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

この研究は、国立保全効果評価プロジェクト (NRCS 67-3A75-13-177) の湿地コンポーネント関連付けで米国農務省自然資源保全局によって支えられました。

1. 地形解析
<ol><li>デジタル データを前処理します。<ol>
<li>GeoTREE ライダー マッピング プロジェクトのウェブサイトから LiDAR データを収集します。特定領域を拡大表示する「境界型」と「地域」を選択します。選択した研究領域の LiDAR タイルをダウンロードする多角形を描画します。</li>
		<li>生の LiDAR データを地理情報システム (GIS) マッピング ツールを使用して、LAS ファイルに変換します。</li>
		<li>3 m 距離の逆数で重み付け補間を用いた空間分解能 Dem を生成します。</li>
		<li>騒音を軽減する 3 カーネル ローパス フィルター フィルター 3 m Dem を 2 回をローカル変化と関連付けます。</li>
	</ol>
</li>
	<li>地形のメトリックの生成<ol>
<li>地形指標を生成するためまず地層分析の自動化 (佐賀)23のシステムの最新バージョンをダウンロードします。」インポート ラスター「インポート/エクスポート セクションで佐賀にフィルター処理された 3 m Dem をインポートするをクリックします。</li>
		<li>斜面の生成を既定の設定で佐賀の「斜面、側面、曲率」モジュールをクリックしてと曲率関連 [プロファイル曲率 (P_Cur)、計画曲率 (Pl_Cur)、および一般的な曲率 (G_Cur)] フィルター処理された民主党員 (図 1) を使用してメトリック。</li>
		<li>佐賀の「流れ蓄積 (トップダウン)」モジュールをクリックし、フィルター処理された Dem を用いたフロー蓄積 (FA) メトリックを生成する方法として「確定的な無限」を選択します。</li>
		<li>フィルター処理された z 軸の増幅されたイメージを使用して肯定的な開放性 (POP) メトリックを生成する既定の設定で「佐賀地形開放」モジュールをクリックしてします。</li>
		<li>上り坂斜面 (Upsl) を生成し、斜面の長さ要因 (LS_FB) メトリック フィルター Dem を使用して既定の設定を持つ佐賀の「LS-係数 (フィールド ベース)」モジュールをクリックします。</li>
		<li>フィルター処理した Dem を使用してフロー パスの長さ (FPL) 指標を生成する既定の設定で佐賀の「フロー パスの長さ」モジュールをクリックします。</li>
		<li>フィルター処理された Dem を用いた下りインデックス (DI) メトリックを生成する既定の設定で佐賀の「下り距離勾配」モジュールをクリックします。</li>
		<li>「佐賀濡れ指数」モジュールをクリックしてし集水領域 (CA) およびフィルター処理された Dem を用いた地形濡れ指数 (TWI) メトリックを生成する領域のタイプとして「絶対的な集水領域」を選択します。</li>
		<li>佐賀の「ストリーム パワー指数」モジュールをクリックしてしフィルター Dem を使用してストリーム パワー インデックス (SPI) メトリックを生成する領域変換として"擬似特定流域」を選択します。</li>
		<li>複数の半径で最大高度マップを生成します。3 カーネル ローパス フィルターを 2 回最大標高マップをフィルターします。リリーフ マップのシリーズを取得するフィルターの最大標高マップからフィルター処理された 3 m DEM を減算します。一連の場所の数に救済変数を抽出します。</li>
		<li>地形の起伏のコンポーネントにレリーフを変換する救済変数で主成分分析 (PCA) を実行します。地形の起伏の指標として救済データセットの 90% の差異よりも説明する主要なコンポーネントを選択します。</li>
	</ol>
</li>
</ol>2. フィールド データ収集
<ol><li>フィールド サンプリング<ol>
<li>調査地域の景観特性を適切に表すことができる農地フィールド場所と集中的にサンプリングすることができますいくつかの代表的な小規模耕作フィールドの数を選択します。 注: 2 つの耕作フィールドから採取した土壌試料は、モデルのキャリブレーションに使用されました。全体の研究領域から採取した土壌試料は、モデルの検証に使用されました。</li>
		<li>コードに基づく地理的な測位システム (GPS) にすべてのサンプル位置座標をアップロードし、物理的にフィールドでそれらを見つけます。</li>
		<li>プッシュ プローブ (直径 3.2 cm) を用いたトップ 30 cm 土壌層から各サンプリング位置の 3 のサンプルを収集します。 注: 土壌 30 〜 50 cm の層から採取地点の土砂堆積が期待されていた。各サンプルの量は、241 cm3だった。</li>
		<li>サンプリング GPS を用いた位置の地理的な座標情報を記録。</li>
		<li>48 h. 計算地盤密度の採取場所と重みで総サンプル ボリュームの情報を使用して 90 ° C で乾燥させ土壌サンプルの重量を量る。複合土壌サンプルを取得する同じ場所から 3 つのサンプルをミックスします。</li>
	</ol>
</li>
	<li>土壌サンプルの準備<ol>
<li>2 ミリメートルの画面を持つ複合土壌試料をふるい。</li>
		<li>ロール転動式ミルを非常に細かい粉にふるわれた土の 10 g のサブサンプルを挽きます。</li>
	</ol>
</li>
	<li>土壌サンプルの分析<ol>
<li>土壌の全炭素 (C) 1350 ° c. の温度で CN の元素分析装置で燃焼をローラー粉砕サンプルのコンテンツを測定します。炉内で 16 時間 420 ° C の温度で土壌有機物を焼成後残りの C を分析することによって炭酸カルシウム C コンテンツを推定します。</li>
		<li>合計土 C コンテンツから炭酸カルシウム C コンテンツを引いて SOC 量 (%) を計算します。SOC 量 (%) を土の密度を用いた SOC 密度 (kg m-2) に変換します。</li>
		<li>マリネリー ビーカーに一括 2 mm ふるわれた土壌試料を入れ、それらを封印します。(材料の表を参照してください 8192 チャンネル ・ アナライザーに 3 つ高純度同軸ゲルマニウム結晶 (HpCN30% 効率) からの入力を受け取り分光システムを用いたガンマ線分析を通して各サンプルの137Cs 濃度を測定します。).</li>
		<li>分析の混合核種標準11を使用してシステムを調整します。土の密度を用いた137Cs 在庫137Cs 濃度に変換します。</li>
		<li>ウォーリングらによって開発されたプログラムを追加でスプレッドシートの質量バランス モデル II (MBMII) を用いた137Cs の在庫を使用して土壌再分配率を計算します。24。</li>
	</ol>
</li>
</ol>3. 地形ベースのモデル開発
<ol><li>地形の主成分の推定<ol>
<li>全体の研究領域および小規模耕作フィールド内の場所をサンプリングの地形のメトリックを抽出します。</li>
		<li>平均と標準偏差を使用して全体の研究領域でサンプリング場所の地形の指標を標準化します。PCA を用いた統計ソフトウェア パッケージ、標準化された地形指標に基づいて各コンポーネントで地形メトリック荷重を推定します。各地形の主成分 (TPC) の地形メトリック荷重を収集し、すべてのメトリックの 90% の差異を説明するトップ TPCs を選択します。</li>
		<li>小規模耕作フィールドでの採取場所の地形の指標を標準化します。WCW での採取場所から対応する荷重によって加重標準化された地形指標の合計によってそれぞれの場所トップ TPCs を計算します。</li>
	</ol>
</li>
	<li>モデルのキャリブレーション<ol>
<li>段階的な普通最小自乗回帰 SOC 密度および小規模耕作フィールドですべての地形指標に基づく土壌再配布率の地形に基づく SOLSRfモデルを開発する (SOLSR) を実行します。最高装備の SOLSRfモデルの地形のメトリックの最適な組み合わせを選択するのに赤池情報量規準 (AIC)、残す 1 つアウト クロス検証を使用します。</li>
		<li>分散インフレ率 (VIF) を用いた地形の変数間の共線性をチェックします。最大 VIF を持つ変数を削除 (VIF ≥ 7.525)、し、VIF を再度チェックします。すべての変数の Vif が < 7.5 まで変数を削除します。SOC 密度地形ベース SOLSRrモデルを開発し、削除された高共変数地形指標に基づいて再配布料金を土壌 SOLSR を実行します。最高装備の SOLSRrモデルの最適な組み合わせを選択するのに、AIC とを残す 1 つアウト クロス検証を使用します。</li>
		<li>段階的な主成分回帰 (SPCR) 地形ベース SOC 密度 SPCR モデルを開発し、小規模耕作フィールドで TPCs に基づいて再分配率の土壌を実行します。最高装備 SPCR モデル TPCs の最適な組み合わせを選択するのに、AIC とを残す 1 つアウト クロス検証を使用します。</li>
		<li>モデルの効率性を評価するために決定 (Radj2)、ナッシュ ・ サトクリフ効率 (NSE) と測定データ (RSR) の標準偏差を二乗平均平方根誤差率の調整係数を計算します。</li>
	</ol>
</li>
	<li>モデルの評価<ol>
<li>SOC 密度推定し、推定モデルを適用することによって土壌の調査領域全体に再分配率。</li>
		<li>SOC 密度測定データセットの予測を比較することによって開発したモデルの検証し、土壌の調査領域全体に再分配率。Radj2NSE、RSR の使用モデルの性能を評価値。</li>
	</ol>
</li>
</ol>

著者が明らかに何もありません。

SOLSRfモデルは、フィールドの縮尺での校正で SPCR モデルよりもわずかに良いパフォーマンスを持っていた。密接なお互いに相関関係 SPI と CA (r > 0.80) など、地形の指標のいくつか。共線性は、モデル予測に不確実性を追加できます。予測の中で多重共線性のための入力変数の小さな変更を及ぼしますモデル予測41大幅。したがって、SOLSRfモデル安定する傾向を示し, 低流域スケールで SOC 密度及び土壌再分配率のシミュレーションの効率化。SPCR モデルは、流域スケールにおける SOC 分布予測における SOLSRfモデルを大幅に上回った。TPCs 15 地形指標を相互に独立して (直交) コンポーネントに変換することによって、多重共線性を排除します。変換は、基になる地形指標の関係をまた発見しました。コンポーネントに地形指標の高荷重 (> 0.35) によって示される、TPC1、TPC2、TPC3、TPC6、および TPC7 と関連付けられた流れの加速度や流れの発散、流出量土壌水分流出速度それぞれ。土壌再配布料金と SOC 分布の空間パターンが土壌水分量と相関し、フォックスとパパニコロウの2、実証研究と一致している WCW の流出発散浸食から土壌低救済農業流域の流れの発散により畑を影響可能性があります。
さらに、SOLSRf SOLSRrモデルより SPCR モデルの予測変数を減らして予測モデル42,43に過適合のリスクの減少。データの解釈の難しさを増やすし、モデル シミュレーション41,44,45の高分散を誘発する可能性のある、すべての SOLSR モデルに 6 個を超える変数があった。これは SPCR モデルより SOLSR モデルによって WCW の低い予測効率を考慮可能性があります。
地形 - SPCR モデル土壌再配布と関連付けられた SOC のダイナミクスをシミュレートすることで利点があります。まず、地形情報は、Dem から簡単に派生できます。高空間解像度の LiDAR データの最近の増加アクセシビリティは、DEM 派生風景地形の精度の向上し、利益限られた観測がある地域での調査を助けることができます。第二に、地形指標、統計分析のセットを使用して、地形に基づくモデル効率的に定量化できます SOC の分布と土壌の再配布。第三に、主成分のアプリケーションことができます効果的に地形指標の多重共線性に関連付けられている偏見を軽減し、ステップワイズ モデル複数の空間スケールに適用した場合の安定性を高めます。
ただし、SPCA モデル モデル開発中の変数によって限定されます。LiDAR データのアプリケーションは、生態学的研究の増加、有用な地形情報を導出する方法がまだ検討されていない完全に。本研究では TWI および LsRe を示した相関 SOC 密度と土壌再配布料金。ただし、追加の地形変数と見なされないを均等にありますまたは土壌浸食と C のダイナミクスを説明するのに重要。さらに、土壌侵食の変動を引き起こす可能性があります、管理方法など他の要因は、この研究に含まれていません。たとえば、耕起は最大傾斜の方向に平行したとき土壌浸食が斜め不耕起土壌上り坂46を回しての侵食を基準にして倍増する可能性が。したがって、異なる耕起作業には SPCR モデルの減少予測効率の理由もあります。
研究は、カテナ17に掲載された論文に基づいています。地形に及ぼす土壌の動態と土壌カテナ紙で実行のメカニズム ベースの分析、代わりにここを地形指標を定量化し、地形に基づくモデルの開発方法に着目。実現可能性と土壌の空間的構造の研究で地形ベースのモデルを使用する利点について話し合った。一方、斜面の長さ要因と流れ蓄積のアルゴリズムを更新することによって私たちのモデルを改善しました。スロープ長さ係数測定の尺度は、フィールドの領域に限られていた。また、確定的な無限アルゴリズムは流れ蓄積生成で使用されました。Liらの報告方法と比較してください。本研究で採用した無限アルゴリズムの確定的な 8 ノード法で累積流量を生成17は流れ方向角でループを低減し、低救済エリア47のための優れたアルゴリズムがあることを証明しました。
結論としては、我々 の結果は、SOC 分布と農業分野での土壌再配布パターンをシミュレートすることで地形に基づく SPCR モデルの可能性を実証します。SOC 株式と土壌再配布速度を推定するコスト効果の高い方法として限られた観測データとパブリック アクセスに欠けている民有地のサイトに適用されます。将来的に研究、予測モデルはさらに洗練され LiDAR データの可用性と追加地形指標を含めることで改善されるでしょう。モデルに基づいて開発された大規模な土壌のプロパティ マップは、農業景観、流域・地域スケールでの SOC の運命における土壌の移動地形への影響機構のさらなる理解につながります。

土壌の再配布 (侵食と堆積) を出す土壌有機炭素 (SOC) 株と動態に大きな影響を与えます。増加の努力で SOC を戸建、輸送、および風景1,2,3上に堆積する方法の調査に取り組んでおります。Carbon (C) 隔離と SOC 分布水侵食4,5,6による重力駆動土壌の動きによって影響を受けています。耕起による土壌の転流は、耕地、C 再配布7,8,9に貢献するもう一つの重要なプロセスです。不耕起浸食土粒子のかなりの純下る運動と土壌内変動10に 。水・不耕起の侵食は景観の地形は、侵食と堆積のサイト11の場所を判別の影響を受けます。したがって、効果的な土壌浸食制御、C 農地呼び出しに地形コントロールのよりよい理解のための動的調査土壌浸食および動き。
いくつかの研究は、土壌の再配布と関連付けられた SOC ダイナミクス9,12,13,14,15,16,の地形の影響を検討しました。17. van der 特典ら12は、地形要因が土壌の再配布の可変性の 43% を説明したことを報告しました。Rezaei ・ ギルケス13土壌怪しげな側面、気温の低いと蒸発の放牧地の他の側面と比較されたときより高い SOC が見つかりました。地形が地形間の相互作用のための最小耕うんにおけるより伝統的な耕起処理で農地の土壌の再配布に関するより重要な影響があり耕慣行9。ただし、これらの調査結果は主に広い空間スケールでの土壌調査の難しさを提示フィールドの観察から派生しました。地域スケールと流域の土壌性質の空間パターンを効率的に理解する新しい戦略を開発する急務があります。
本研究の目的は、土壌の再配布および SOC 分布をシミュレートする効率的なモデルを開発することです。予測は、土壌侵食と堆積プロセスを定量化するために開発されている地形指標を使用して地形ベースのモデル。比較と実証またはプロセスをベースに由来するデジタル地形情報に基づいて侵食土壌浸食18,19, 地形ベースのモデルをシミュレートする離散フィールド サンプリングを採用するモデルが開発される可能性が高解像度標高モデル (Dem)。このアプローチは、流域や地域スケールで継続的な土壌特性シミュレーションできます。過去数十年で地形情報の正確性は、高分解能リモートセンシング データの可用性の向上と、大幅に改善します。以前の研究は、土壌のプロパティ12,20,21,22をシミュレートする地形ベースのモデルを採用している、これらの調査のほとんど使用 1 つの地形指標または単一のカテゴリ地形指標 (ローカル、非ローカルまたは結合された地形指標) の可能性があります十分を探索していない土壌微生物活性への地形の影響。したがって、土壌浸食および C 動態の地形コントロールのより良い理解を得るためにローカル、非ローカルおよび結合された地形指標を含む、多変数地形ベースを開発地形指標の包括的なセットを調べた土壌特性のダイナミクスをシミュレートするモデル。これらのモデルのアプリケーションより良い土壌浸食防止と農地管理の科学的なサポートを提供する予定です。
地形指標は、一般的に 3 つのカテゴリのいずれかに分類されて:) ローカル地形指標、b) 非ローカル地形メトリックまたはメトリックの c) 組み合わせが地形。ローカル地形指標は土地の表面の 1 ポイントのローカル機能を参照してください。非局所地形指標は、選択したポイントの相対的な位置を参照してください。メトリックの組み合わせが地形は、ローカルおよび非ローカル地形指標を統合します。土壌侵食・堆積に影響を与える地形のメトリックのセットは、土壌の移動と C 株式 (表 1) の地形のコントロールを調査するこの研究で使用されました。具体的には、我々 は 4 つのローカル地形指標を使用 [勾配、断面曲率 (P_Cur)、曲率 (Pl_Cur)、一般的な曲率 (G_Cur) を計画]、7 つの非ローカル地形指標 [累積流量 (FA)、地形の起伏、肯定的な開放性 (POP)、上り方向斜面 (UpSl)、フロー パスの長さ (FPL)、下り方向指数 (DI)、流域面積 (CA)] と地形指標を組み合わせて 3 [地形気候湿潤度 (TWI)、ストリーム パワー インデックス (SPI) とスロープ長さ係数 (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

風景地形は土の形成に影響を与える重要な要因を流出・不耕起の活動による土壌の重力駆動運動を調節すると地球表面の土壌特性を決定する上で重要な役割を果たしています。光検出と測距 (ライダー) データの最近のアプリケーションでは、土壌の特性変動を調べるために使用できる高解像度地形指標を生成するための約束を保持しています。本研究では LiDAR データから派生した地形の 15 の指標は地形の影響土の再分配と土壌有機炭素 (SOC) の空間分布を調査に使用されました。具体的には、地形指標と段階的な主成分回帰 (SPCR) 地形による土壌浸食と SOC モデル サイト、流域規模で開発を特徴付けるため地形の主成分 (tpc のほか) の使用を検討しました。段階の最小自乗回帰 (SOLSR) モデル普通に対する SPCR モデルの性能を評価しました。結果は、SPCR モデル土壌再配布料金と異なる空間スケールで SOC 密度の予測には敵わなかったの SOLSR モデルであることを示した。TPCs の使用は個々 の入力変数間の潜在的な共線性を削除し、主成分分析 (PCA) による次元削減予測モデルを過剰のリスクが減少します。本研究では、様々 な空間スケールにわたって土壌再配布をモデル化するための新しいアプローチを提案します。1 つのアプリケーション専用の土地へのアクセスが多いと民有地を含むより大きい設定する代表的な調査のサイトから結果を外挿法で推定する必要ことが重要であります。

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

風景プロセスは土の形成の重要なコンポーネントと土壌の特性と風景の空間構造を決定する上で重要な役割を果たします。段階的主成分回帰を使用してさまざまな空間スケールで土壌の再分配と土壌有機炭素を予測する手法を提案する.

主成分の土壌の再分配と土壌の有機炭素をマップに地形モデルをスケール アップ用

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

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。

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

連続の設計および動作<sup&gt; 13</sup&gt; Cと<sup&gt; 15</sup均一または差動、代謝および構造·&gt; N標識化会議所、工場同位体ラベル化

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

A Protocol for Conducting Rainfall Simulation to Study Soil Runoff

土壌流出を研究する降雨シミュレーションを行うためのプロトコル

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

シーケンシャル燻蒸インキュベーション・プロシージャを使用した土壌中の不安定な有機炭素の評価

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

マチ付きThermogradient表は、植物の成長を評価し、土壌プロセスの監視のための土壌の温度を制御します

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

芝草システムズに譲渡残留農薬を定量化するためのプロトコル

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

ナノポア DNA シーケンス メタゲノム土壌分析用

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

測定と土壌侵食と堆積土炭酸濃度農業経営に関連のパターンのマッピング

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

スペクトル減算と土壌有機物の赤外分光特性の向上

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

シングル スループット複雑な天然有機物の混合物の評価の補完的な高解像度分析の手法

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

15窒素分析のためのマイクロプロット設計と植物および土壌サンプル調製

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. ...

主成分の土壌の再分配と土壌の有機炭素をマップに地形モデルをスケール アップ用

主成分の土壌の再分配と土壌の有機炭素をマップに地形モデルをスケールアップ用