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

Denne forskningen ble støttet av USDA Natural Resources Conservation Service i tilknytning til våtmarksområde komponenten av nasjonale bevaring effekter vurdering prosjektet (NRC 67-3A75-13-177).

1. topografiske analyser
<ol><li>Digitale data de<ol>
<li>Samle LiDAR data fra GeoTREE LiDAR kartlegging prosjektet nettsted. Velge "grense type" og "region" for å zoome inn et bestemt område. Tegne en polygon ådataoverføre LiDAR fliser valgte området.</li>
		<li>Konvertere LiDAR rådata til en LAS fil med geografisk informasjon (GIS) kartlegging verktøyet.</li>
		<li>Generere DEMs med 3-m romlig oppløsning bruker omvendt avstand vektet interpolering.</li>
		<li>Filtrere 3-m DEMs to ganger med en 3-kjernen lavpassfilter å redusere lyder forbinder med lokal variasjon.</li>
	</ol>
</li>
	<li>Topografiske metrisk generasjon<ol>
<li>Vil generere topografiske beregninger, først laste ned den nyeste versjonen av systemet for automatisert geofaglige analyse (SAGA)23. Klikk "Import Raster" i delen Import/eksport for å importere filtrerte 3-m DEMs til SAGA.</li>
		<li>Klikk modulen "Skråningen, aspektet, kurvatur" av SAGA med standardinnstillingene til å generere skråningen og kurvatur-relaterte [profil kurvatur (P_Cur), planen kurvatur (Pl_Cur) og de generelle kurvatur (G_Cur)] beregninger ved hjelp av filtrerte DEMs (figur 1).</li>
		<li>Klikk modulen "Flow oppbygging (Top-Down)" av SAGA og velg "Deterministisk uendelig" som metode for å generere flyt opphopning (FA) beregningen bruker filtrerte DEMs.</li>
		<li>Klikk modulen "SAGA topografiske åpenhet" med standardinnstillingene til å generere positiv åpenhet (POP) beregningen bruker en filtrert z forsterket image.</li>
		<li>Klikk modulen "LS-factor (feltet basert)" av SAGA med standardinnstillingene til å generere upslope stigningstallet (Upsl) og skråningen lengde faktor (LS_FB) beregninger ved hjelp av filtrerte DEMs.</li>
		<li>Klikk modulen "Flow banen lengde" av SAGA med standardinnstillingene til å generere flyt banen lengde (FPL) beregning ved hjelp av filtrerte DEMs.</li>
		<li>Klikk modulen "Downslope fra Gradient" av SAGA med standardinnstillingene til å generere downslope indeks (DI) beregningen bruker filtrerte DEMs.</li>
		<li>Klikk modulen "SAGA Wetness indeks" og velg "absolutt nedslagsfeltet" som Type av området å generere nedslagsfeltet (CA) og topografiske væte indeks (TWI) beregninger ved hjelp av filtrerte DEMs.</li>
		<li>Klikk modulen "Stream makt Index" av SAGA og velg "pseudo bestemt nedslagsfeltet" som området konvertering til å generere strøm makt indeks (SPI) beregningen bruker filtrerte DEMs.</li>
		<li>Generere maksimal høyde kart med flere radiuses. Filtrere maksimal høyde kartene to ganger gjennom en 3-kjernen low-pass filter. Trekk filtrerte 3-m DEM fra filtrerte maksimal høyde kartene for å få en serie lettelse kart. Pakk ut en rekke lettelse variabler til en rekke steder.</li>
		<li>Utføre viktigste komponenten analyse (PCA) på lettelse variabler å konvertere relieffene i topografiske relieff komponenter. Velg hovedkomponentene som forklarer mer enn 90% variansen av lettelse datasettet som topografiske relieff beregningene.</li>
	</ol>
</li>
</ol>2. feltet datainnsamling
<ol><li>Feltet prøvetaking<ol>
<li>Velg cropland feltet steder som kan tilstrekkelig representerer landskapet egenskapene til området og flere representant småskala cropland felt som kan prøves intensivt. Merk: Jord prøvene fra feltene cropland ble brukt for modellen kalibrering. Jordprøver samlet fra hele området ble brukt for modellen validering.</li>
		<li>Last opp alle prøve stedskoordinater til et kodebasert geografiske positioning system (GPS) og fysisk finne dem i feltene.</li>
		<li>Samle 3 prøver for hvert utvalg sted fra topp 30 cm laget ved hjelp av en push sonde (3,2 cm i diameter). Merk: Jordprøver fra 30-50 cm lag ble samlet på steder der sediment deponering var forventet. Volumet av hver prøve ble 241 cm3.</li>
		<li>Registrere geografiske koordinatinformasjon av prøvetakingen steder bruker GPS.</li>
		<li>Veie jordprøver etter tørking dem ved 90 ° C i 48 h. Beregn jord tetthet bruker informasjon samlet eksempel volumer på prøvetaking steder og vekter. Bland tre prøvene fra samme sted å få en sammensatt jordprøve.</li>
	</ol>
</li>
	<li>Eksempel jordforbedring<ol>
<li>Sil de sammensatte jordprøver med 2 mm skjerm.</li>
		<li>Grind en 10 g subsample av soldet jord til en veldig fin pulver med en berg mill.</li>
	</ol>
</li>
	<li>Jord eksempel analyser<ol>
<li>Mål jord totale karbon (C) innhold i roller valset prøver gjennom forbrenning på en CN elementær analysator ved en temperatur på 1350 ° C. Anslå kalsiumkarbonat C innhold ved å analysere gjenværende C etter bakervarer jord organisk materiale ved en temperatur på 420 ° C i 16 h i en ovn.</li>
		<li>Beregne SOC innhold (%) ved å trekke kalsiumkarbonat C innhold fra total jord C innhold. Konvertere SOC innhold (%) til SOC tetthet (kg m-2) bruker jord tetthet.</li>
		<li>Sette bulk 2 mm soldet jord prøvene i Marinelli begre og forsegle dem. Måle 137Cs konsentrasjon av hver prøve gjennom gamma-ray analyse bruke spektroskopi system som mottar inndata fra tre høy renhetsgrad koaksial germanium krystaller (HpCN30% effektivitet) i 8192 kanal analyserer (se tabell for materiale ).</li>
		<li>Kalibrere systemet benytter en analytisk blandet radionuklidenes standard11. Konvertere 137Cs konsentrasjon til 137Cs lager ved hjelp av jord tetthet.</li>
		<li>Beregne jord omfordeling prisen bruke 137Cs lager ved å bruke masse balanse modell II (MBMII) i et regneark-tillegget program utviklet av Walling et al. 24.</li>
	</ol>
</li>
</ol>3. topografi-basert modell utvikling
<ol><li>Topografiske viktigste komponenten estimering<ol>
<li>Ekstra topografiske beregningene for prøvetaking steder i hele området og feltene småskala cropland.</li>
		<li>Standardisere topografiske beregningene av prøvetaking steder i hele området ved hjelp av middelverdi og standardavvik. Beregne de topografiske metrisk belastninger i hver komponent basert på standardisert topografiske beregningene PCA med statistisk programvarepakke. Samle de topografiske metrisk belastninger i hver topografiske viktigste komponent (TPC) og velge de beste TPCs som forklarer 90% variansen for alle beregninger.</li>
		<li>Standardisere topografiske beregningene av prøvetaking plasseringer i feltene småskala cropland. Beregne de beste TPCs for hvert sted summen av standardiserte topografiske beregningene vektet etter de tilsvarende belastninger fra prøvetaking steder i WCW.</li>
	</ol>
</li>
	<li>Modell kalibrering<ol>
<li>Utføre gradvis vanlig minst kvadrat regression (SOLSR) å utvikle topografi-baserte SOLSRf modeller for SOC tetthet og jord omfordeling priser basert på alle topografiske beregninger på feltene småskala cropland. Bruk Akaike informasjon kriterium (AIC) og la-en-ut kors-godkjenningen for å velge den optimale kombinasjonen av topografiske beregninger for best utstyrt SOLSRf modeller.</li>
		<li>Sjekk kolinearitet mellom topografiske variablene ved hjelp av varians inflasjon faktor (VIF). Fjerne variablene med største VIF (VIF ≥ 7.525), og sjekk VIF igjen. Fjerne variablene til VIFs modelltre er < 7.5. Utføre SOLSR for å utvikle topografi-baserte SOLSRr modeller for SOC tetthet og jord omfordeling priser basert på topografiske beregninger som var fjernet høy kolinearitet variabler. Bruk AIC og la-en-ut kors-validering velge den optimale kombinasjonen for best utstyrt SOLSRr modeller.</li>
		<li>Utføre gradvis viktigste komponenten regresjon (SPCR) å utvikle topografi-baserte SPCR modeller for SOC tetthet og jord omfordeling priser basert på TPCs på feltene småskala cropland. Bruk AIC og la-en-ut kors-validering velge den optimale kombinasjonen av TPCs for best utstyrt SPCR modeller.</li>
		<li>Beregne justert koeffisient vilje (Radj2), Nash-Sutcliffe effektivitet (NSE) og forholdet mellom rot betyr kvadratisk feilen til standardavviket av måledata (RSR) å vurdere modellen effektivitet.</li>
	</ol>
</li>
	<li>Modell evaluering<ol>
<li>Anslå SOC tetthet og jord omfordeling priser i hele området ved å bruke den estimerte modeller.</li>
		<li>Valider utviklet modellen ved å sammenligne prediksjon med målte datasett av SOC tetthet og jord omfordeling priser i hele området. Evaluere modell forestillinger Radj2, NSE og RSR verdier.</li>
	</ol>
</li>
</ol>

Forfatterne ikke avsløre.

SOLSRf modellene hadde litt bedre forestillinger enn SPCR modeller i kalibrering ved Feltskalaen. Men er noen av de topografiske beregningene, som SPI og CA (r > 0,80), nært korrelert med hverandre. Kolinearitet kan legge til usikkerhet i modell spådommer. På grunn av multicollinearity blant prediktorer, kan små endringer i input variabler påvirke modell spådommer41. Derfor SOLSRf modellene tendens til å være ustabil og viste lav effektivitet i simuleringer av SOC tetthet og jord omfordeling rate på vannskille skalaen. SPCR modellene oppnådd betydelig SOLSRf modeller prediksjon av SOC distribusjon i vannskille skala. TPCs fjerne av multicollinearity ved å konvertere femten topografiske beregningene til gjensidig uavhengige (ortogonale) komponenter. Konverteringen også avdekket underliggende relasjoner mellom topografiske beregninger. Som angitt av de høye belastninger (> 0,35) topografiske beregninger i komponentene, var de TPC1, TPC2, TPC3, TPC6 og TPC7 forbundet med avrenning hastighet, jord vanninnhold, avrenning volum, flyt divergens og flyt akselerasjon, henholdsvis. Romlige mønstre for jord omfordeling priser og SOC distribusjon var sterkt korrelert med jord vann innhold og avrenning divergens i WCW, som samsvarer med studiet av Fox og Papanicolaou2, som viste at erodert av Upland kan påvirkes av flyt divergens i lav-lettelse landbruket skjellsettende.
Videre redusert færre prediktor variabler i SPCR modeller enn SOLSRf og SOLSRr modeller risikoen for over passende prediksjon modeller42,43. Det var mer enn seks variabler i alle SOLSR modeller, som kan øke vanskelighetene med data tolkning og indusere høye avviket i modell simuleringer41,44,45. Dette kan forklare lavere prediksjon effektiviteten i WCW SOLSR modeller enn av SPCR modellene.
Topografi-baserte SPCR modeller har fordeler i simulere jord videreformidling og tilknyttede SOC dynamikk. Første, topografiske informasjon kan lett hentes fra DEMs. Siste økt tilgjengelighet av høy romlig oppløsning LiDAR data kan hjelpe forbedre nøyaktigheten av DEM-avledet landskapet topografi og nytte undersøkelser i områder med begrenset felt observasjoner. Andre kan bruker et sett av topografiske beregninger og statistiske analyser, topografi-baserte modeller effektivt kvantifisere jord distribusjon og SOC distribusjon mønstre. Tredje kan anvendelse av viktigste komponenten effektivt redusere fordommer knyttet multicollinearity topografiske beregninger og øke stabiliteten av gradvis regression modeller når flere romlige skalaer.
Imidlertid kan SPCA modellene være begrenset av variabler under modellen utvikling. Selv om anvendelse av LiDAR dataene økt i økologiske studier, metoder for å utlede topografiske Información ennå ikke blitt fullt har utforsket. I denne studien viste TWI og LsRe høyeste sammenhenger med SOC tetthet og jord omfordeling priser, henholdsvis. Men flere topografiske variabler som ikke anses kan være like eller viktigere forklarer jorderosjon og C dynamikk. I tillegg, var andre faktorer som ledelsesmetoder, som kan forårsake jord erosjon variasjon, ikke inkludert i denne studien. For eksempel da jordarbeiding var parallell retning maksimal helning, kan jorderosjon doble i forhold til erosjon i slantwise jordarbeiding snu jord upslope46. Derfor kan ulike jordarbeiding praksis også være en årsak til redusert prediksjon effektiviteten av SPCR modeller.
Studien er basert på papir publisert i Catena17. I stedet for en mekanistisk-basert analyse av topografiske påvirkninger på jord bevegelse og jordegenskaper som utføres i Catena papir, fokusert her vi på metoder for å kvantifisere topografiske beregninger og utvikle topografi-baserte modeller. Vi diskuterte muligheten og fordelene ved å bruke topografi-baserte modeller i studier av romlige jordegenskaper. I mellomtiden har vi forbedret våre modeller av oppdatering av skråningen lengde faktor og flyt akkumulering. Omfanget av skråningen lengdemåling faktor var begrenset til feltets område. I tillegg ble deterministisk uendelig algoritmen brukt for flyt akkumulering generasjon. Sammenlignet med metoden i Li et al. 17 generert flyt akkumulering med en deterministisk åtte-noders algoritme, uendelig algoritmen i denne studien reduserer looper i flyt retning vinkler og viste seg for å være en bedre algoritme for lavt relieff områder47.
Avslutningsvis viser våre resultater muligheten for topografi-baserte SPCR modeller i simulere SOC distribusjon og jord omfordeling mønstre i landbruk felt. En kostnadseffektiv metode til å beregne SOC aksjer og jord omfordeling priser, er det gjelder for nettsteder med begrensede observasjonsstudier data og privat land mangler offentlig tilgang. I fremtidige studier, prediksjon modeller kan forbedres ytterligere raffinement og tilgjengelighet av LiDAR data og inkludering av flere topografiske beregninger. Store jord egenskapen kartene som ble utviklet basert på modellene vil føre til ytterligere forståelse for mekanismene bak topografiske virkninger på jord bevegelse i kulturlandskap og skjebnen til SOC vannskille og regionale skalaer.

Jord videredistribusjon (erosjon og deponering) utøver store virkninger på jord organisk karbon (SOC) aksjer og dynamikk. Økende innsats har vært viet til å undersøke hvordan SOC er frittstående, transportert og deponert over landskapet1,2,3. Carbon (C) lagring og SOC distribusjon påvirkes av tyngdekraften-drevet jord bevegelse av vann erosjon4,5,6. I dyrket felt er jord translokasjon av jordarbeiding en annen viktig prosess bidra til C omfordeling7,8,9. Jordarbeiding erosjon fører til en betydelig netto downslope bevegelse av jordpartikler og fører til en i-feltet jord variant10. Både vann og jordarbeiding erosjon er betydelig påvirket av landskapet topografi, som bestemmer plasseringen av farget og depositional11. Derfor effektive jord erosjon regulering og C dynamisk etterforskning i jordbruksprodukter lander Etterlyser en bedre forståelse av topografiske kontroller på jorderosjon og bevegelser.
Flere studier har undersøkt virkningene av topografi på jord videreformidling og tilknyttede SOC dynamics9,12,13,14,15,16, 17. van der Perk et al. 12 rapportert at topografiske faktorer forklart 43% av variasjonen i jord videredistribusjon. Rezaei og Gilkes13 funnet høyere SOC i jord på en skyggefull aspektet, lavere temperaturer og mindre fordampning sammenlignet med andre aspekter i rangelands. Topografi kan ha betydelige konsekvenser på jord videredistribusjon i jordbruksområder med tradisjonelle jordarbeiding behandling enn de med minimum jordarbeiding, på grunn av samspillet mellom Landformer og jordarbeiding praksis9. Men var disse funnene hovedsakelig avledet fra feltet observasjoner, som presenterer vanskeligheter i gransker jordegenskaper i bredere romlige skala. Det er en trykker nød å utvikle nye strategier for effektivt å forstå romlige mønstre for jordegenskaper vannskille og regionale skalaer.
Målet med denne studien er å utvikle effektive modeller for å simulere jord distribusjon og SOC distribusjon. Topografi-baserte modeller bruke topografiske beregninger som prediktorer er utviklet for å kvantifisere jord erosjon og deponering prosesser. Sammenlignet med empirisk - eller prosess-baserte erosjon modeller som ansatt diskret feltet prøvetaking simulere jord erosjon18,19, topografi-baserte modeller kunne utvikles basert på topografiske informasjon fra digital høyde modeller (DEMs) med høy oppløsning. Denne tilnærmingen gir kontinuerlig jord egenskapen simuleringer vannskille eller regionale skala. I de siste tiårene, er topografiske informasjonen vesentlig forbedret, med økende tilgjengelighet av høy oppløsning eksternt sensed data. Selv om tidligere studier har ansatt topografi-baserte modeller for å simulere jord, egenskaper,12,,20,,21,,22, brukte de fleste av disse undersøkelsene en enkelt topografiske beregning eller én kategori topografiske beregninger (lokal, ikke-lokal eller kombinert topografiske beregninger), som kanskje ikke har tilstrekkelig utforsket topografiske virkninger på jord mikrobiell aktivitet. Derfor, for å få en bedre forståelse av topografi kontroller på jorderosjon og C dynamikk, undersøkte vi et omfattende sett med topografiske beregninger inkludert lokale, ikke-lokal og kombinerte topografiske beregninger og utviklet flere variable topografi-basert modeller for å simulere jord egenskapen dynamics. Anvendelser av disse modellene er forventet å gi vitenskapelig støtte for bedre jord erosjon kontroll og jordbruksland.
Topografiske beregninger er vanligvis kategoriseres i en av tre kategorier: a) lokale topografiske beregninger, b) ikke-lokal topografiske beregninger eller c) kombinert topografiske beregninger. Lokale topografiske beregninger se lokale funksjoner til ett punkt på land overflaten. Ikke-lokal topografiske beregninger refererer til de relative plasseringen av valgte punktene. Kombinert topografiske beregninger integrerer lokale og ikke-lokale topografiske beregninger. Et sett med topografiske beregninger påvirker jorderosjon og deponering ble brukt i denne studien for å undersøke topografiske kontrollene på jord bevegelse og C aksjer (tabell 1). Spesielt vi brukte fire lokale topografiske beregninger [skråningen, profil kurvatur (P_Cur), planlegge kurvatur (Pl_Cur), generelt kurvatur (G_Cur)], sju ikke-lokal topografiske beregninger [flyt opphopning (FA), topografiske relieff, positiv åpenhet (POP), upslope stigningstallet (UpSl), flyt banelengde (FPL), downslope indeks (DI), nedslagsfeltet (CA)], og tre kombinert topografiske beregninger [topografiske væte indeks (TWI), stream makt indeks (SPI) og skråningen lengde faktor (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

Landskapet topografi er en kritisk faktor som påvirker jord dannelse og spiller en viktig rolle i å bestemme jordegenskaper på jordoverflaten, som den regulerer gravitasjon-drevet jord bevegelse av avrenning og jordarbeiding. Siste anvendelse av lys gjenkjennings- og Ranging (LiDAR) data holder løftet for å generere høy romlig oppløsning topografiske beregninger som kan brukes til å undersøke jord egenskapen variasjon. I denne studien ble femten topografiske beregninger fra LiDAR data brukt til å undersøke topografiske virkninger på omfordeling av jord og romlige fordelingen av jord organisk karbon (SOC). Spesielt utforsket vi bruk av topografiske hovedkomponentene (TPCs) for å karakterisere topografi beregninger og gradvis viktigste komponenten regresjon (SPCR) for å utvikle topografi-baserte jorderosjon og SOC modeller på nettstedet og vannskille skalaer. Ytelsen til SPCR modeller ble evaluert forhold gradvis vanlig minst kvadrat regresjon (SOLSR). Resultatene viste at SPCR modeller oppnådd SOLSR modeller forutse jord omfordeling priser og SOC tetthet på forskjellige romlige skalaer. Bruk av TPCs fjernes potensielle kolinearitet mellom individuelle input variabler og dimensjonalitet reduksjon av viktigste komponenten analyse (PCA) reduserer risikoen for overfitting prediksjon modellene. Studien legger en ny tilnærming for modellering jord omfordeling over ulike romlige skalaer. For ett program, tilgang til privat land er ofte begrenset, og behovet for å ekstrapolere funnene fra representant studiesteder større innstillinger med privat land kan være viktig.

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

Landskapet prosesser er kritiske komponenter i jord dannelse og spille en viktig rolle i å bestemme jordegenskaper og romlig struktur i landskap. Vi foreslår en ny tilnærming med gradvis viktigste komponenten regresjon for å forutsi jord distribusjon og jord organisk karbon over ulike romlige skalaer.

Bruk av rektor komponenter for skalering opp topografiske modeller å kartlegge jord distribusjon og jord organisk karbon

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

Denne metoden kan bidra til å svare på viktige spørsmål på landbruksfeltet, for eksempel hvordan landskaptopografi kan påvirke jorderosjon og jord organisk materiale dynamikk. Den største fordelen med denne teknikken er at den gjelder for steder med begrensede observasjoner, og det gir en kostnadseffektiv estimering av jord organiske karbonlagre og jordomfordelingsprosesser. Først samler du inn data fra geotree lysdeteksjon og ranging mapping project nettsted.Velg grensetype og område for å zoome inn i et bestemt område. Deretter tegner du et polygon for å laste ned lysdeteksjon og romtilser for det valgte studieområdet. Konverter rålysdeteksjonen og alt data til en LAS-fil ved hjelp av det geografiske informasjonssystemkartleggingsverktøyet.Deretter genererer du digitale høydemodeller, eller DEMS, med en tre meter spacial oppløsning ved hjelp av omvendt avstandsvektet interpolering. Filtrer dems med tre meter to ganger med et trekjerners lavpassfilter for å redusere lyder knyttet til lokal variasjon. Hvis du vil generere topografiske beregninger, klikker du først importer raster i Import/eksport-delen for å importere den filtrerte DEMS-en med tre meter til SAGA.Deretter klikker du på Skråning, Aspekt, Krumningsmodulen i SAGA med standardinnstillingene for å generere hellingen, krumningsrelatert beregning og den generelle krumningsberegningen ved hjelp av de filtrerte DEM-ene. Klikk på flow accumulation top-down-modulen i SAGA, og velg Deterministisk uendelighet som metode for å generere beregningen for flytakkumulering ved hjelp av de filtrerte DEM-ene. Etter dette klikker du på SAGA Topographic Openness-modulen med standardinnstillingene for å generere den positive åpenhetsmålingen ved hjelp av et filtrert z-akseforsterkert bilde.Utvidelsen av de vertikale avstandene i de digitale høydemodellene forbedrer skillet mellom positiv åpenhet på steder med en relativt flat overflate. Klikk LS-Faktor Feltbasert modulen for SAGA med standardinnstillingene for å generere beregningene for oppstigning og hellingslengde ved hjelp av de filtrerte DEMs. Deretter klikker du modulen Flytbanelengde i SAGA med standardinnstillingene for å generere beregningen for flytbanelengde ved hjelp av de filtrerte DEM-ene.Klikk på Downslope Distance Gradient-modulen i SAGA med standardinnstillingene for å generere beregningen for downslope-indeksen ved hjelp av de filtrerte DEM-ene. Nå klikker du på SAGA Wetness Index-modulen, og velger absolutt nedslagsområde som type område for å generere nedslagsfeltet og topografiske våthetsindeksberegninger ved hjelp av de filtrerte DEMs. Klikk på Stream Power Index-modulen i SAGA, og velg pseudospesifikt nedslagsområde som områdekonvertering for å generere strømindeksberegningen for strøm ved hjelp av de filtrerte DEM-ene.Etter dette genererer du maksimale høydekart med flere radiuser. Filtrer de maksimale høydekartene to ganger gjennom et trekjerners lavpassfilter. Trekk den filtrerte dem på tre meter fra de filtrerte maksimale høydekartene for å få en rekke avlastningskart.Trekk ut en rekke avlastningsvariabler til en rekke steder. Utfør hovedkomponentanalyse på avlastningsvariablene for å konvertere relieffene til topografiske avlastningskomponenter. Velg hovedkomponenter som forklarer mer enn 90 % avvik for hjelpedatasettet som de topografiske avlastningsberegningene.Standardiser de syv avlastningskartene ved hjelp av gjennomsnitt og standardavvik. Lag relieff hovedkomponenter etter summen av den standardiserte topografiske relieffvektvektet av tilsvarende belastninger. Mens du oppretter avlastningsberegningen, er det viktig å generere relieffbilder i ulike romlige skalaer for å begrense usikkerhet knyttet til vilkårlig valg av radius fordi kontroller av lettelse på jordegenskaper kan påvirkes av romlige vekter av lettelse.Velg en rekke avlingsfeltplasseringer som kan representere liggende karakteristikkene til studieområdet og flere representative småskala avlinger som kan samples intensivt. Last opp alle eksempelplasseringskoordinatene til et kodebasert geografisk posisjoneringssystem, og finn dem fysisk i feltet. Deretter samler du tre prøver for hvert prøvetakingssted fra det øverste 30-centimeter jordlaget ved hjelp av en trykksonde.Registrer geografisk koordinatinformasjon for prøvetakingsstedene ved hjelp av det geografiske posisjoneringssystemet. Etter dette sikter du jordprøven med en to millimeter skjerm. Vei jordprøvene etter tørking.Beregn jordtettheten ved hjelp av de totale prøvevolumene på prøvesteder og vekter. Bland de tre prøvene fra samme sted for å få en sammensatt jordprøve. Grind en 10-gram underspav siktjord til et veldig fint pulver med en rullemølle.Nå måler du jordtotalt karboninnhold i den rullefresede prøven gjennom forbrenning på en CN elementanalysator ved en temperatur på 1350 grader Celsius. Etter å ha bakt jorde organisk materiale i en ovn, estimer kalsiumkarbonatkarboninnhold ved å analysere det gjenværende karbonet. Plasser bulken to millimeter siktet jordprøver i Marinelli-beger, og forsegle dem.Plasser begeret i detektoren, og mål cesiumkonsentrasjonen av hver prøve gjennom gamma-ray-analyse ved hjelp av et spektroskopisystem som mottar innganger fra tre koaksiale germaniumkrystaller med høy renhet i 8, 192-kanals analysatorer. Registrer cesiumkonsentrasjonsproduksjonen. Til slutt beregner du jordomfordelingshastigheten ved hjelp av cesium-lager ved å bruke massesaldomodell II i et regnearktilleggsprogram.460 beskjæringsfeltplasseringer ble tilfeldig valgt for å utlede topografisk informasjon i Walnut Creek Watershed i Iowa. Resultatene av korrelasjonsanalyser mellom topografiske beregninger og organisk karbontetthet i jord, jordomfordeling presenteres her. Den topografiske våthetsindeksen og storskala topografiske lettelsen viste de høyeste korrelasjonene med henholdsvis tetthet og jordomfordeling.Romlige mønstre av de to beregningene viste høye verdier i depresjonsområde og lave verdier i skrånende og ryggområder. Forskjellene mellom de to beregningene skjedde imidlertid i grøfteområder, der den topografiske våthetsindeksen viste ekstremt høye verdier, men verdiene for storskala topografiske lettelse var ikke forskjellig fra tilstøtende områder. Fem topografiske hovedkomponenter som ble valgt til å bygge topografibaserte modeller, er oppført her.Over 70 og 65% av variasjonen i jord organisk karbontetthet og jordomfordelingshastigheter ble forklart av den trinnvise ordinære minst firkantede regresjonsmodellen med henholdsvis hele variabler. For modellene med kollearkolvariat fjernet, var simuleringseffektiviteten litt lavere enn den trinnvise minst firkantede regresjonsmodellen med hele variabler modell. For SPCR-modeller observeres lignende simuleringseffektivitet som den trinnvise vanlige minst firkantede regresjonsmodellen med kolleær kovariat fjernet.Jordomfordelingen og jord organisk karbontetthet kart generert fra SPCR-modeller avslørte konsistente mønstre mellom modellsimuleringer og feltmålinger. Denne teknikken baner vei for forskere innen landbruk for å utforske jordomfordeling og organiske materialmønstre på vassdrag og regionale skalaer. Teknikken kan forbedres med ytterligere raffinement av lysdeteksjon og alt data og inkludering av flere topografiske beregninger.

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

Design og drift av en kontinuerlig<sup&gt; 13</sup&gt; C og<sup&gt; 15</sup&gt; N Merking Chamber for Uniform eller Differential, Metabolic and Structural, Plant Isotop Merking

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

En protokoll for dirigering Nedbør Simulering å studere Soil Avrenning

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

Vurdering av labile organisk karbon i jord Bruke Sekvensiell utgassing Inkubasjon Prosedyrer

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

En folde Thermogradient Table å kontrollere jordtemperaturer for Vurderer Plantevekst og overvåking Jord Prosesser

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

Protokoller for Kvantifisering omsettelige sprøytemiddelrester i Turfgrass Systems

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

Nanopore DNA-sekvenser for analyse Metagenomic jord

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

Måle og kartlegge jorderosjon og deponering relatert til jord Carbonate konsentrasjoner Under landbruks forvaltningen

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

Forbedre infrarødspektroskopi karakteristikk av jord organisk materiale med spektral Subtractions

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

Enkelt gjennomstrømming komplementære høyoppløselig analytiske teknikker for å karakterisere komplekse naturlig organisk materiale blandinger

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

Microplot Design og plante og jord prøve forberedelse for 15Nitrogen analyse

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. ...