stepwise componente principale per predire la ridistribuzione del suolo e carbonio organico del suolo attraverso varie scale spaziali.

Utilizzo di componenti Principal per Scaling Up modelli topografici per mappare la ridistribuzione del suolo e del suolo di carbonio organico

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

Questo metodo può aiutare a rispondere a domande chiave nel campo agricolo, come come la topografia del paesaggio può influenzare l'erosione del suolo e la dinamica della materia organica del suolo. Il vantaggio principale di questa tecnica è che è applicabile a siti con osservazioni limitate e fornisce una stima economica degli stock di carbonio organico del suolo e dei processi di ridistribuzione del suolo. In primo luogo, raccogliere dati dal sito Web GeoTREE Light Detection and Ranging Mapping Project.Selezionare il tipo di limite e l'area per ingrandire un'area specifica. Quindi, disegna un poligono per scaricare il rilevamento della luce e le tessere che vanno per l'area di studio selezionata. Convertire il rilevamento della luce grezza e i dati che vanno in un file LAS utilizzando lo strumento di mappatura del sistema informativo geografico.Successivamente, genera modelli di elevazione digitale, o DEMS, con una risoluzione termalee di tre metri usando l'interpolazione ponderata per la distanza inversa. Filtrare il DEMS di tre metri due volte con un filtro passa-basso a tre kernel per ridurre i rumori associati alla variazione locale. Per generare metriche topografiche, fare innanzitutto clic su Importa raster nella sezione Importa/Esporta per importare il DEMS filtrato di tre metri in SAGA.Fate quindi clic sul modulo Pendenza (Slope), Aspetto (Aspect), Curvatura (Curvature) di SAGA con le impostazioni di default per generare la pendenza, la metrica correlata alla curvatura e la metrica di curvatura generale utilizzando le DEM filtrate. Fate clic sul modulo Top-Down di SAGA per l'accumulo di flusso e selezionate Infinito deterministico (Deterministic Infinity) come metodo per generare la metrica di accumulo del flusso utilizzando le DEM filtrate. In seguito, fate clic sul modulo Apertura topografica SAGA con le impostazioni predefinite per generare la metrica di apertura positiva utilizzando un'immagine amplificata dell'asse Z filtrato.L'ingrandimento delle distanze verticali nei modelli di elevazione digitale migliora la distinguibilità dell'apertura positiva nei siti con una superficie relativamente piatta. Fare clic sul modulo LS-Factor Field Based di SAGA con le impostazioni predefinite per generare le metriche del fattore di pendenza e lunghezza della pendenza dell'uplope utilizzando le DEM filtrate. Fare quindi clic sul modulo Lunghezza percorso flusso di SAGA con le impostazioni predefinite per generare la metrica della lunghezza del percorso del flusso utilizzando le DEM filtrate.Fate clic sul modulo Sfumatura distanza discesa (Downslope Distance Gradient) di SAGA con le impostazioni predefinite per generare la metrica indice di discesa utilizzando le DEM filtrate. Fare ora clic sul modulo Saga Wetness Index e selezionare il bacino di urti assoluto come tipo di area per generare il bacino di urti e le metriche dell'indice di umidità topografica utilizzando le DEM filtrate. Fare clic sul modulo Stream Power Index di SAGA e selezionare lo pseudo specifico bacino di urti come conversione dell'area per generare la metrica dell'indice di potenza del flusso utilizzando le DEM filtrate.In seguito, generare mappe di elevazione massime con più raggi. Filtrare le mappe di elevazione massima due volte tramite un filtro passa-basso a tre kernel. Sottrarre il DEM filtrato di tre metri dalle mappe di elevazione massima filtrate per ottenere una serie di mappe di rilievo.Estrarre una serie di variabili di scarico in diverse posizioni. Eseguire l'analisi dei componenti principali sulle variabili di scarico per convertire gli rilievi in componenti di rilievo topografici. Selezionare i componenti principali che spiegano oltre il 90% della varianza del set di dati di scarico come metriche topografiche di scarico.Standardizzare le sette mappe di scarico utilizzando la deviazione media e standard. Create componenti principali di scarico per somma dello scarico topografico standardizzato ponderato in base ai carichi corrispondenti. Durante la creazione della metrica di rilievo, è importante generare immagini di rilievo su varie scale spaziali per limitare le incertezze associate alla selezione arbitraria del raggio perché i controlli del rilievo sulle proprietà del suolo potrebbero essere influenzati da scale spaziali di rilievo.Selezionare una serie di località di campo coltivate in grado di rappresentare adeguatamente le caratteristiche paesaggistiche dell'area di studio e diversi campi coltivati rappresentativi su piccola scala che possono essere campionati intensamente. Caricare tutte le coordinate della posizione di esempio in un sistema di posizionamento geografico basato su codice e individuarle fisicamente nel campo. Successivamente, raccogliere tre campioni per ogni posizione di campionamento dallo strato di terreno superiore di 30 centimetri utilizzando una sonda push.Registrare le informazioni sulle coordinate geografiche delle posizioni di campionamento utilizzando il sistema di posizionamento geografico. In seguito, setacciare il campione di terreno con uno schermo di due millimetri. Pesare i campioni di terreno dopo l'essiccazione.Calcolare la densità del suolo utilizzando i volumi totali del campione nelle posizioni e nei pesi di campionamento. Mescolare i tre campioni dalla stessa posizione per ottenere un campione di terreno composito. Macinare un sottocampione da 10 grammi del terreno setacciato in una polvere molto fine con un mulino a rulli.Ora, misurare il contenuto totale di carbonio del suolo nel campione fresato a rulli attraverso la combustione su un analizzatore elementare CN a una temperatura di 1350 gradi Celsius. Dopo aver cotto la materia organica del suolo in un forno, stimare il contenuto di carbonato di calcio analizzando il carbonio rimanente. Ora, posizionare i campioni di terreno setacciati alla rinfusa di due millimetri nei becher Marinelli e sigillarli.Posizionare il becher nel rivelatore e misurare la concentrazione di cesio di ogni campione attraverso l'analisi dei raggi gamma utilizzando un sistema di spettroscopia che riceve input da tre cristalli di germanio coassiale ad alta purezza in analizzatori a 8,192 canali. Registrare la produzione di concentrazione di cesio. Infine, calcola il tasso di ridistribuzione del suolo utilizzando l'inventario del cesio applicando il Mass Balance Model II in un programma di componenti aggiuntivi per fogli di calcolo.460 posizioni sui campi coltivati sono state selezionate casualmente per ricavare informazioni topografiche nello spartiacque di Walnut Creek in Iowa. Qui vengono presentati i risultati delle analisi di correlazione tra metriche topografiche e densità organica del carbonio del suolo, ridistribuzione del suolo. L'indice topografico di umidità e il rilievo topografico su larga scala hanno mostrato rispettivamente le più alte correlazioni con i tassi di densità e ridistribuzione del suolo.I modelli spaziali delle due metriche mostravano valori elevati nell'area depressionale e valori bassi nelle aree inclinate e di cresta. Tuttavia, le differenze tra le due metriche si sono verificate nelle aree di fossato, dove l'indice di umidità topografica mostrava valori estremamente alti, ma i valori di rilievo topografico su larga scala non erano diversi dalle aree adiacenti. Qui sono elencati cinque componenti principali topografici selezionati per creare modelli basati sulla topografia.Oltre il 70 e il 65% della variabilità nella densità organica del carbonio del suolo e nei tassi di ridistribuzione del suolo sono stati spiegati rispettivamente dal modello di regressione minima quadrata ordinario graduale con variabili intere. Per i modelli con covariato collineare rimosso, le efficienze di simulazione erano leggermente inferiori al modello di regressione minima quadrata ordinario graduale con il modello di variabili intere. Per i modelli SPCR, vengono osservate efficienze di simulazione simili a come il modello di regressione minima quadrata ordinario graduale con covariato collineare rimosso.La ridistribuzione del suolo e le mappe della densità organica del carbonio del suolo generate dai modelli SPCR hanno rivelato modelli coerenti tra simulazioni di modelli e misurazioni sul campo. Questa tecnica apre la strada ai ricercatori nel campo dell'agricoltura per esplorare la ridistribuzione del suolo e i modelli di materia organica a livello spartiacque e regionale. La tecnica potrebbe essere migliorata con un ulteriore perfezionamento del rilevamento della luce e dati che vanno e l'inclusione di metriche topografiche aggiuntive.

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

Progettazione e funzionamento di un continuo<sup&gt; 13</sup&gt; C e<sup&gt; 15</sup&gt; N Etichettatura Camera di Uniform o differenziale, metaboliche e strutturali, Flora Isotope Labeling

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

Ricerca

Ambiente

A Protocol for Conducting Rainfall Simulation to Study Soil Runoff

Un protocollo per Condurre Pioggia di simulazione per studiare deflusso del suolo

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

Valutazione della Labile carbonio organico nel suolo Uso delle procedure sequenziale fumigazione incubazione

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

Una tabella soffietto Thermogradient di controllo della temperatura del suolo per la valutazione di crescita delle piante e monitoraggio processi del suolo

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

Protocolli per la quantificazione residui di antiparassitari Valori in Turfgrass Sistemi

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

Sequenziamento del DNA nanoporo per analisi Metagenomica del suolo

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

Misura e mappatura modelli di erosione e deposizione relazionati al suolo carbonato concentrazioni sotto gestione agricola

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

Migliorare la caratterizzazione spettroscopia infrarossa di materia organica del suolo con sottrazioni spettrale

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

Singolo-velocità effettiva complementari ad alta risoluzione tecniche analitiche per la caratterizzazione di miscele complesse di sostanza organica naturale

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

Progettazione di microplot e preparazione di campioni di piante e suolo per 15Analisi dell'azoto

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. ...