JoVE Journal > Environment
Summary
Abstract
Introduction
Protocol
Ergebnisse
Discussion
Offenlegungen
Acknowledgements
Materials
Referenzen
Please note that all translations are automatically generated. Click here for the English version.
Umwelt

토양 재배포 및 토양 유기 탄소를 매핑할 지형 모델 확장에 대 한 주요 부품의 사용

Published: October 16, 2018
doi:
10.3791/58189
,
1Department of Geographical Sciences,University of Maryland, 2Hydrology & Remote Sensing Laboratory, Agricultural Research Service,United States Department of Agriculture

Summary

프리 프로세스 토양 형성의 중요 한 구성 요소 이며 토양 속성 및 풍경에 공간 구조 결정에 중요 한 역할. 우리 stepwise 주성분 회귀를 사용 하 여 다양 한 공간적 스케일에 걸쳐 토양 재배포 및 토양 유기 탄소를 예측 하는 새로운 접근 방식을 제안 합니다.

Abstract

프리 지형 토양 형성에 영향을 미치는 중요 한 요소 이며, 결선 및 경작 활동에 의해 유도 된 중력 기반 토양 운동 조절로 지구 표면에 토양 속성을 결정 하는 중요 한 역할을 재생 합니다. 빛 감지 및 움직이는 (LiDAR) 데이터의 최근 응용 토양 속성 변화를 조사 하는 데 사용할 수 있는 높은 공간 해상도 지형 통계를 생성 하기 위한 약속을 보유 하고있다. 이 연구에서 15 지형 통계 LiDAR 데이터에서 파생 된 재배포 토양의 토양 유기 탄소 (SOC)의 공간 배급에 지형 영향을 조사 하기 위해 사용 되었다. 특히, 우리는 지형 통계 및 stepwise 주성분 회귀 (SPCR) 지형 기반 토양 침식 및 사이트 및 유역 비늘에서 SOC 모델 개발 특성화에 대 한 지형 주 구성 요소 (TPCs)의 사용을 탐험. SPCR 모델의 성능 stepwise 일반 최소 제곱 회귀 (SOLSR) 모델에 대해 평가 했다. 결과 SPCR 토양 재배포 속도 다양 한 공간 스케일에서 SOC 밀도 예측 실적된 SOLSR 모델을 모델을 보여주었다. TPCs 사용 개별 입력된 변수 사이의 잠재적인 공선성을 제거 하 고 주성분 분석 (PCA) 차원 감소 overfitting 예측 모델의 위험을 감소. 이 연구는 다양 한 공간 비늘에 걸쳐 토양 재배포를 모델링 하기 위한 새로운 접근을 제시 한다. 한 응용 프로그램에 대 한 개인 토지에 대 한 액세스는 종종 제한 됩니다, 하 고 개인 땅을 포함 하는 더 큰 설정 대표 연구 사이트에서 결과 추정 하는 필요는 중요 한 수 있습니다.

Introduction

토양 재배포 (침식과 증 착) 토양 유기 탄소 (SOC) 주식 및 역학에 중요 한 영향을 미치는. 증가 노력 SOC는 분리, 이송, 방법과 풍경1,2,3입금 조사에 헌신 했습니다. Carbon (C) 격리 및 SOC 배포 물 침식4,,56에 의해 유도 된 중력 기반 토양 운동에 의해 영향을 받습니다. 경작된 분야에서 경작으로 토양 전 C 재배포7,,89에 기여 하는 또 다른 중요 한 과정입니다. 경작 부식 토양 입자의 상당한 net downslope 운동 원인과 필드 내에서 토양 변형10리드. 물과 경작 침식 크게 erosional depositional 사이트11의 위치를 결정 하는 프리 지형에 의해 영향을 받습니다. 따라서, 효과적인 토양 침식 규정과 농업 토지에는 지형 컨트롤의 더 나은 이해에 대 한 호출에서 C 동적 조사 토양 침식 및 움직임.

여러 연구 조사 지형 토양 재배포 및 관련된 SOC 역학9,12,13,,1415,16, 에 영향 17. 반 데르 특권 외. 12 보고 지형 요소 토양 재배포에 다양성의 43%를 설명 했다. 이 및 Gilkes13 그늘진 측면, 증발 rangelands의 다른 측면에 비해 갈수록 낮은 온도 때문에 토양에서 높은 SOC를 발견. 지형 지형 간의 상호 작용으로 인해 최소 경작에 그들 보다 전통적인 경작 치료와 함께 농업 토지에 토양 재배포에 더 중요 한 영향을 미칠 수 있습니다 하 고 경작 연습9. 그러나, 이러한 연구 결과 주로 넓은 공간 규모에서 토양 속성 조사에 어려움이 존재 분야 관측에서 파생 되었다. 효과적으로 유역 및 지역 규모에서 토양 속성의 공간 패턴을 이해 하는 새로운 전략을 개발 하는 긴급 한 필요가 있다.

이 연구의 목적은 토양 재배포 및 SOC 분포를 시뮬레이션 하기 위해 효율적인 모델을 개발 하는 것 이다. 지형 기반 모델 지형 통계를 사용 하 여 예측 척도 토양 침식과 증 착 프로세스를 개발 되었습니다. 비교와 경험적 또는 프로세스 기반 디지털에서 파생 된 지형 정보를 기반으로 하는 침식 토양 침식18,19, 지형 기반 모델을 시뮬레이션 하기 위해 개별 필드 samplings 고용 모델 개발 될 수 있습니다. 높은 해상도와 고도 모델 (데모)입니다. 이 방법은 분수령 또는 지역 규모에서 지속적인 토양 속성 시뮬레이션 할 수 있습니다. 지난 몇 년간에서 지형 정보의 정확성은 실질적으로 향상, 고해상도 원격 감지 데이터의 가용성을 증가 함께. 이러한 조사의 대부분 단일 지형 통계 또는 단일 카테고리를 사용 하는 이전 연구 토양 속성12,20,,2122시뮬레이션 지형 기반 모델 고용, 비록 지형 통계 (로컬, 로컬이 아닌 또는 결합 된 지형 통계),이 수 하지는 충분히 탐험 토양 미생물 활동에 지형 영향. 따라서, 토양 침식과 C 역학에 지형 컨트롤의 더 나은 이해를 얻으려면, 우리는 로컬, 로컬이 아닌 및 결합 된 지형 통계를 포함 하 고 지형 기반 다중 변수 개발 지형 통계의 종합 세트 검사 토양 속성 역학 시뮬레이션 모델입니다. 이 모델의 응용 프로그램은 더 나은 토양 침식 제어 및 농업 토지 관리에 대 한 과학적인 지원을 제공으로 예상 된다.

지형 통계는 일반적으로 세 가지 범주 중 하나로 분류: a) 지역 지형 통계, b) 비 로컬 지형 통계, 또는 c) 결합 된 지형 통계. 지역 지형 통계 땅 표면에 1 포인트의 로컬 기능을 참조 하십시오. 비-로컬 지형 통계 선택한 포인트의 상대적 위치를 참조 하십시오. 결합 된 지형 통계 통합 로컬 및 비로컬 지형 통계. 토양 침식과 증 착에 영향을 미치는 지형 통계 집합이 지형 컨트롤 토양 운동과 C 주식 (표 1)에 조사를이 연구에 사용 되었다. 특히, 우리가 사용 하는 4 개의 지역 지형 통계 [슬로프, 프로필 곡률 (P_Cur), 곡률 (Pl_Cur), 일반 곡률 (G_Cur) 계획], 7 비 로컬 지형 통계 [흐름 축적 (FA), 지형 제거, 긍정적인 개방 (POP), upslope 슬로프 (UpSl), 흐름 경로 길이 (FPL), downslope 인덱스 (디), 집 수 지역 (캘리포니아)] 3 지형 통계 결합 [지형 촉촉한 인덱스 (TWI), 스트림 파워 인덱스 (SPI), 그리고 경사 길이 인자 (LS)].

Protocol

1. 지형 분석 디지털 데이터 전처리 GeoTREE LiDAR 매핑 프로젝트 웹사이트에서 LiDAR 데이터를 수집 합니다. “경계 유형” 및 “영역” 특정 지역으로 확대를 선택 합니다. LiDAR 타일 선택한 연구 영역에 대 한 다운로드에 다각형을 그립니다. 지리 정보 시스템 (GIS) 매핑 도구를 사용 하 여 라스 파일에 원시 LiDAR 데이터를 변환 합니다. 역 거리 가중치 보간을 사용 하 여 3 m 해상도와 데모를 생성 합니다. 필터 두 번 3 m 데모 소음을 줄이기 위해 3 커널 낮은 패스 필터와 지역 변이와 연결. 지형 통계 생성 지형 통계를 생성 하려면 먼저 자동 Geoscientific 분석 (사가)23시스템의 최신 버전을 다운로드 해 라. “가져오기 래스터” 가져오기/내보내기 섹션에서 사가로 필터링 된 3 m 데모를 가져오려면 클릭 하십시오. 기울기를 생성 하는 기본 설정으로 사가의 “슬로프, 측면, 곡률” 모듈을 클릭 합니다 및 곡률 관련 [프로필 곡률 (P_Cur), 계획 곡률 (Pl_Cur), 그리고 일반 곡률 (G_Cur)] 통계를 필터링 된 데모 (그림 1)를 사용 하 여. 사가의 “흐름 축적 (하향식)” 모듈을 클릭 하 고 필터링 된 데모를 사용 하 여 흐름 축적 (FA) 통계를 생성 하는 방법으로 “결정적 무한대”를 선택 합니다. 필터링 된 z 축 증폭 된 이미지를 사용 하 여 긍정적인 개방 (POP) 통계를 생성 하는 기본 설정으로 “사가 지형 개방” 모듈을 클릭 합니다. Upslope 슬로프 (Upsl)을 생성 하 여 경사 길이 인자 (LS_FB) 통계 필터링 된 데모를 사용 하 여 기본 설정으로 사가의 “LS-팩터 (필드 기반)” 모듈을 클릭 합니다. 필터링 된 데모를 사용 하 여 흐름 경로 길이 (FPL) 통계를 생성 하는 기본 설정으로 사가의 “흐름 경로 길이” 모듈을 클릭 합니다. 필터링 된 데모를 사용 하 여 downslope 인덱스 (디) 통계를 생성 하는 기본 설정으로 사가의 “Downslope 거리 그라데이션” 모듈을 클릭 합니다. “사가 촉촉한 인덱스” 모듈을 클릭 하 고 영역 유형을 집 수 지역 (CA) 및 지형 촉촉한 인덱스 (TWI) 통계 필터링 된 데모를 사용 하 여 생성 “절대 집 수 지역” 선택 합니다. 사가의 “스트림 파워 인덱스” 모듈을 클릭 하 고 필터링 된 데모를 사용 하 여 스트림 파워 인덱스 (SPI) 통계를 생성 하기 위해 지역 변환으로 “의사 특정 집 수 지역”을 선택 합니다. 여러 반경 가진 최대 고도 지도 생성 합니다. 3 커널 로우 패스 필터를 통해 두 번 최대 고도 지도 필터링 합니다. 일련의 기복 지도를 필터링 된 최대 고도 지도에서 필터링 된 3 m DEM을 뺍니다. 일련의 구호 변수 위치 번호를 추출 합니다. 지형 구조 구성 요소에는 부각을 변환할 구호 변수에서 주성분 분석 (PCA)를 수행 합니다. 지형 기복 메트릭 구호 dataset의 90% 분산 보다는 더 많은 설명 하는 주요 구성 요소를 선택 합니다. 2. 필드 데이터 수집 샘플링 필드 적절 하 게 연구 영역의 프리 특성을 나타낼 수 있는 경작지 필드 위치 및 집중적으로 샘플링할 수 있다 몇 가지 대표적인 소규모 경작지 필드의 수를 선택 합니다.참고: 두 개의 cropland 필드에서 수집 된 토양 샘플 모델 캘리브레이션에 사용 되었다. 전체 연구 영역에서 수집 된 토양 샘플 모델 유효성 검사를 위해 사용 되었다. 코드 기반 지리적 위치 시스템 (GPS) 모든 샘플 위치 좌표를 업로드 하 고 육체적으로 필드에서 그들을 찾을. 푸시 프로브 (직경에서 3.2 c m)를 사용 하 여 최고 30 ㎝ 토양 층에서 각 샘플링 위치 3 샘플을 수집 합니다.참고: 30-50 cm 층에서 토양 샘플 앙금 공 술 서 예상 되었다 사이트에서 수집 되었습니다. 각 샘플의 볼륨 241 cm3했다. GPS를 사용 하 여 위치를 샘플링의 기록 지리적 좌표 정보입니다. 총 샘플 볼륨의 정보를 사용 하 여 샘플링 위치 및 무게에서 48 h. 계산 토양 밀도 90 ° C에서 건조 후 토양 샘플의 무게. 혼합 합성 토양 샘플을 같은 위치에서 3 개의 샘플. 토양 샘플 준비 2 m m 화면 합성 토양 샘플 체질. 매우 정밀한 분말에 체질 한 토양의 10 g subsample 롤러 밀으로 분쇄. 토양 샘플 분석 측정 토양 총 탄소 (C) 1350 ° c.의 온도에 CN 원소 분석기에 연소를 통해 가공 된 롤러 샘플 콘텐츠 토양 유기 물으로 16 h 420 ° C의 온도에서 베이킹 후 나머지 C를 분석 하 여 탄산 칼슘 C 콘텐츠를 견적 한다. 탄산 칼슘 C 콘텐츠 총 토양 C 콘텐츠를 빼서 SOC 콘텐츠 (%)를 계산 합니다. SOC 밀도 (kg m-2) 토양 밀도 사용 하 여 SOC 콘텐츠 (%)를 변환 합니다. 넬리 비이 커에 대량 2 m m 체질된 토양 샘플을 넣고 그들을 봉인. 감마 레이 분석 8192 채널 분석기로 세 고 순도 동축 게르 마 늄 결정 (HpCN30% 효율)에서 입력을 받는 분 광 시스템을 사용 하 여 (참조 테이블의 자료를 통해 각 샘플의 137Cs 농도 측정 ). 분석 혼합된 방사성 핵 종 표준11를 사용 하 여 시스템 보정. 137Cs 농도 137Cs 재고 토양 밀도 사용 하 여 변환. Walling 연구진이 개발한 프로그램 추가 기능에서 스프레드시트에에서 질량 균형 모델 II (MBMII)를 적용 하 여 137Cs 인벤토리를 사용 하 여 토양 재배포 속도 계산 24. 3. 지형-기반 모델 개발 지형 주성분 추정 전체 연구 지역에 소규모 경작지 필드 위치를 샘플링 지형 통계를 추출 합니다. 평균 및 표준 편차를 사용 하 여 전체 연구 영역에서 샘플링 위치의 지형 통계를 표준화할 수 있습니다. 통계 소프트웨어 패키지와 PCA를 사용 하 여 표준화 된 지형 통계에 따라 각 구성 요소에 지형 미터 선적을 견적 한다. 각 지형 주성분 (TPC)에 지형 미터 선적을 수집 하 고 모든 통계의 90% 분산을 설명 하는 최고 TPCs 선택. 소규모 경작지 분야에서 샘플링 위치의 지형 통계 표준화. 각 위치에 대 한 최고의 TPCs WCW의 샘플링 위치에서 해당 선적에 의해가 중 표준화 된 지형 통계의 합계 계산 합니다. 모델 보정 Stepwise 일반 최소 제곱 회귀 지형 기반 SOC 밀도 및 소규모 경작지 필드에서 모든 지형 통계에 따라 토양 재배포 속도 SOLSRf 모델 개발 (SOLSR)을 수행 합니다. 아카이 케 정보 기준 (AIC) 및 허가 1 아웃 교차 유효성 검사에 사용 하 여 가장 적합 하 던된 SOLSRf 모델에 대 한 지형 통계의 최적의 조합을 선택. 분산 팽창 계수 (VIF)를 사용 하 여 지형 변수 간의 공선성을 확인 하십시오. 가장 큰 VIF와 변수를 제거 (VIF ≥ 7.525), VIF를 다시 확인 하 고. 모든 변수의 VIFs < 7.5 때까지 변수를 제거 합니다. SOLSR 지형 기반 SOC 밀도 대 한 SOLSRr 모델을 개발 하 여 토양 제거 높은 공선성 변수 했다 지형 통계에 따라 재배포 요금을 수행 합니다. AIC와 떠나 한 아웃 교차 유효성 검사를 사용 하 여 가장 적합 하 던된 SOLSRr 모델에 대 한 최적의 조합을 선택 하. 지형 기반 SOC 밀도 SPCR 모델을 개발 하 여 소규모 경작지 필드에서 TPCs에 따라 재배포 요금 토양 stepwise 주성분 회귀 (SPCR)을 수행 합니다. AIC와 떠나 한 아웃 교차 유효성 검사에 사용 하 여 최고의 장착 SPCR 모델 TPCs의 최적의 조합을 선택. 결정 (R조정2), 내 쉬-섯 효율 (NSE), 및 측정된 데이터 (RSR)의 표준 편차를 제곱 평균 오차의 비율 모델의 효율성을 평가 하기 위해 조정된 계수를 계산 합니다. 모델 평가 SOC 밀도 추정 하 고 전체 연구 영역에서 재배포 속도 추정된 모델을 적용 하 여 토양. SOC 밀도의 측정된 데이터 집합으로는 예측을 비교 하 여 개발 된 모델을 확인 하 고 전체 연구 영역에서 재배포 요금 토양. R조정2, NSE, RSR을 사용 하 여 모델 공연 평가 값.

Representative Results

우리 조사 토양 재배포 및 SOC 역학에서 지형 기반 모델의 타당성을 평가 하는 테스트 베드로 월 넛 크릭 분수령 (WCW)를 사용. 분수령은 아이오와 주 내 분 및 이야기 군에 (41 ° 55′-42 ° 00 ‘ N, 93 ° 32′-93 ° 45’ W) 5,130의 면적 하 (그림 2). Croplands는 지배적인 토지는 상대적으로 평평한 지형 (평균 90 m, 지형 기복 2.29 m)와 WCW에서 형식을 사용. Plowing, 심기, 시추와 끔찍한 작업은 작물 분야26,27; 주 경작 관행 그러나, 경작 방향 관리 관행에 차이 다. 4 백 60 자르기 필드 위치 했다 WCW (그림 2)에서 지형 정보를 파생 시킬 무작위로 선택 됩니다. 460 위치에서 100를 포함 하 여 2 개의 300 m transects (각 9 샘플링 위치는), 필드 samplings을 선정 되었다 SOC 및 토양 재배포 레벨의 분석에 대 한. 또한, 지형, 토양 유형, 풍경과 경작 관행은 WCW와 유사한 2 개의 소규모 필드 사이트 집중 samplings 선택 했다. 각 소규모 필드 사이트에서 25 × 25 m 그리드 셀, 창조 되 고 230 샘플링 위치 그리드 노드 (그림 3)에 위치 했다. 지형 통계 및 토양 속성 정보 230 위치 계산 했다. WCW에 있는 지형 통계 위의 프로토콜에 따라 생성 했다. WCW는 상대적 낮은 기울기 (0에서 0.11 라디안에 배열 되는), upslope 기울기 (0 0.09 m), 및 적당 한 곡률 저 중 지형 (325 m 260에서 배열 하는 해발 고도) 특징입니다 (곡률 프로필: 0.009 m-1에-0.009 계획 곡률: 0.85 m-1, 일반 곡률에-0.85: 0.02 m-1에-0.02). 데모의 수직 고도 증가 긍정적인 개방 통계 (POP100)을 만들기 위한 WCW에 상대적으로 낮은 필드 규모 구호 distinguishability 100 배 확대 했다. 변환 후에, 0.08 라디안에서 긍정적인 개방의 범위 증가 (POP: 1.51 1.59 라디안) 0.86 라디안을 (POP100: 0.36-1.22 라디안). 지형 기복을 위해 다음 반경 가진 7 구호 지도 생성: 7.5 m, 15m, 30m, 45 m, 60 m, 75 m, 및 90 m. 2 구제 주 구성 요소 7 구호 변수에 PCA의 결과에 따라 선정 됐다. 첫 번째 보였다 구제45 m 조 악한 해상도 구호 변화를 주요 변수로. 우리는 대규모 기복 (LsRe)으로이 구성 요소를 정의. 두 번째 구성 요소는 높은 릴리프7.5 m 와 상관 훌륭한 해상도 구호 변화를 제시, 소규모 구호 (SsRe)로 정의 했다. 지형 통계 및 SOC 밀도/토양 재배포 간의 상관 분석 결과 표 2에 표시 됩니다. 트 위 어 및 LsRe 보여 가장 높은 상관 관계 SOC 밀도와 토양 재배포 속도, 각각. 두 통계의 공간 패턴은 그림 4에 표시 됩니다. 트 위 어 및 LsRe는 더 나은 transect 영역에서 관찰할 수 있습니다. 두 통계 depressional 지역 및 경사진 능선 지역에 낮은 값에서 높은 값을 보였다. 그러나, 두 통계 간의 차이 트 위 어는 매우 높은 값을 전시 하지만 LsRe의 값은 인접 한 지역에서 다른도 랑 지역에서 발생 했습니다. 15 지형 통계를 생성 한 후 우리는 WCW에서 460 샘플링 사이트에 이러한 지형 변수에서 PCA 사용. 처음 7 지형 주 구성 요소 (TPCs) 설명 보다 더 전체 지형 데이터 집합의 90% 변화를 선택 했다. 5 TPCs 지형 기반 모델을 만들 선정 최종 했다 표 3에 나열 됩니다. 첫 번째 주요 구성 요소 (TPC1), G_Cur 높은 로드를 보여주었다. 슬로프, 트 위 어, Upsl, 및 LS_FB와 선적 0.35 보다 큰 TPC2에 있는 가장 중요 한 통계를 했다. 에 TPC3, FA, SPI, CA 0.482, 0.460, 및 0.400, 선적와 중요 한 통계를 각각 했다. FPL (-0.703) 및 Pl_Cur (0.485)는 TPC6에서 가장 중요 했다. 주요 통계는 TPC7에서 높은 선적을 SsRe (0.597), 디 (0.435), FPL (0.407), 및 Pl_Cur (0.383) 했다. 공선성 지형 변수의 VIF를 검사 하 여 확인 했다. 15 메트릭, 슬로프, 트 위 어, 및 G_Cur 높은 VIFs 인해 제거 되었습니다. 토양 재배포 속도 사이트 1 및 2에서에서 탄소 밀도 데이터를 바탕으로, SOLSR 모델 모두 15 통계 (SOLSRf)를 사용 하 여 개발 되었다 및 12 통계 일 직선상 covariate 제거 (SOLSRr) (표 4). 일반적으로, 70% 및 65 %SOC 밀도 토양 재배포에 다양성의 요금 설명 했다 SOLSRf 모델에서 각각. 일 직선상 covariate 제거 (SOLSRr)와 모델에 대 한 시뮬레이션 효율성 SOLSRf 모델 (SOC 밀도 대 한 68%와 토양 재배포에 대 한 63%) 보다 약간 낮은 했다. NSEs 약간 낮은 고 RSR SOLSRf 모델에서 보다 SOLSRr 모델에서 약간 더 높았다. SPCR 모델에 대 한 SOLSRr 비슷한 시뮬레이션 효율성은 표 4에서 관찰 된다. 그러나, 적은 독립 변수 SOLSRf SOLSRr 모델 (이상 6 변수) 보다 SPCR 모델 (미만 5 변수)에 선정 됐다. 1, 2, 3 및 7 TPCs SOC 모델과 TPCs 1에 대 한 독립 변수의 조합으로 선정 되었다, 2, 3, 6, 및 7 토양 재배포 모델에 대 한 조합으로 선정 됐다. 우리는 SPCR 모델 최상의 예측 했다 SOLSRr 모델 유역 규모에서 가난한 공연 보여주 발견. 관찰을 SOC 밀도 예측을 비교 하 여 결정 (r2)의 계수에서 증가: SOLSRf 1) 0.60 0.52 0.66 SPCR, 및 2) NSE를 SOLSRr 0.21 SOLSRf SOLSR에서에서 0.16에서 증가 r SPCR;에서 0.59로 동안 RSR SPCR에서 0.64 SOLSRf 0.87 및 SOLSRr 에 0.91에서 감소. SPCR에 토양 재배포 속도 예측 측정된 한 가변의 36%를 차지 하 고 예측 SOLSRf (34%)와 SOLSRr (0.35%) 보다 높았다. 높은 NSE와 SPCR 낮은 RSR (NSE 0.33, RSR = = 0.82) SOLSRf 에 비해 (NSE = 0.31, RSR = 0.83) 및 SOLSRr (NSE = 0.32, RSR = 0.82) SPCR에 의해 토양 재배포 속도 시뮬레이션에 더 나은 성능을 보여주었다. 모델 성능 평가 따르면 SPCR 모델 SOC 밀도 생성 하기 위해 선정 됐다 하 고 유역 규모에서 토양 재배포 속도 지도. 지도 모델 시뮬레이션 및 필드 측정 (그림 5) 사이 일관 된 패턴을 공개. 시뮬레이션 및 관측 사이 높은 대해 따라 더 분명 했다는 transects. 두 SOC 밀도 및 토양 재배포 속도 프리 지형과 높은 상관 관계를 보였다. SOC 밀도의 높은 값 footslope 및 토양 증 착 발생, SOC 밀도의 낮은 값 경사지에서 관찰 되었다 동안 depositional 영역에서 찾을 수 있습니다 지역, 토양 침식 일어났다. 그림 1 : The 슬로프, 측면, 곡률 모듈 시스템을 위한 자동 Geoscientific 분석 (사가)에. 다각형은 연구 분야의 위치를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 그림 2 : 월 넛 크릭 분수령 및 샘플링 사이트 (아이오와) 유역에 위치. 이 수치는 이전 작업17에서 적응 시켰다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 그림 3 : 샘플된 사이트의 위치) 1과 2 b) (z 축 15 x 높이). 이 수치는 이전 작업17에서 적응 시켰다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.  그림 4 : 지형 통계 지도. (a) 지형 촉촉한 인덱스 (TWI)와 (b) 대규모 지형 기복 (LsRe) 월 넛 크릭 분수령에서 transect 영역 (z 축 15 x 높이) 및. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 그림 5 : 토양 재배포 속도 (t 하-1 년-1) 지도 및 SOC 밀도 (kg m-2) 지도 .  토양 재배포 지도 (a) 내 월 넛 크리크 분수령 및 (b) 두 따라 transects은입니다. 표시는 SOC 밀도 (kg m-2) 지도 (c) 월 넛 크릭 분수령 및 (d) 내 두 따라 transects stepwise 주성분 분석 모델 (z 축 15 x 높이)를 사용 하 여. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오. 변수 의미 슬로프 (라디안) 결선 속도, 토양 물 콘텐츠28,29 프로필 곡률 (m-1) 가속, 토양 침식, 증 착 속도11,30 흐름 곡률 (m-1) 계획 수렴 및 발산, 토양 물 콘텐츠30 흐름 일반 곡률 (m-1) 결선 속도, 토양 침식, 증 착29 흐름 축적 토양 물 콘텐츠, 결선 볼륨20 지형 기복 (m) 프리 배수 특성, 결선 속도 및 가속도21,31  긍정적인 개방 (라디안) 프리 배수 특성, 토양 물 콘텐츠32 Upslope 기울기 (m) 결선 속도33,34 흐름 경로 길이 (m) 침전 물 수율, 침식 속도35  Downslope 인덱스 (라디안) 토양 물 콘텐츠36 집 수 지역 (m2) 결선 속도 및 볼륨33,37  지형 촉촉한 지 토양 수 분 분포28,,3839  스트림 파워 인덱스 토양 침식, 융합 흐름40  슬로프 길이 요소 수렴 및 발산28,40 흐름 표 1: 선택 된 지형 통계의 significances. 슬로프 P_Cur Pl_Cur G_Cur FA LsRe SsRe 팝 Upsl FPL 디 CA 트 위 어 SPI LS_FB (라디안) (m-1) (m-1) (m-1) (m) (m) (라디안) (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, 및 G_Cur는 프로필 곡률, 계획 곡률 및 일반 곡률, 각각; FA는 흐름 축적; RePC1 및 RePC2는 지형 기복 구성 요소 1 및 2, 각각; POP100는 긍정적인 개방; Upsl는 upslope 기울기; FPL는 흐름 경로 길이; 디는 downslope 인덱스; CA는 집 수 지역; 트 위 어는 지형 촉촉한 지 수; SPI는 스트림 전력 지 수; 그리고 LS_FB 사면 길이 요소 (필드 기반). * P < 0.05, * * P < 0.005, * * * P < 0.0001. †Correlation 계수 > 토양 속성에 대 한 0.5, ‡Highest 상관 계수. 표 2: Spearman의 순위 상관 관계 (n = 560) 선택 된 지형 통계 및 토양 유기 탄소 (SOC) 밀도 및 토양 재배포 속도 (SR) 사이의. TPC1(25%) TPC2(24%) TPC3(14%) TPC6(5%) TPC7(4%) 슬로프 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† 디 0.103 -0.220 -0.164 0.184 0.435† CA 0.326 -0.128 0.4† -0.160 -0.092 트 위 어 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, 및 G_Cur는 프로필 곡률, 계획 곡률 및 일반 곡률, 각각; FA는 흐름 축적; RePC1 및 RePC2는 지형 기복 구성 요소 1 및 2, 각각; POP100는 긍정적인 개방; Upsl는 upslope 기울기; FPL는 흐름 경로 길이; 디는 downslope 인덱스; CA는 집 수 지역; 트 위 어는 지형 촉촉한 지 수; SPI는 스트림 전력 지 수; 그리고 LS_FB 사면 길이 요소 (필드 기반). †Loadings > 0.35입니다. 표 3: 주요 구성 요소 (TPCs)에서 변수 선적 지형 통계에 대 한 계산 (n = 460) 월 넛 크릭 유역에서. 모델 R2조정 NSE RSR Stepwise 주성분 회귀 (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 Stepwise 일반 최소 제곱 회귀 (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 일 직선상 covariate로 stepwise 일반 최소 제곱 회귀 (SOLSRr) 제거 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 순서 stepwise 선택 단계에 따라 R2조정 결정; 조정된 계수는 NSE는 내 쉬-섯 효율성; RSR는 측정된 데이터의 표준 편차를 제곱 평균 오차 (RMSE)의 비율. TPC 지형 주 구성 요소를 나타냅니다. 트 위 어는 지형 촉촉한 지 수; FPL는 흐름 경로 길이; P_Cur, Pl_Cur, 및 G_Cur는 프로필 곡률, 계획 곡률 및 일반 곡률, 각각; LS_FB는 경사 길이 요소 (필드를 기반으로); LsRe 및 SsRe는 대규모 및 소규모 지형 기복, 각각; 디는 downslope 인덱스; 그리고 Upsl upslope 슬로프. 표 4: 토양 유기 탄소 (SOC) 밀도와 토양 재배포 속도 (SR) 사이트 1 및 2에 지형 통계에 따라 농업 분야에 대 한 모델.

Discussion

SOLSRf 모델 필드 규모에서 교정에 SPCR 모델 보다 약간 더 나은 공연을 했다. 그러나, SPI 등 CA (r > 0.80), 지형 통계 중 일부는 밀접 하 게 상관 서로. 공선성 모델 예측 불확실성을 추가할 수 있습니다. 예언자 중 multicollinearity 때문에 입력된 변수에서 작은 변화는 모델 예측41크게 달라질 수 있습니다. 따라서, SOLSRf 모델 불안정 하 고 낮은 보였다 분수령 규모 SOC 밀도 토양 재배포 속도의 시뮬레이션에서 효율성. SPCR 모델을 실질적으로 유역 규모 SOC 분포의 예측에서 SOLSRf 모델을 보다. TPCs 15 지형 통계 상호 독립적인 (직교) 구성 요소에 변환 하 여는 multicollinearity를 제거 합니다. 변환 또한 지형 통계 간의 기본 관계를 발견. 구성 요소에 지형 통계의 높은 선적 (> 0.35)으로 표시, TPC1, TPC2, TPC3, TPC6, 및 TPC7 관련 되었다 결선 속도, 토양 수 분 함량, 결선 볼륨, 흐름 분기 및 흐름 가속, 각각. 토양 재배포 속도 및 SOC 분포의 공간적 패턴은 높은 토양 수 분 함량 연관 및 폭스와 Papanicolaou2는 그 증명의 연구와 일치 하는 WCW에 결선 발산에서 토양 침식 고지대는 낮은 릴리프 농업 유역에서 흐름의 발산에 의해 영향을 받을 수 있습니다.

또한, SOLSRf SOLSRr 모델 보다 SPCR 모델에 더 적은 예측 변수 예측 모델42,43-피팅의 위험 감소. 모든 SOLSR 모델, 데이터 해석의 어려움을 증가 시킬 수 있으며 모델 시뮬레이션41,,4445에서 높은 분산 유도 이상 6 변수 했다. 이것은 낮은 예측 효율성 WCW에 SPCR 모델 보다 SOLSR 모델에 대 한 계정 수 있습니다.

지형-기반으로 SPCR 모델 장점을 토양 재배포 및 관련된 SOC 역학 시뮬레이션. 첫째, 지형 정보 데모에서 쉽게 파생 될 수 있다. 높은 공간 해상도 LiDAR 데이터의 최근 증가 접근 DEM 파생 프리 지형의 정확도 향상 및 혜택 제한 필드 관측 지역에서 조사 수 있습니다. 둘째, 지형 통계 및 통계 분석의 세트를 사용 하 여 지형 기반 모델 수 효율적으로 계량 토양 재배포 및 SOC 배포 패턴. 셋째, 주성분의 응용 수 효과적으로 지형 통계의 multicollinearity와 관련 된 편견을 감소 하 고 여러 공간 눈금에 적용 될 때 단계적 회귀 모델의 안정성을 증가.

그러나, SPCA 모델 모델을 개발 하는 동안 변수에 의해 제한 될 수 있습니다. LiDAR 데이터의 응용 생태 연구에 증가, 지형 정보를 파생 하는 방법은 하지 아직 완전히 탐험 되었습니다. 이 연구에서는 트 위 어 및 LsRe 보여주었다 가장 높은 상관 관계 SOC 밀도와 토양 재배포 속도, 각각. 그러나, 간주 되지 않습니다 추가 지형 변수 동등 하 게 있을 수 있습니다 또는 토양 침식과 C 역학을 설명 하는 더 중요 한. 또한, 관리 관행, 토양 침식 가변성을 발생할 수 있습니다, 같은 다른 요인 본이 연구에 포함 되지 않았다. 예를 들어 경작의 최대 경사 방향에 평행 일 때, 토양 침식 slantwise 경작 토양 upslope46선회 침식 기준 두 번 수 있습니다. 따라서, 다른 경작 관행 SPCR 모델의 효율성을 감소 예측에 대 한 이유를 수도 있습니다.

연구 사슬17에서 간행 된 종이 기반으로 합니다. 기계 기반 토양 운동과 토양 속성 사슬 종이에서 수행에 지형 영향 분석, 대신 여기 우리 지형 통계를 측정 하 고 지형 기반 모델 개발을 위한 방법에 집중. 우리 토양 속성의 공간 구조 연구에 지형 기반 모델을 사용 하 여의 장점과 타당성을 논의 했다. 한편, 우리는 경사 길이 비율과 흐름 축적의 알고리즘을 업데이트 하 여 우리의 모델을 개선. 경사 길이 인자 측정의 규모 필드의 영역으로 제한 되었다. 또한, 결정적 무한대 알고리즘 흐름 누적 생성을 위해 사용 되었다. 리 외 에 보고 하는 방법에 비해 17 흐름 축적 결정적 8 노드 알고리즘,이 연구에서 채택 무한대 알고리즘 생성 흐름 방향 각도에 루프를 감소 시키고 기복이 지역47에 대 한 더 나은 알고리즘을 판명.

결론적으로, 우리의 결과 지형 기반 SOC 분포 및 농업 분야에서 토양 재배포 패턴 시뮬레이션에 SPCR 모델의 타당성을 보여줍니다. SOC 주식 및 토양 재배포 속도 추정 하는 비용 효율적인 방법으로 제한 된 관측 데이터와 개인 땅에 공용 액세스를 부족 한 사이트에 적용 됩니다. 미래 연구, 예측 모델 더욱 세련미와 LiDAR 데이터의 가용성 및 추가 지형 통계의 포함 향상 될 수 있습니다. 대규모 토양 속성 지도 개발 된 모델에 따라 농업 경관과 분수령 지역 비늘에서 SOC의 운명에 토양 운동에 지형 영향을 기본 메커니즘의 더 이해를 이어질 것입니다.

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

이 연구는 USDA 자연 자원 보존 서비스 국가 보존 효과 평가 프로젝트 (NRCS 67-3A75-13-177)의 습지 구성 요소와 함께 협회에 의해 지원 되었다.

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
DOWNLOAD MATERIALS LIST

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).

Tags

Principal ComponentsTopographic ModelsSoil RedistributionSoil Organic CarbonGeoTREELight Detection And RangingDigital Elevation ModelsDEMSlopeCurvatureFlow AccumulationPositive OpennessLS-factorFlow Path LengthDownslope IndexCatchment Area

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
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).
Zitat herunterladen
Nachdrucke und Berechtigungen

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image