Summary

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

Published: October 16, 2018
doi:

Summary

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.

Abstract

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。

Introduction

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)]。

Protocol

1. 地形解析 デジタル データを前処理します。 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。 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。 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。 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。 地形のメトリックの生成 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。 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。 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。 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。 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。 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。 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。 「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。 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。 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。 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。 2. フィールド データ収集 フィールド サンプリング 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。 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。 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。 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。 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。 土壌サンプルの準備 2 ミリメートルの画面を持つ複合土壌試料をふるい。 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。 土壌サンプルの分析 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。 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。 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。). 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。 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。 3. 地形ベースのモデル開発 地形の主成分の推定 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。 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。 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。 モデルのキャリブレーション 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。 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。 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。 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。 モデルの評価 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。 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。

Representative Results

再配布土壌調査と SOC の地形ベースのモデルの可能性を評価するためにテストベッドとしてウォルナット クリーク流域 (WCW) を使用します。流域は、アイオワ州内でブーンとストーリー郡 (41 ° 55′ 42 ° 00 ‘ N; 93 ° 32′ 93 ° 45’ W) 5,130 面積 ha (図 2)。農地は、(平均 90 m、地形の起伏 2.29 m)、比較的平坦な地形で、WCW の支配的な土地利用型です。耕起、ディスキング、ノミと悲惨な操作作物フィールド26,27; の主の耕起作業ただし、耕起方向は経営慣行の違いにより異なります。 4 160 作物フィールド場所は WCW (図 2) の地形情報を導出するランダムに選ばれました。460 の場所から 100 など 2 つの 300 m のトランセクト (それぞれは 9 サンプリング場所を持っている)、フィールド サンプリングが選択されたと SOC と土壌の再分配レベルの分析のため。さらに、地形景観、土壌タイプ、および耕起、WCW のように 2 つの小規模圃場のサイトより集中的なサンプリングに選ばれました。各小規模圃場サイトで 25 × 25 m グリッド セルを作成し、230 の採取場所はグリッド ・ ノード (図 3) に位置していた。230 の場所の地形測定値と土壌のプロパティ情報を求めた。 上記のプロトコルに従う、WCW で地形の指標が生成されました。(0.11 ラジアン 0 に至るまで) 相対的な低斜面、上り坂の勾配 (0 から 0.09 m)、適度な曲率と低-中程度の地形 (標高 325 m 260 からまで) と、WCW が特徴です (プロファイル曲率:-0.009 0.009 m-1、計画曲率: 0.85 m に-1、一般的な曲率は-0.85:-0.02 0.02 m-1)。Dem の標高の垂直 (POP100) 肯定的な開放性指標を作成するため WCW の比較的低いフィールド スケール安堵の識別を高めるため 100 倍が拡大されました。変換後、肯定的な開放性の範囲は 0.08 ラジアンから増加 (POP: 1.51 1.59 ラジアン) 0.86 ラジアン (POP100: 0.36 1.22 ラジアン)。 地形の起伏生成されます私たち次の半径を持つ 7 つのリリーフ マップ: 7.5 m、15 m、30 m、45 m、60 m、75 m、90 m。2 つの救済の主成分は、7 救済変数で主成分分析の結果に基づいて選ばれました。最初は粗い解像度救済救済45 m変動を示した主な変数として。このコンポーネントは、大規模な救援 (LsRe) として定義しました。7.5 mの救済と相関高いと高解像度救済バリエーションを提示、2 番目のコンポーネントは、小規模の救済 (SsRe) として定義されました。 地形指標と SOC 密度/土壌の再配布の間の相関分析の結果は、表 2に掲載されています。TWI と LsRe、それぞれ SOC 密度と土壌再分配率高の相関を示した。2 つの指標の空間分布は、図 4で示されます。TWI と LsRe の詳細は、沢エリアから良く観察できます。両方のメトリックは、depressional エリア、傾斜とリッジの分野で低値で高い値を示した。ただし、溝エリア、TWI は非常に高い値を示したが、LsRe の値が隣接する地域から別の 2 つの指標の違いが発生しました。 15 地形指標を生成した後、WCW の 460 のサンプリング サイトとこれらの地形の変数で、PCA を使用しました。最初の 7 つを説明した地形の主要コンポーネント (tpc のほか) よりも全体地形データセットの 90% 変動しました。地形モデルを構築している選択が最終的だった 5 TPCs の表 3のとおりです。最初の主成分 (TPC1)、G_Cur は最高のローディングを示した。斜面、トゥイ、Upsl、LS_FB だった負荷量 0.35 を超えると TPC2 の最も重要な指標です。TPC3、FA、SPI、および CA の 0.482、0.460、0.400、荷重での重要な指標であった。FPL (-0.703) と Pl_Cur (0.485)、TPC6 で最も重要であった。TPC7 で高荷重での主な指標は SsRe (0.597)、DI (0.435)、FPL (0.407) と Pl_Cur (0.383). VIF を調べることによって地形の変数の共線性を調べた。15 の指標の斜面、トゥイ、G_Cur は、高の Vif のため削除されています。土壌再配布料金と 1 と 2 のサイトから炭素密度データに基づいて、SOLSR モデルすべての 15 の指標 (SOLSRf) を使用して開発され、共変量を 12 の指標を削除 (SOLSRr) (表 4)。一般的には、70%、SOC の密度と土壌の再分配の可変性の 65% 以上レートが SOLSRfモデルによってそれぞれ説明されました。共変量を削除 (SOLSRr) とモデル、シミュレーション効率はあった SOLSRfモデル (SOC 密度の 68% と土壌の再分配のための 63%) よりも若干低かった。楽天的、概ね、RSR SOLSRfモデルより SOLSRrモデルでわずかに高かった。 SPCR モデル SOLSRrと同様のシミュレーション効率は表 4で観察されます。ただし、少数の独立変数は、SOLSRf SOLSRrモデル (以上 6 変数) と SPCR モデル (未満 5 変数) で選ばれました。SOC モデルと TPCs 1 の独立変数の組み合わせとして選ばれた TPCs 1、2、3、7、2、3、6、および 7 は、土壌の再分配モデルの組み合わせとして選ばれました。 分かった SPCR モデルの最善の予測をしていた SOLSR のrモデルは、流域スケールで最貧の性能を示した。観察する SOC 密度予測を比較することによって (r2) 決定係数の増加: SOLSRf 0.21 と SOLSRで 0.16 から増加した 1) SOLSRf 0.60 と SPCR、および 2) NSE の 0.66 SOLSRrで 0.52 rに SPCR; で 0.59一方、RSR SPCR 0.64 0.87 SOLSRf SOLSRrで 0.91 から減少。SPCR 土壌再分配率予測測定された変数の可変性の 36% を占めているし、予測 SOLSRf (34%) ・ SOLSRr (0.35%) より高かった。高い NSE と SPCR で低い RSR (NSE = 0.33、RSR = 0.82) SOLSRfと比較して (NSE 0.31、RSR を = = 0.83) と SOLSRr (NSE 0.32、RSR を = = 0.82) また SPCR による土壌再分配率シミュレーションでより良いパフォーマンスを発揮します。 モデルの評価によると SOC 密度を生成する SPCR モデルが選択されてし、流域スケールで土壌再分配率マップします。マップでは、モデル シミュレーションと実測 (図 5) の一貫したパターンを明らかにしました。シミュレーションと観測との高い整合性をに沿ってより明らかにした、林します。両方 SOC の密度及び土壌の再配布料金は、風景地形と高い相関を示した。SOC 密度の高い値は、数と傾斜 SOC 密度の低値が認められた一方、土壌沈着が発生したと、堆積の分野で見つけることができます分野、土壌浸食が起こった。 図 1:、斜面、側面、システムの自動化された地層分析 (佐賀県) の曲率モジュール。ポリゴンは、研究領域の場所を示します。この図の拡大版を表示するのにはここをクリックしてください。 図 2: ウォルナット クリーク流域および流域 (アイオワ州) のサンプリング サイトの場所。この図は、前の仕事17から適応されました。この図の拡大版を表示するのにはここをクリックしてください。 図 3:サンプリング サイトの場所 1 a) と b) 2 (z 軸 15 x 標高).この図は、前の仕事17から適応されました。この図の拡大版を表示するのにはここをクリックしてください。  図 4: 地形メトリック マップします。(a) 地形気候湿潤度 (TWI) と (b) 大規模な地形の起伏 (LsRe) ウォルナット クリーク流域のトランセクト領域 (z 軸 15 x 標高) と。この図の拡大版を表示するのにはここをクリックしてください。 図 5:土壌再分配率(t ハ-1年-1)マップと SOC 密度 (kg m-2) マップ. 土壌再配布マップ ウォルナット クリーク流域内 (a) と (b) 2 つに沿ってトランセクトは示しています。SOC 密度 (kg m-2) マップ (c) (d) とウォルナット クリーク流域内にある 2 つに沿ってトランセクト段階的主成分分析モデル (z 軸 15 x 昇格) を使用します。この図の拡大版を表示するのにはここをクリックしてください。 変数 意義 傾き (ラジアン) 流出速度、土壌水コンテンツ28,29 断面曲率 (m-1) 加速度、土壌浸食、堆積率11,30 を流れ 曲率 (m-1) を計画します。 流れの収束と発散、土壌水コンテンツ30 一般曲率 (m-1) 流出速度、土壌浸食、堆積29 累積流量 土壌水、コンテンツ流出ボリューム20 地形の起伏 (m) 風景排水特性、流出速度と加速度21,31  肯定的な開放性 (ラジアン) 風景排水特性、土壌の水コンテンツ32 上り坂の勾配 (m) 流出速度33,34 フローのパスの長さ (m) 土砂、侵食率35  下り傾斜インデックス (ラジアン) 土壌水コンテンツ36 流域面積 (m2) 流出速度とボリューム33,37  地形気候湿潤度 土壌水分分布28,38,39  ストリーム パワー インデックス 土壌浸食、流れ40の収束  スロープ長さ係数 収束と発散の28,40 を流れ 表 1:選択した地形指標の意義. 斜面 P_Cur Pl_Cur G_Cur FA LsRe SsRe ポップ Upsl FPL ・ ディ ・ CA TWI SPI LS_FB (ラジアン) (m-1) (m-1) (m-1) (m) (m) (ラジアン) (m) (m) (°) (m2) SOC -0.687 -0.159 -0.333 -0.288 :0.165 0.698 -0.171 -0.451 -0.315 0.499 0.413 0.588 0.735 :0.165 -0.453 、† ** *** *** *** 、† *** *** *** *** *** 、† 、‡ *** *** SR -0.65 -0.205 -0.274 -0.282 0.156 0.687 -0.099 -0.427 -0.217 0.487 0.361 0.565 0.647 0.156 -0.438 、† *** *** *** ** 、‡ * *** *** *** *** 、† 、† *** *** P_Cur、Pl_Cur、および G_Cur、断面曲率, 計画曲率と一般的な曲率、それぞれ;FA は流れの蓄積RePC1 と RePC2、地形の起伏コンポーネント 1 と 2、それぞれ。POP100 は肯定的な開放性;Upsl は上り坂斜面;FPL はフロー パスの長さ;ディは下りのインデックス;CA は集水領域;TWI は地形気候湿潤度;SPI はストリーム パワー インデックス;LS_FB、斜面の長さ要因 (フィールド ベース)。 * P < 0.05、* * P < 0.005、* * * P 0.0001 <。 †Correlation 係数 > 土壌プロパティごとに 0.5、‡Highest 相関係数。 表 2: スピアマンの順位相関 (n = 560) 選択した地形指標と土壌有機炭素 (SOC) 密度土壌再配布率 (SR) と。 TPC1(25%) TPC2(24%) TPC3(14%) TPC6(5%) TPC7(4%) 斜面 0.062 0.475† -0.035 -0.013 -0.183 P_Cur -0.290 0.000 0.346 -0.070 -0.002 Pl_Cur -0.283 :0.107 -0.001 0.485† 0.383† G_Cur -0.353† 0.054 0.275 0.025 0.100 FA 0.297 -0.042 0.482† 0.179 0.131 LsRe 0.309 -0.193 -0.237 0.113 -0.116 SsRe 0.234 0.266 -0.118 0.084 0.597† POP100 -0.330 0.092 0.258 -0.292 0.217 Upsl 0.187 0.419† -0.143 -0.066 0.012 FPL 0.147 -0.168 -0.088 -0.703† 0.407† ・ ディ ・ 0.103 -0.220 -0.164 0.184 0.435† CA 0.326 -0.128 0.4† -0.160 -0.092 TWI :0.053 -0.465† -0.067 0.185 -0.047 SPI 0.345 -0.014 0.46† 0.169 0.080 LS_FB 0.256 0.396† 0.050 0.011 -0.072 P_Cur、Pl_Cur、および G_Cur、断面曲率, 計画曲率と一般的な曲率、それぞれ;FA は流れの蓄積RePC1 と RePC2、地形の起伏コンポーネント 1 と 2、それぞれ。POP100 は肯定的な開放性;Upsl は上り坂斜面;FPL はフロー パスの長さ;ディは下りのインデックス;CA は集水領域;TWI は地形気候湿潤度;SPI はストリーム パワー インデックス;LS_FB、斜面の長さ要因 (フィールド ベース)。 †Loadings > 0.35。 表 3: 地形指標の主成分 (tpc のほか) に変動荷重の計算 (n = 460) ウォルナット クリーク流域で。 モデル R2adj NSE RSR 段階的な主成分回帰 (SPCR) SOC 2.932-0.058TPC2-0.025TPC3 + 0.051TPC7 + 0.037TPC1† 0.68 0.69 0.56 SR 2.111 + 0.013TPC1 + 0.032TPC7-0.028TPC2-0.016TPC3-0.010TPC6 0.63 0.63 0.61 段階的な普通最小自乗回帰 (SOLSRf) SOC 2.755 + 0.021TWI + 0.0004FPL-6.369G_Cur-5.580Slope+ 0.011LsRe + 0.091DI + 0.013SsRe + 0.125LS_FB 0.7 0.71 0.55 SR 2.117 + 0.007LsRe-3.128Slope + 0.109DI + 0.010SsRe + 0.0002FPL+ 0.801Upsl – 4.442P_Cur 0.65 0.65 0.59 普通少なくとも平方ステップワイズ共変量と削除 (SOLSRr) SOC 2.951 + 0.033LsRe-2.869Upsl + 0.0006FPL + 0.028SsRe + 0.124DI-0.163LS_FB + 0.007SPI-10.187P_Cur 0.68 0.68 0.56 SR 2.042 + 0.016LsRe-0.146LS_FB + 0.118DI + 0.017SsRe + 0.0003FPL+ 0.070POP 0.63 0.64 0.6 † TPCs の順序はステップワイズ選択手順をに基づいてください。 R2adjは調整係数の決定;NSE はナッシュ ・ サトクリフ効率;RSR は、測定データの標準偏差の根平均二乗誤差 (RMSE) の比率です。 TPC は、地形の主要コンポーネントを表します。TWI は地形気候湿潤度;FPL はフロー パスの長さ;P_Cur、Pl_Cur、および G_Cur、断面曲率, 計画曲率と一般的な曲率、それぞれ;LS_FB は斜面の長さ要因 (フィールド ベース);LsRe と SsRe は大規模と小規模の地形レリーフをそれぞれ;ディは下りのインデックス;Upsl、上り坂の勾配です。 表 4: 土壌有機炭素 (SOC) 密度とサイト 1 と 2 で地形指標に基づく農業用土壌再配布率 (SR) のモデル。

Discussion

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。

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

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。

Materials

Light Detection and Ranging (LiDAR) data  http://www.geotree.uni.edu/lidar/ Collected from the GeoTREE LiDAR mapping project 
LECO CNS 2000 elemental analyzer  LECO Corp., St. Joseph, MI
Canberra Genie-2000 Spectroscopy System CANBERRA Industries
Geographic positioning system Trimble  RTK 4700 GPS
ArcGIS ESRI, Redlands, CA 10.2.2
Statistical Analysis System  SAS Institute Inc
System for Automated Geoscientific Analysis  University of Göttingen, Germany  v. 2.2.5, http://www.saga-gis.org/ GNU General Public License

Referenzen

  1. Lal, R. Soil erosion and carbon dynamics. Soil and Tillage Research. 81 (2), 137-142 (2005).
  2. Fox, J. F., Papanicolaou, A. N. The use of carbon and nitrogen isotopes to study watershed erosion processes. Journal of the American Water Resources Association. 43 (4), 1047-1064 (2007).
  3. Hemelryck, H. V., Fiener, P., Van Oost, K., Govers, G., Merckx, R. The effect of soil redistribution on soil organic carbon: An experimental study. Biogeosciences. 7 (12), 3971-3986 (2010).
  4. McCarty, G. W., Ritchie, J. C. Impact of soil movement on carbon sequestration in agricultural ecosystems. Environmental Pollution. 116 (3), 423-430 (2002).
  5. Quine, T. A., van Oost, K. Quantifying carbon sequestration as a result of soil erosion and deposition: Retrospective assessment using caesium-137 and carbon inventories. Global Change Biology. 13 (12), 2610-2625 (2007).
  6. Polyakov, V. O., Lal, R. Soil organic matter and CO2 emission as affected by water erosion on field runoff plots. Geoderma. 143 (1-2), 216-222 (2008).
  7. Balesdent, J., Mariotti, A., Boisgontier, D. Effect of tillage on soil organic carbon mineralization estimated from 13C abundance in maize fields. Journal of Soil Science. 41, 587-596 (1990).
  8. Van Oost, K., et al. Landscape-scale modeling of carbon cycling under the impact of soil redistribution: The role of tillage erosion. Global Biogeochemical Cycles. 19 (4), 1-13 (2005).
  9. De Gryze, S., Six, J., Bossuyt, H., Van Oost, K., Merckx, R. The relationship between landform and the distribution of soil C, N and p under conventional and minimum tillage. Geoderma. 144 (1-2), 180-188 (2008).
  10. Zhang, J., Quine, T. A., Ni, S., Ge, F. Stocks and dynamics of SOC in relation to soil redistribution by water and tillage erosion. Global Biogeochemical Cycles. 12, 1834-1841 (2006).
  11. Ritchie, J. C., McCarty, G. W., Venteris, E. R., Kaspar, T. C. Soil and soil organic carbon redistribution on the landscape. Geomorphology. 89, 163-171 (2007).
  12. Vander Perk, M., Slávik, O., Fulajtár, E. Assessment of spatial variation of cesium-137 in small catchments. Journal of Environmental Quality. 31 (6), 1930-1939 (2002).
  13. Rezaei, S. A., Gilkes, R. J. The effects of landscape attributes and plant community on soil physical properties in rangelands. Geoderma. 125 (1-2), 145-154 (2005).
  14. Rieke-Zapp, D. H., Nearing, M. A. Slope shape effects on erosion: a laboratory study. Soil Science Society of America Journal. 69 (5), 1463-1471 (2005).
  15. Schwanghart, W., Jarmer, T. Linking spatial patterns of soil organic carbon to topography – A case study from south-eastern Spain. Geomorphology. 126 (1-2), 252-263 (2011).
  16. Dialynas, Y. G., et al. Topographic variability and the influence of soil erosion on the carbon cycle. Global Biogeochemical Cycles. 30, 644-660 (2016).
  17. Li, X., McCarty, G. W., Karlen, D. L., Cambardella, C. A. Topographic metric predictions of soil redistribution and organic carbon in Iowa cropland fields. Catena. 160, 222-232 (2018).
  18. Amore, E., Modica, C., Nearing, M. A., Santoro, V. C. Scale effect in USLE and WEPP application for soil erosion computation from three Sicilian basins. Journal of Hydrology. 293 (1-4), 100-114 (2004).
  19. Doetterl, S., et al. Erosion, deposition and soil carbon: A review of process-level controls, experimental tools and models to address C cycling in dynamic landscapes. Earth-Science Reviews. 154, 102-122 (2016).
  20. Gessler, P. E., Chadwick, O. A., Chamran, F., Althouse, L., Holmes, K. Modeling soil-landscape and ecosystem properties using terrain attributes. Soil Science Society of America Journal. 64 (6), 2046-2056 (2000).
  21. Montgomery, D. R., Brandon, M. T. Topographic controls on erosion rates in tectonically active mountain ranges. Earth and Planetary Science Letters. 201 (3-4), 481-489 (2002).
  22. Pan, B., Geng, H., Hu, X., Sun, R., Wang, C. The topographic controls on the decadal-scale erosion rates in Qilian Shan Mountains N.W. China. Earth and Planetary Science Letters. 292 (1-2), 148-157 (2010).
  23. Conrad, O., et al. System for Automated Geoscientific Analyses (SAGA) v . 2.1.4. Geoscientific Model Development. 8, 1991-2007 (2015).
  24. Walling, D. E., Zhang, Y., He, Q. Models for deriving estimates of erosion and deposition rates from fallout radionuclide (caesium-137, excess lead-210, and beryllium-7) measurements and the development of user friendly software for model implementation (IAEA-TECDOC-1665). International Atomic Energy Agency. , 11-33 (2011).
  25. Sindayihebura, A., Ottoy, S., Dondeyne, S., Van Meirvenne, M., Van Orshoven, J. Comparing digital soil mapping techniques for organic carbon and clay content Case study in Burundi’s central plateaus. Catena. 156, 161-175 (2017).
  26. Schumacher, J. A., Kaspar, T. C., Ritchie, J. C., Schumacher, T. E., Karlen, D. L. Identifying spatial patterns of erosion for use in precision conservation. Journal of Soil and Water Conservation. 60 (6), 355-362 (2005).
  27. Young, C. J., et al. Evaluation of a model framework to estimate soil and soil organic carbon redistribution by water and tillage using 137Cs in two U.S. Midwest agricultural fields. Geoderma. 232, 437-448 (2014).
  28. Afshar, F. A., Ayoubi, S., Jalalian, A. Soil redistribution rate and its relationship with soil organic carbon and total nitrogen using 137Cs technique in a cultivated complex hillslope in western Iran. Journal of Environmental Radioactivity. 101 (8), 606-614 (2010).
  29. Li, Q. Y., Fang, H. Y., Sun, L. Y., Cai, Q. G. Using the 137Cs technique to study the effect of soil redistribution on soil organic carbon and total nitrogen stocks in an agricultural catchment of Northeast China. Land Degradation & Development. 25 (4), 350-359 (2014).
  30. Troch, P., Van Loon, E., Hilberts, A. Analytical solutions to a hillslope-storage kinematic wave equation for subsurface flow. Advances in Water Resources. 25 (6), 637-649 (2002).
  31. Tucker, G. E., Bras, R. L. Hillslope processes, drainage density, and landscape morphology. Water Resources Research. 34 (10), 2751-2764 (1998).
  32. Seijmonsbergen, A. C., Hengl, T., Anders, N. S. Semi-Automated Identification and Extraction of Geomorphological Features Using Digital Elevation Data. Developments in Earth Surface Processes. 15, (2011).
  33. Moore, I. D., Grayson, R. B., Ladson, D. A. R. Digital terrain modelling: A review of hydrological, geomorphological, and biological applications. Hydrological Processes. 5, 3-30 (1991).
  34. Kirkby, M. J. Do not only connect: A model of infiltration-excess overland flow based on simulation. Earth Surface Processes and Landforms. 39 (7), 952-963 (2014).
  35. Sharpley, A., Kleinman, P. Effect of rainfall simulator and plot scale on overland flow and phosphorus transport. Journal of Environmental Quality. 32 (6), 2172-2179 (2003).
  36. Hjerdt, K. N. A new topographic index to quantify downslope controls on local drainage. Water Resources Research. 40 (5), 1-6 (2004).
  37. Kasai, M., Marutani, T., Reid, L. M., Trustrum, N. A. Estimation of temporally averaged sediment delivery ratio using aggradational terraces in headwater catchments of the Waipaoa River, North Island, New Zealand. Earth Surface Processes and Landforms. 26 (1), 1-16 (2001).
  38. Lang, M. W., McCarty, G. W., Oesterling, R., Yeo, I. Y. Topographic metrics for improved mapping of forested wetlands. Wetlands. 33 (1), 141-155 (2013).
  39. Li, X., et al. Topographic and physicochemical controls on soil denitrification in prior converted croplands located on the Delmarva Peninsula, USA. Geoderma. 309, 41-49 (2018).
  40. Conforti, M., Aucelli, P. P. C., Robustelli, G., Scarciglia, F. Geomorphology and GIS analysis for mapping gully erosion susceptibility in the Turbolo stream catchment (Northern Calabria, Italy). Natural Hazards. 56 (3), 881-898 (2011).
  41. Dormann, C. F., et al. Collinearity: A review of methods to deal with it and a simulation study evaluating their performance. Ecography. 36 (1), 027-046 (2013).
  42. Fodor, I. K. . A survey of dimension reduction techniques. 9, 1-18 (2002).
  43. Quijano, L., Gaspar, L., Navas, A. Spatial patterns of SOC, SON, 137 Cs and soil properties as affected by redistribution processes in a Mediterranean cultivated field (Central Ebro Basin). Soil and Tillage Research. 155, 318-328 (2016).
  44. Næs, T., Martens, H. Principal component regression in NIR analysis: Viewpoints, background details and selection of components. Journal of Chemometrics. 2 (2), 155-167 (1988).
  45. Shlens, J. A Tutorial on Principal Component Analysis. Measurement. 51, 52 (2014).
  46. Heckrath, G., et al. Tillage erosion and its effect on soil properties and crop yield in Denmark. Journal of Environmental Quality. 34, 312-324 (2005).
  47. Tarboron, G. A new method for the determination of flow directions and upslope areas in grid digital elevation models. Water Resources Research. 33 (2), 309-319 (1997).

Play Video

Diesen Artikel zitieren
Li, X., McCarty, G. W. Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon. J. Vis. Exp. (140), e58189, doi:10.3791/58189 (2018).

View Video