Landskab processer er kritiske komponenter i jord dannelse og spiller en vigtig rolle i fastsættelsen af jordbundsforhold og rumlige struktur i landskaber. Vi foreslår en ny fremgangsmåde ved hjælp af trinvis hovedbestanddel regression til at forudsige jord omfordeling og organisk kulstof i jorden på tværs af forskellige rumlige skalaer.
Landskab topografi er en kritisk faktor, der påvirker jordens dannelse og spiller en vigtig rolle i bestemmelse af jordens egenskaber på jordens overflade, da det regulerer den gravity-drevet jord bevægelse induceret af afstrømning og jordbearbejdning aktiviteter. Den seneste anvendelse af Light Detection og Ranging (LiDAR) data holder løfte til at generere høje rumlige opløsning topografiske målinger, der kan bruges til at undersøge jorden ejendom variabilitet. I denne undersøgelse, blev femten topografiske målinger afledt af LiDAR data brugt til at undersøge topografisk konsekvenser for omfordeling af jord og rumlige fordeling af organisk kulstof i jorden (SOC). Specifikt, udforsket vi brugen af topografisk hovedkomponenter (TPCs) for kendetegner topografi målinger og trinvis hovedbestanddel regression (SPCR) for at udvikle topografi-baserede jorderosion og SOC modeller på webstedet og vandskel skalaer. Udførelsen af SPCR modeller blev evalueret i forhold til trinvis almindelige mindst square regression (SOLSR) modeller. Resultaterne viste, at SPCR modeller overgik SOLSR modeller til at forudsige jord omfordeling priser og SOC tæthed på forskellige rumlige skalaer. Anvendelse af TPCs fjerner potentielle kollinearitet mellem individuelle input variabler, og dimensionalitet reduktion af principal komponent analyse (PCA) mindsker risikoen for overfitting forudsigelse modeller. Dette studie foreslår en ny tilgang til modellering jord omfordeling på tværs af forskellige rumlige skalaer. Til en applikation, adgang til private jorder er ofte begrænset, og behovet for at ekstrapolere resultaterne fra repræsentative undersøgelse sites til større indstillingerne, der inkluderer private jorder kan være vigtigt.
Jord omfordeling (erosion og aflejring) udøver betydelig indvirkning på jordbundens organiske kulstof (SOC) bestande og dynamik. Stigende indsats er afsat til at undersøge hvordan SOC aftagne, transporteres og deponeret over landskab1,2,3. Carbon (C) binding og SOC distribution er påvirket af tyngdekraften-drevet jord bevægelse induceret af vand erosion4,5,6. I dyrkede marker er jord translokation af jordbearbejdning en anden vigtig proces bidrager til C omfordeling7,8,9. Jordbearbejdning erosion forårsager en betydelige netto bagside bevægelse af jordpartikler og fører til en inden for markjord variation10. Både vand og jordbearbejdning erosion er væsentligt påvirket af landskab topografi, som bestemmer placeringen af før og depositional websteder11. Derfor, effektive jordbunden erosion forordning og C dynamisk undersøgelse i landbrugsjord opfordringer til en bedre forståelse af topografisk kontrolelementer på jorderosion og bevægelser.
Flere studier har undersøgt virkningerne af topografi på jord omfordeling og tilknyttede SOC dynamics9,12,13,14,15,16, 17. van der frynsegode et al. 12 rapporterede, at topografisk faktorer forklarede 43% af variationen i jord omfordeling. Rezaei og Gilkes13 fundet højere SOC i jord på en skyggefuld aspekt, på grund af lavere temperaturer og mindre fordampning i forhold til andre aspekter i græsområder. Topografi kan have mere betydelige virkninger på jord omfordeling i landbrugsjord med traditionel jordbearbejdning behandling end dem med minimal jordbehandling, på grund af samspillet mellem landskabsformer og jordbearbejdning praksis9. Disse resultater blev dog primært afledt fra feltet bemærkninger, som præsenterer vanskeligheder i efterforskningen af jordens egenskaber på en bredere rumlig skala. Der er et presserende behov for at udvikle nye strategier for effektivt at forstå rumlige mønstre af jordens egenskaber på vandskel og regionale skalaer.
Formålet med denne undersøgelse er at udvikle effektive modeller til at simulere jord omfordeling og SOC distribution. Topografi-baserede modeller ved hjælp af topografiske målinger som prædiktorer er blevet udviklet for at kvantificere jordbunden erosion og aflejring processer. Sammenlignet med empirisk – eller proces-baseret erosion modeller, som ansat diskrete felt prøveudtagninger at simulere jordbunden erosion18,19, topografi-baserede modeller kunne blive udviklet baseret på topografiske oplysninger stammer fra digital elevation modeller (Demokrater) med høje opløsninger. Denne tilgang giver mulighed for kontinuerlig jord ejendom simuleringer på vandskel eller regional skala. I de sidste mange årtier, er nøjagtigheden af topografiske oplysninger blevet væsentligt bedre, med stigende tilgængelighed af data i høj opløsning fjernt sanses. Men tidligere undersøgelser har ansat topografi-baserede modeller til at simulere jordens egenskaber12,20,21,22, brugt de fleste af disse undersøgelser en enkelt topografisk metrisk eller enkelt kategori topografiske målinger (lokale, ikke-lokale eller kombinerede topografiske målinger), som kan ikke har tilstrækkeligt udforskede topografisk virkninger på jordmikrobiel aktivitet. Derfor, for at få en bedre forståelse af topografi kontrol af jorderosion og C dynamics, undersøgte vi en omfattende sæt af topografiske målinger herunder lokale, ikke-lokale og kombinerede topografiske målinger og udviklet flere variable topografi-baseret modeller til at simulere jord ejendom dynamics. Anvendelser af disse modeller forventes at yde videnskabelig støtte til bedre jordbunden erosionskontrol og forvaltning af landbrugsjord.
Topografiske målinger er generelt kategoriseret i en af tre kategorier: a) lokale topografiske målinger, b) ikke-lokale topografiske målinger eller c) kombinerede topografiske målinger. Lokale topografiske målinger henvises til lokale funktioner i ét punkt på jordoverfladen. Ikke-lokale topografiske målinger henvises til de relative placeringer af valgte punkter. Kombinerede topografiske målinger integrere lokale og ikke lokale topografiske målinger. Et sæt af topografiske målinger påvirker jordbunden erosion og aflejring blev brugt i denne undersøgelse til at undersøge de topografiske kontrolelementer på jord bevægelse og C bestande (tabel 1). Specifikt, vi brugte fire lokale topografiske målinger [hældning, profil krumning (P_Cur), planlægge krumning (Pl_Cur), generelle krumning (G_Cur)], syv ikke-lokale topografiske målinger [flow ophobning (FA), topografisk relief, positiv åbenhed (POP), toppens Forside hældning (UpSl), flow lysvej (FPL), bagside index (DI), opland (CA)], og tre kombineret topografiske målinger [topografisk fugtighed index (TWI), stream power index (SPI) og hældning længde faktor (LS)].
SOLSRf modeller havde lidt bedre præstationer end SPCR modeller i kalibrering på Feltskalaen. Dog er nogle af de topografiske målinger, som SPI og CA (r > 0,80), tæt korreleret med hinanden. Kollinearitet kan tilføje usikkerheder til model forudsigelser. På grund af multicollinearity blandt prædiktorer, kan små ændringer i de inputvariable betydeligt påvirke model forudsigelser41. Derfor SOLSRf modeller tendens til at være ustabil og viste lav effektivitet i simuleringer af SOC tæthed og jord omfordeling sats på vandskel skala. SPCR modeller overgik betydeligt SOLSRf modeller i forudsigelse af SOC distribution på vandskel skala. TPCs fjerne multicollinearity ved at konvertere de femten topografiske målinger i indbyrdes uafhængige (ortogonale) komponenter. Konverteringen også afdækket underliggende relationer blandt topografiske målinger. Som det fremgår af de høje belastninger (> 0,35) af topografiske målinger til komponenter, var TPC1, TPC2, TPC3, TPC6 og TPC7 forbundet med afstrømning hastighed, jordens vandindhold, afstrømning volumen, flow divergens og flow acceleration, henholdsvis. Rumlige mønstre af jord omfordeling priser og SOC fordeling var stærkt korreleret med jordvand indhold og afstrømning divergens i WCW, som er i overensstemmelse med studiet af Fox og Papanicolaou2, som viste at eroderet jord fra Upland kunne være påvirket af flow divergens i en lav-relief landbrugs vandskel.
Desuden reduceret færre prædiktor variabler i SPCR modeller end SOLSRf og SOLSRr modeller risikoen for over montering forudsigelse modeller42,43. Der var mere end seks variabler i alle de SOLSR modeller, som kan gøre sværere for data fortolkning og inducere høj varians i model simuleringer41,44,45. Dette kan udgøre for de lavere forudsigelse effektivitetsfordele i WCW af SOLSR modeller end af SPCR-modeller.
Topografi-baseret SPCR modeller har fordele simulering jord omfordeling og tilknyttede SOC dynamics. Første, topografiske oplysninger kan let udledes af Demokrater. Nylig øget tilgængelighed af den høje rummæssige LiDAR data kan hjælpe forbedre nøjagtigheden af DEM-afledte landskab topografi og gavne undersøgelser i regioner med begrænset felt observationer. For det andet kan ved hjælp af et sæt af topografiske målinger og statistiske analyser, topografi-baserede modeller effektivt kvantificere jord omfordeling og SOC spredningsmønstre. For det tredje kan anvendelsen af principal komponent effektivt reducere fordomme forbundet med multicollinearity af topografiske målinger og øge stabiliteten i trinvis regression modeller når de påføres flere rumlige skalaer.
Men SPCA modellerne kan begrænses af variabler under modeludvikling. Selv om anvendelsen af LiDAR data steg i økologiske studier, har metoder til at udlede nyttige topografiske oplysninger endnu ikke er fuldt udforsket. I denne undersøgelse viste TWI og LsRe de højeste korrelationer med SOC tæthed og jord omfordeling priser, henholdsvis. Yderligere topografisk variabler, der ikke betragtes som kan dog være lige så eller mere vigtigt i forklarer jorderosion og C dynamik. Derudover var andre faktorer såsom ledelsespraksis, som kan forårsage jordbunden erosion variabilitet, ikke inkluderet i denne undersøgelse. For eksempel, når jordbearbejdning var parallel med retningen af maksimale hældning, kan jorderosion fordobles i forhold til udhulingen i slantwise jordbearbejdning dreje jord toppens Forside46. Derfor kan forskellige jordbearbejdning praksis også være en årsag til nedsat forudsigelse effektivitetsgevinster af SPCR-modeller.
Undersøgelsen er baseret på den, der blev offentliggjort i Catena17. I stedet for en mekanistisk-baseret analyse af topografisk påvirkninger på jord bevægelse og jordbundens egenskaber som udføres i Catena papir, fokuseret her vi på metoder til kvantificering topografiske målinger og udvikle topografi-baserede modeller. Vi diskuterede gennemførlighed og fordelene ved at bruge topografi-baserede modeller i undersøgelser af den rumlige struktur af jordens egenskaber. I mellemtiden har forbedret vi vores modeller ved at opdatere algoritmer skråning længde faktor og flow akkumulering. Omfanget af hældningen længde faktor måling var begrænset til feltets område. Derudover blev deterministiske infinity algoritme brugt til flow ophobning generation. Sammenlignet med den metode, der er rapporteret i Li et al. 17 der genereres flow ophobning med en deterministisk 8-noders algoritme, infinity algoritme vedtaget i denne undersøgelse reducerer sløjfer i flow retning vinkler og viste sig for at være en bedre algoritme for lavt relief områder47.
Afslutningsvis, viser vores resultater gennemførligheden af topografi-baserede SPCR modeller i simulering SOC distribution og jord omfordeling mønstre i landbrug felter. Som en omkostningseffektiv metode til at estimere SOC bestande og jord omfordeling priser, finder det anvendelse på steder med begrænset observationsdata og private jorder mangler offentlighedens adgang. I fremtidige undersøgelser, forudsigelse modeller kunne forbedres med yderligere raffinement og tilgængeligheden af LiDAR data og medtagelse af yderligere topografiske målinger. De store ejendom jordbundskort der blev udviklet baseret på modeller vil føre til yderligere forståelse af mekanismerne bag de topografiske virkninger på jord bevægelse i landbruget landskaber og skæbne af SOC på vandskel og regionale skalaer.
The authors have nothing to disclose.
Denne forskning blev støttet af USDA Natural Resources Conservation Service i forening med komponenten vådområde af nationale bevarelse effekter vurdering projektet (referencecentre 67-3A75-13-177).
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 |