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

Esta pesquisa foi apoiada pelo USDA Natural Resources Conservation Service em associação com o componente de zonas húmidas do projeto nacional de conservação efeitos avaliação (CRN 67-3A75-13-177).

1. topográficas análises
<ol><li>Dados digitais pré-processar<ol>
<li>Colete dados de LiDAR a partir do site de projeto de mapeamento GeoTREE LiDAR. Selecione "tipo de fronteira" e "região" para aumentar o zoom em uma área específica. Desenhe um polígono para baixar LiDAR telhas para a área de estudo selecionada.</li>
		<li>Converta os dados brutos de LiDAR em um arquivo de LAS usando a ferramenta de mapeamento de informação geográfica (GIS) sistema.</li>
		<li>Gere DEMs com uma resolução espacial de 3 m, usando interpolação inversa distância ponderada.</li>
		<li>Filtro as DEMs 3 m duas vezes com um filtro passa-baixa 3-kernel para reduzir ruídos associar com variação local.</li>
	</ol>
</li>
	<li>Geração de métricas topográfica<ol>
<li>Para gerar métricas topográficas, primeiro Baixe a versão mais recente do sistema de análise geocientíficas automatizado (SAGA)23. Clique em "Importar Raster" na seção de importação/exportação para importar os filtrado DEMs de 3 m para a SAGA.</li>
		<li>Clique no módulo de "Slope, aspecto, curvatura" de SAGA com as configurações padrão para gerar a inclinação e curvatura-relacionados [Perfil curvatura (P_Cur), plano de curvatura (Pl_Cur) e curvatura geral (G_Cur)] métricas usando os filtrado DEMs (Figura 1).</li>
		<li>Clique no módulo de "Acumulação de fluxo (Top-Down)" de SAGA e selecione "Deterministico infinito" como o método para gerar a métrica de acumulação (FA) de fluxo usando os filtrado DEMs.</li>
		<li>Clique o módulo "SAGA topográfico abertura" com as configurações padrão para gerar a métrica de abertura positiva (POP), usando uma imagem amplificada filtrada do eixo z.</li>
		<li>Clique no módulo "LS-fator (campo base)" de SAGA com as configurações padrão para gerar a inclinação da curva ascendente (Upsl) e métricas de comprimento factor (LS_FB) usando os DEMs filtradas de inclinação.</li>
		<li>Clique no módulo de "Comprimento de caminho de fluxo" de SAGA com as configurações padrão para gerar a métrica de comprimento (FPL) do caminho de fluxo usando os filtrado DEMs.</li>
		<li>Clique no módulo "Gradiente descendente de distância" de SAGA com as configurações padrão para gerar a curva descendente métrica de índice (DI) usando os filtrado DEMs.</li>
		<li>Clique no módulo "SAGA Wetness Index" e selecione "área de catchment absoluta" como o tipo de área para gerar a área de captação (CA) e métricas de índice (TWI) umidade topográfico usando os filtrado DEMs.</li>
		<li>Clique no módulo de "Índice de poder de fluxo" de SAGA e selecione "área de captação específica de pseudo" como a conversão de área para gerar a métrica de índice (SPI) do poder de fluxo usando os filtrado DEMs.</li>
		<li>Gere mapas de elevação máxima com vários raios. Os mapas de elevação máxima do filtro duas vezes através de um filtro passa-baixa 3-kernel. Subtrai o filtrado 3 m DEM partir dos mapas de elevação máxima filtrada para obter uma série de mapas de relevo. Extrair uma série de variáveis de alívio para um número de locais.</li>
		<li>Realizar análise de componentes principais (PCA) sobre as variáveis de alívio para converter os relevos em componentes de relevo topográfico. Selecionar os componentes principais que explicam mais de 90% de variação do relevo dataset como as métricas do relevo topográfico.</li>
	</ol>
</li>
</ol>2. campo coleta de dados
<ol><li>Amostragem de campo<ol>
<li>Selecione um número de locais de campo de terra cultivada que podem representar adequadamente as características da paisagem da área de estudo e vários campos de terra cultivada em pequena escala representante que podem ser saboreados intensamente. Nota: As amostras de solo coletadas os dois campos de terra cultivada foram utilizadas para a calibração do modelo. Amostras de solo coletadas da área inteira do estudo foram utilizadas para validação do modelo.</li>
		<li>Carregar todas as coordenadas de localização de amostra para um código-base geográfico sistema de posicionamento (GPS) e fisicamente localizá-los nos campos.</li>
		<li>Colete 3 amostras para cada local de amostragem da camada de solo de top 30 cm, usando uma sonda de impulso (3,2 cm de diâmetro). Nota: As amostras de solo das camadas de 30 a 50 cm foram coletadas em locais onde a deposição de sedimentos era esperada. O volume de cada amostra foi 241 cm3.</li>
		<li>Registros informações geográficas coordenadas de amostragem locais usando GPS.</li>
		<li>Pese as amostras de solo depois de secá-los a 90 ° C para 48 h. Calculate solo de densidade usando informações de volumes de amostra total em pesos e locais de amostragem. Misture as três amostras do mesmo local para obter uma amostra composta de solo.</li>
	</ol>
</li>
	<li>Preparação da amostra de solo<ol>
<li>Peneire as amostras de solo composto com uma tela de 2mm.</li>
		<li>Moa uma subamostra de 10 g de solo peneirado a um pó muito fino com um moinho de rolo.</li>
	</ol>
</li>
	<li>Análises de amostras de solo<ol>
<li>Medir o solo carbono total (C) conteúdo em rolo moído amostras através de combustão em um analisador elementar de CN, a uma temperatura de 1350 ° C. Estimar o teor de carbonato de cálcio C analisando o restante C após o cozimento de matéria orgânica do solo a uma temperatura de 420 ° C, durante 16 h em uma fornalha.</li>
		<li>Calcule o teor SOC (%) subtraindo-se conteúdo de carbonato de cálcio C do teor total de solo C. Converta o conteúdo SOC (%) para densidade SOC (kg m-2) usando a densidade do solo.</li>
		<li>Colocar as amostras de solo peneirado de 2mm em massa em copos Marinelli e selá-los. Medir a concentração de Cs 137de cada amostra através da análise de raios gama usando um sistema de espectroscopia que recebe entradas de três cristais de germânio coaxial de alta pureza (HpCN30% eficiência) 8192-canal analisadores (ver tabela de materiais de ).</li>
		<li>Calibre o sistema usando um padrão analítico radionuclídeo misto11. Converta 137concentração Cs para inventário de Cs 137usando a densidade do solo.</li>
		<li>Calcular a taxa de redistribuição do solo usando o inventário de Cs 137aplicando a massa equilíbrio modelo II (MBMII) em um Adicionar-in programa de planilha eletrônica desenvolvido pela Walling et al 24.</li>
	</ol>
</li>
</ol>3. topografia-com base em modelo desenvolvimento
<ol><li>Estimativa de componentes principais topográfico<ol>
<li>Extrair as métricas topográficas para amostragem locais na área de estudo inteiro e os campos de terra cultivada em pequena escala.</li>
		<li>Padronize as métricas topográficas dos locais de amostragem na área de estudo inteiro usando-se média e desvio padrão. Estime as cargas métricas topográficas em cada componente baseada as métricas padronizadas topográficas usando PCA com pacote de software estatístico. Recolher as cargas métricas topográficas em cada componente principal topográfico (TPC) e selecione os TPCs principais que explicam a variância de 90% de todas as métricas.</li>
		<li>Padronize as métricas topográficas dos locais de amostragem nos campos de terra cultivada em pequena escala. Calcule os TPCs superiores para cada local pela soma das métricas padronizadas topográficas ponderadas mediante as cargas correspondentes nos locais de amostragem na WCW.</li>
	</ol>
</li>
	<li>Calibração do modelo<ol>
<li>Execute em etapas comuns menos quadrado regressão (SOLSR) para desenvolver modelos baseados em topografia SOLSRf para densidade SOC e taxas de redistribuição de solo com base em todas as métricas topográficas nos campos de terra cultivada em pequena escala. Use o critério de informação Akaike (AIC) e leave-one-out a validação cruzada para selecionar a combinação ideal de topográficas métricas para os modelos def SOLSR mais bem equipadas.</li>
		<li>Verifique a colinearidade entre as variáveis topográficas, usando o fator de inflação de variação (VIF). Remover as variáveis com o maior VIF (VIF ≥ 7.525) e verifique novamente o VIF. Remova as variáveis até os VIFs de todas as variáveis são < 7.5. Execute SOLSR para desenvolver modelos baseados em topografia SOLSRr para densidade SOC e taxas de redistribuição com base em métricas topográficas que foram removidos alta colinearidade variáveis do solo. Use o AIC e validação cruzada leave-one-out para selecionar a combinação ideal para os modelos der SOLSR mais bem equipadas.</li>
		<li>Realize a regressão de componentes principais em etapas (SPCR) para desenvolver modelos SPCR baseados em topografia para densidade SOC e taxas de redistribuição baseadas os TPCs nos campos de terra cultivada em pequena escala do solo. Use o AIC e validação cruzada leave-one-out para selecionar a combinação ideal de TPCs para os modelos mais bem equipados do SPCR.</li>
		<li>Calcule o coeficiente de determinação (Radj.2) e eficiência de Nash-Sutcliffe (NSE) razão entre o erro de raiz quadrada para o desvio padrão dos dados medidos (RSR) para avaliar a eficiência do modelo ajustado.</li>
	</ol>
</li>
	<li>Modelo de avaliação<ol>
<li>Estimar a densidade SOC e taxas de redistribuição na área de estudo inteiro do solo aplicando os modelos estimados.</li>
		<li>Validar o modelo desenvolvido por comparar a previsão com dataset medida de densidade SOC e taxas de redistribuição na área de estudo inteiro do solo. Avaliar os desempenhos de modelo usando RSR, NSE e Radj2valores.</li>
	</ol>
</li>
</ol>

Os autores não têm nada para divulgar.

Os modelos def SOLSR tinham desempenhos ligeiramente melhores do que os modelos SPCR na calibração da escala de campo. No entanto, algumas das métricas topográficas, tais como a SPI e CA (r > 0,80), estão estreitamente correlacionadas uns com os outros. A colinearidade pode adicionar as incertezas para as previsões do modelo. Por causa da Multicolinearidade entre os preditores, pequenas alterações nas variáveis de entrada pode afetar significativamente as previsões do modelo41. Portanto, os modelos def SOLSR tendiam a ser instável e mostrou baixos eficiência em simulações de taxa de redistribuição densidade e solo SOC em escala de bacia hidrográfica. Os modelos SPCR substancialmente superaram os modelos def SOLSR na previsão da distribuição de SOC em escala de bacia hidrográfica. TPCs eliminar a Multicolinearidade, convertendo as métricas topográficas quinze em componentes (ortogonais) independentes entre si. A conversão também descobriu relações subjacentes entre métricas topográficas. Conforme indicado pelas altas cargas elevadas (> 0.35) de topográficas métricas para os componentes, o TPC1, TPC2, TPC3, TPC6 e TPC7 foram associados com a velocidade de escoamento superficial, teor de água do solo, volume de escoamento superficial, divergência de fluxo e aceleração do fluxo, respectivamente. Padrões espaciais de taxas de redistribuição do solo e distribuição SOC foram altamente correlacionados com o conteúdo de água de solo e divergência de escoamento na WCW, que é consistente com o estudo de Fox e Papanicolaou2, que demonstrou que erosão de solo de Planalto poderia ser atingido pela divergência do fluxo em um divisor de águas agrícola de baixo-relevo.
Além disso, menos variáveis predictor nos modelos SPCR do que os modelos der SOLSR de SOLSRf e reduziram o risco de excesso, encaixe os modelos de previsão42,43. Havia mais de seis variáveis em todos os modelos SOLSR, que podem aumentar a dificuldade de interpretação dos dados e induzir a mudança alta no modelo simulações41,44,45. Isto explica as eficiências de previsão inferiores na WCW pelos modelos SOLSR do que pelos modelos SPCR.
Topografia-baseado SPCR modelos têm vantagens simulando a redistribuição do solo e dinâmica SOC associada. Informação de primeira, topográfica pode ser facilmente derivada de DEMs. Acessibilidade de aumentada recente da alta resolução espacial dados LiDAR pode ajudar a melhorar a precisão da topografia da paisagem DEM-derivado e beneficiar as investigações em regiões com observações de campo limitada. Em segundo lugar, usando um conjunto de métricas topográficas e análises estatísticas, os modelos baseados em topografia podem eficientemente quantificar redistribuição de solo e padrões de distribuição da SOC. Em terceiro lugar, a aplicação do componente principal pode eficazmente reduzir preconceitos associados a Multicolinearidade das métricas topográficas e aumentar a estabilidade dos modelos de regressão gradual, quando aplicado a várias escalas espaciais.
No entanto, os modelos de SPCA podem ser limitados por variáveis durante o desenvolvimento do modelo. Apesar da aplicação dos dados LiDAR aumentado em estudos ecológicos, os métodos úteis de informação topográfica não ainda sido totalmente explorados. Neste estudo, o TWI e LsRe mostraram as maiores correlações com densidade SOC e taxas de redistribuição do solo, respectivamente. No entanto, variáveis topográficas adicionais que não são consideradas podem ser igualmente ou mais importante em explicar a erosão do solo e dinâmica C. Além disso, outros fatores tais como as práticas de gestão, que podem causar a variabilidade de erosão do solo, não foram incluídos neste estudo. Por exemplo, quando o plantio direto foi paralelo à direção de inclinação máxima, erosão do solo pode dobrar em relação a erosão no slantwise plantio direto fazendo solo curva ascendente46. Portanto, práticas de manejo diferentes também podem ser uma razão para as eficiências de previsão reduzida dos modelos SPCR.
O estudo baseia-se no documento publicado em Catena17. Em vez de uma análise baseada em mecanicista de influências topográficas no movimento de solo e propriedades do solo, como realizado no jornal Catena, aqui enfocamos os métodos para quantificar métricas topográficas e criar modelos baseados em topografia. Discutimos a viabilidade e as vantagens do uso de modelos baseados em topografia em estudos da estrutura espacial de propriedades do solo. Enquanto isso, melhoramos nossos modelos, atualizando algoritmos de acumulação de fator e fluxo de comprimento de declive. Escala de medição de fator de comprimento de inclinação foi limitada a área do campo. Além disso, o algoritmo determinístico infinito foi usado para a geração de acumulação de fluxo. Em comparação com o método relatado em Li et al. 17 que gerou a acumulação de fluxo com um algoritmo de oito nós determinista, o algoritmo de infinito adoptado neste estudo reduz loops nos ângulos de direção de fluxo e provou para ser um algoritmo melhor para áreas de baixo relevo47.
Concluindo, nossos resultados demonstram a viabilidade de modelos baseados em topografia SPCR em simular a distribuição SOC e padrões de redistribuição de solo em campos de agricultura. Como um método de baixo custo para estimar estoques SOC e taxas de redistribuição de solo, é aplicável a sites com dados observacionais limitados e falta de acesso público de terras privadas. No futuro os estudos, a previsão de modelos podem ser melhorados com mais requinte e disponibilidade dos dados LiDAR e inclusão de métricas topográficas adicionais. Os solo em grande escala Propriedade mapas que foram desenvolvidos com base nos modelos levará a maior compreensão dos mecanismos subjacentes os impactos topográficos sobre movimento de solo em paisagens agrícolas e o destino do SOC na bacia hidrográfica e escalas regionais.

Redistribuição de solo (erosão e deposição) exerce impactos significativos sobre os estoques de carbono orgânico (SOC) do solo e dinâmica. Os crescentes esforços têm se dedicado a investigar como SOC é desanexado, transportado e depositado sobre a paisagem1,2,3. Sequestro de Carbon (C) e distribuição de SOC são influenciados pelo movimento movido a gravidade solo induzido pela erosão de água a4,5,6. Em campos cultivados, translocação de solo por plantio direto é outro processo importante contribuindo para C redistribuição7,8,9. Preparo do solo erosão provoca um movimento descendente de líquido considerável de partículas de solo e leva a uma variação de solo dentro de campo10. Erosão tanto a água e a lavoura são significativamente afetados pela topografia da paisagem, que determina a localização dos sites erosivas e deposicionais11. Portanto, regulamento de erosão do solo eficaz e C investigação dinâmica em chamadas de terras agrícolas para uma melhor compreensão dos controles topográficos sobre erosão do solo e os movimentos.
Vários estudos têm investigado os impactos de topografia na redistribuição de solo e associados SOC dinâmica9,12,13,14,15,16, 17. van der Perk et al 12 relatou que fatores topográficos explicaram 43% da variabilidade na redistribuição do solo. Rezaei e Gilkes13 encontrados SOC mais elevado em solos sobre um aspecto sombrio, devido a temperaturas mais baixas e menos evaporação quando comparado a outros aspectos em pastagens. Topografia pode ter impactos mais significativos na redistribuição do solo em terras agrícolas com o tratamento tradicional de plantio direto do que aqueles com preparo mínimo, devido as interações entre Geografia e práticas de plantio direto9. No entanto, esses achados foram principalmente derivados de observações de campo, que apresentam dificuldades na investigação de propriedades do solo em uma escala espacial mais ampla. Há uma necessidade urgente de desenvolver novas estratégias para efetivamente compreender padrões espaciais de propriedades do solo em bacias hidrográficas e escalas regionais.
O objetivo deste estudo é desenvolver modelos eficientes para simular a redistribuição do solo e distribuição de SOC. Modelos baseados em topografia usando métricas topográficas como preditores foram desenvolvidas para quantificar os processos de erosão e deposição de solo. Em comparação com empírico - ou baseada em processo erosão poderiam ser desenvolvidos modelos que empregavam amostragens de discretos campo para simular o solo da erosão18,19, modelos baseados em topografia baseado em informações topográficas derivadas digital modelos de elevação (DEMs) com alta resolução. Esta abordagem permite simulações de propriedade contínua do solo na bacia hidrográfica ou escala regional. Nas últimas décadas, precisão de informação topográfica substancialmente melhorou, com o aumento da disponibilidade de dados de alta resolução detetado remotamente. Embora estudos anteriores têm empregado modelos baseados em topografia para simular solo propriedades12,20,21,22, a maioria destas investigações usados uma única métrica topográfica ou categoria única de topográficas métricas (métricas topográficas locais, não-local ou combinadas), que podem não ter suficientemente explorado topográficos impactos sobre a atividade microbiana do solo. Portanto, para obter uma melhor compreensão dos controles de topografia na erosão do solo e dinâmica de C, examinamos um conjunto abrangente de métricas topográficos incluindo métricas topográficas locais, não-local e combinadas e desenvolvido multi variável baseada em topografia modelos para simular a dinâmica de Propriedade do solo. Aplicações destes modelos são esperadas para fornecer suporte científico para melhor controle de erosão do solo e gestão de terras agrícolas.
Topográficas métricas geralmente são classificadas em três categorias: métricas topográficas um) locais, b) não-local topográficas métricas ou métricas topográficas c) combinadas. Métricas topográficas locais referem-se a características locais de um ponto sobre a superfície da terra. Non-local topográficas métricas referem-se a localização relativa dos pontos selecionados. Combinado métricas topográficas integram métricas topográficas locais e não locais. Um conjunto de métricas topográficos que afetam a erosão do solo e a deposição foram utilizados neste estudo para investigar os controles topográficos no movimento de solo e estoques de C (tabela 1). Especificamente, usamos quatro métricas topográficas locais [inclinação, curvatura do perfil (P_Cur), plano de curvatura (Pl_Cur), curvatura geral (G_Cur)], sete não-local topográficas métricas [acumulação de fluxo (FA), relevo topográfico, abertura positiva (POP), curva ascendente inclinação (UpSl) comprimento do caminho de fluxo (FPL), descendente (DI), o índice hidrológica (CA)], e três combinadas métricas topográficas [índice de umidade topográfico (TWI), índice de poder de fluxo (SPI) e fator de comprimento de declive (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

Topografia da paisagem é um fator crítico que afetam a formação do solo e desempenha um papel importante na determinação de propriedades de solo na superfície da terra, como regula o movimento do solo movido a gravidade induzido por atividades de escoamento e plantio direto. A recente aplicação de detecção de luz e Ranging (LiDAR) dados é uma promessa para gerar métricas topográfico de alta resolução espacial que podem ser usadas para investigar a variabilidade de Propriedade do solo. Neste estudo, quinze métricas topográficas derivadas de dados LiDAR foram usadas para investigar impactos topográficos na redistribuição do solo e a distribuição espacial do carbono orgânico do solo (SOC). Especificamente, nós exploramos o uso de componentes principais topográficos (TPCs) para caracterizar as métricas de topografia e regressão de componentes principais em etapas (SPCR) para desenvolver modelos SOC em escalas local e bacias hidrográficas e erosão do solo baseada em topografia. O desempenho dos modelos SPCR foi avaliado contra gradual modelos menos comuns de quadrados regressão (SOLSR). Os resultados mostraram que o SPCR modela superou modelos SOLSR em prever taxas de redistribuição de solo e densidade SOC em diferentes escalas espaciais. Uso de TPCs remove potencial colinearidade entre as variáveis de entrada individuais, e redução de dimensionalidade por análise de componentes principais (PCA) diminui o risco de sobreajuste os modelos de previsão. Este estudo propõe uma nova abordagem para a modelagem de redistribuição do solo através de várias escalas espaciais. Para um aplicativo, acesso a terras privadas é muitas vezes limitado, e a necessidade de extrapolar os resultados de sites de estudo representativo para configurações maiores que incluem terras privadas pode ser 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

Processos de paisagem são componentes críticos de formação do solo e desempenham um papel importante na determinação de propriedades do solo e estrutura espacial em paisagens. Propomos uma nova abordagem usando regressão de componentes principais etapas para prever a redistribuição de solo e carbono orgânico do solo em várias escalas espaciais.

Uso de componentes principais para ampliação de modelos topográficos para mapear a redistribuição de terra e solo de carbono orgânico

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

Esse método pode ajudar a responder a perguntas-chave no campo agrícola, como como a topografia paisagística pode afetar a erosão do solo e a dinâmica da matéria orgânica do solo. A principal vantagem dessa técnica é que ela é aplicável a locais com observações limitadas, e fornece uma estimativa econômica dos estoques de carbono orgânico do solo e processos de redistribuição do solo. Primeiro, colete dados do site do GeoTREE Light Detection and Ranging Mapping Project.Selecione o tipo de limite e a região para ampliar para uma área específica. Em seguida, desenhe um polígono para baixar a detecção de luz e as telhas para a área de estudo selecionada. Converta a detecção de luz bruta e os dados de variação para um arquivo LAS usando a ferramenta de mapeamento do sistema de informações geográficas.Em seguida, gere modelos de elevação digital, ou DEMS, com uma resolução espacial de três metros usando interpolação inversa ponderada à distância. Filtre o DEMS de três metros duas vezes com um filtro de passagem baixa de três núcleos para reduzir os ruídos associados à variação local. Para gerar métricas topográficas, clique primeiro em Importar Raster na seção Importação/Exportação para importar o DEMS filtrado de três metros em SAGA.Em seguida, clique no módulo Inclinação, Aspecto, Curvatura da SAGA com as configurações padrão para gerar a inclinação, a métrica relacionada à curvatura e a métrica de curvatura geral usando os DEMs filtrados. Clique no módulo de topo de divisão de acúmulo de fluxo da SAGA e selecione O Infinito Determinístico como o método para gerar a métrica de acumulação de fluxo usando os DEMs filtrados. A seguir, clique no módulo SAGA Topographic Openness com as configurações padrão para gerar a métrica de abertura positiva usando uma imagem amplificada do eixo Z filtrada.O alargamento das distâncias verticais nos modelos de elevação digital melhora a distinção da abertura positiva em locais com uma superfície relativamente plana. Clique no módulo baseado em campo LS-Factor da SAGA com as configurações padrão para gerar as métricas do fator de inclinação e comprimento de inclinação de inclinação usando os DEMs filtrados. Em seguida, clique no módulo Flow Path Length da SAGA com as configurações padrão para gerar a métrica de comprimento do caminho de fluxo usando os DEMs filtrados.Clique no módulo Gradiente de Distância downslope da SAGA com as configurações padrão para gerar a métrica do índice downslope usando os DEMs filtrados. Agora, clique no módulo ÍNDICE DE Umidade saga e selecione a área de captação absoluta como o tipo de área para gerar a área de captação e métricas do índice de umidade topográfica usando os DEMs filtrados. Clique no módulo Stream Power Index da SAGA e selecione a área de captura pseudo específica como a conversão de área para gerar a métrica do índice de energia de fluxo usando os DEMs filtrados.Depois disso, gere mapas de elevação máxima com vários raios. Filtre os mapas de elevação máxima duas vezes através de um filtro de passagem baixa de três núcleos. Subtraia o DEM filtrado de três metros dos mapas de elevação máxima filtrados para obter uma série de mapas de alívio.Extrair uma série de variáveis de alívio para vários locais. Realize a análise dos componentes principais nas variáveis de alívio para converter os relevos em componentes de relevo topográfico. Selecione os principais componentes que explicam mais de 90% de variância do conjunto de dados de alívio como as métricas de alívio topográficas.Padronize os sete mapas de alívio usando desvio médio e padrão. Criar componentes principais de alívio por soma do relevo topográfico padronizado ponderado pelos carregamentos correspondentes. Ao criar a métrica de alívio, é importante gerar imagens de alívio em várias escalas espaciais para limitar as incertezas associadas à seleção arbitrária de raios porque os controles de alívio nas propriedades do solo poderiam ser influenciados por escalas espaciais de alívio.Selecione uma série de locais de campo de cultivo que possam representar adequadamente as características paisagísticas da área de estudo e vários campos representativos de pequenas escalas que podem ser amostrados intensamente. Carregue todas as coordenadas de localização da amostra para um sistema de posicionamento geográfico baseado em código e localize-as fisicamente no campo. Em seguida, colete três amostras para cada local de amostragem da camada superior de solo de 30 centímetros usando uma sonda push.Registo geográfico coordena informações dos locais de amostragem utilizando o sistema de posicionamento geográfico. Na sequência, peneirar a amostra do solo com uma tela de dois milímetros. Pesar as amostras do solo após a secagem.Calcule a densidade do solo utilizando os volumes totais da amostra em locais e pesos amostrais. Misture as três amostras do mesmo local para obter uma amostra de solo composto. Triture um subsample de 10 gramas do solo peneirado para um pó muito fino com um moinho de rolo.Agora, meça o teor total de carbono do solo na amostra de rolos moídos através da combustão em um analisador elementar CN a uma temperatura de 1350 graus Celsius. Depois de assar a matéria orgânica do solo em um forno, estime o teor de carbono carbonato de cálcio analisando o carbono restante. Agora, coloque as amostras de solo peneiradas a granel de dois milímetros em béquers Marinelli, e seque-os.Coloque o béquer no detector e meça a concentração de césio de cada amostra através da análise de raios gama usando um sistema de espectroscopia que recebe entradas de três cristais de germânio coaxial de alta pureza em analisadores de 8,192 canais. Regisso recorde a saída de concentração de césio. Por fim, calcule a taxa de redistribuição do solo usando o inventário de césio aplicando o Modelo de Equilíbrio de Massa II em um programa de complementação de planilha.460 locais de campo de cultivo foram selecionados aleatoriamente para obter informações topográficas na Bacia hidrográfica de Walnut Creek, em Iowa. Resultados de análises de correlação entre métricas topográficas e densidade orgânica de carbono do solo, a redistribuição do solo é apresentada aqui. O índice de umidade topográfica e o relevo topográfico em larga escala apresentaram as maiores correlações com as taxas de densidade e redistribuição do solo, respectivamente.Os padrões espaciais das duas métricas apresentaram altos valores na área depressal e baixos valores em áreas inclinada e de cume. No entanto, as diferenças entre as duas métricas ocorreram em áreas de vala, onde o índice de umidade topográfica apresentou valores extremamente elevados, mas os valores de relevo topográfico em larga escala não foram diferentes das áreas adjacentes. Cinco componentes principais topográficos selecionados para construir modelos baseados em topografia estão listados aqui.Mais de 70 e 65% da variabilidade na densidade orgânica de carbono do solo e nas taxas de redistribuição do solo foram explicadas pelo modelo de regressão igualmente quadrado com variáveis inteiras, respectivamente. Para os modelos com covariada collinear removido, a eficiência da simulação foi ligeiramente inferior ao modelo de regressão quadrado ordinário com modelo de variáveis inteiras. Para os modelos SPCR, são observadas eficiências de simulação semelhantes ao modelo de regressão quadrado de forma escalonada com covariada collinear removida.Os mapas de redistribuição de carbono orgânico do solo gerados a partir de modelos SPCR revelaram padrões consistentes entre simulações de modelos e medições de campo. Essa técnica abre caminho para pesquisadores do campo da agricultura explorarem a redistribuição do solo e os padrões de matéria orgânica em escalas divisoras e regionais. A técnica poderia ser melhorada com maior refinamento da detecção de luz e dados variados e inclusão de métricas topográficas adicionais.

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

Projeto e operação de uma contínua<sup&gt; 13</sup&gt; C e<sup&gt; 15</sup&gt; N Labeling Câmara de uniforme ou Diferencial, metabólica e estrutural, Fábrica de Marcação por Isótopo

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

Ambiente

A Protocol for Conducting Rainfall Simulation to Study Soil Runoff

Um protocolo para Realização Chuvas Simulação para o Estudo de Escoamento do Solo

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

Avaliação da lábil carbono orgânico no solo usando procedimentos seqüenciais Fumigação de incubação

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

A Tabela Gusseted Thermogradient para controlar a temperatura do solo para avaliar o crescimento da planta e monitoramento de processos do solo

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

Protocolos para quantificar os resíduos de pesticidas transferíveis em Sistemas de relva

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

Sequenciamento de DNA Nanopore para análise de solo Metagenomic

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

Medição e mapeamento de padrões de erosão e deposição relacionadas às concentrações de carbonato de solo sob gestão agrícola

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

Melhorando a espectroscopia de infravermelho de caracterização da matéria orgânica do solo com subtrações espectrais

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-produção complementares técnicas analíticas de alta resolução para caracterização de misturas complexas de matéria orgânica Natural

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

Projeto de microtrat e preparação de amostras de plantas e solo para 15análises de nitrogênio

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. ...