景观过程是土壤形成的重要组成部分, 在确定景观土壤性质和空间结构方面起着重要作用。我们提出一种新的方法, 采用逐步主成分回归预测不同空间尺度下土壤的再分配和土壤有机碳。
景观地形是影响土壤形成的重要因素, 对地表土壤性质的确定起着重要作用, 它调节了径流和耕作活动引起的重力驱动的土壤运动。近年来, 光探测和测距 (激光雷达) 数据的应用有望产生高空间分辨率地形指标, 可用于调查土壤性质的变异性。在本研究中, 利用激光雷达数据得出的十五个地形指标来研究地形对土壤有机碳 (SOC) 分布的影响。具体而言, 我们探讨了使用地形主成分 (TPCs) 来表征地形指标和逐步主成分回归 (SPCR), 以在场地和分水岭尺度上开发基于地形的土壤侵蚀和 SOC 模型。针对逐步的普通最小二乘法 (SOLSR) 模型, 对 SPCR 模型的性能进行了评估。结果表明, 在不同空间尺度下, SPCR 模型优于 SOLSR 模型预测土壤再分配率和 SOC 密度。使用 TPCs 消除了单个输入变量之间的潜在共线性, 而主成分分析 (PCA) 的维数减少降低了预测模型过度拟合的风险。本研究提出了一种新的空间尺度土壤再分布建模方法。对于一项申请, 对私人土地的访问往往是有限的, 而且需要将代表性研究地点的调查结果推断为包括私人土地的更大的设置, 这一点很重要。
土壤再分配 (侵蚀和沉积) 对土壤有机碳 (SOC) 种群和动力学产生重大影响。越来越多的工作致力于调查 SOC 是如何分离、运输和沉积在1、2、3的景观上的。碳 (C) 封存和 SOC 分布受水土流失引起的重力驱动土壤运动的影响4,5,6。在耕地中, 耕作的土壤迁移是导致 C 再分配7、8、9的另一个重要过程。耕作侵蚀导致土壤颗粒的净下坡移动相当大, 导致田间土壤变异10。水体和耕作侵蚀都受到景观地形的显著影响, 这决定了侵蚀和沉积场地11的位置。因此, 有效的土壤侵蚀调控和农业土地的 C 动态调查要求更好地了解土壤侵蚀和运动的地形控制。
一些研究已经研究了地形对土壤再分配和相关 SOC 动力学9、12、13、14、15、16的影响,17. Van der等。12报告说, 地形因素解释了土壤再分配中43% 的变异性。雷扎伊和 Gilkes13在土壤中发现了更高的 SOC, 这是因为相对于牧场的其他方面, 温度较低, 蒸发更少。由于地貌与耕作实践之间的相互作用, 地形对传统耕作处理的农用地土壤再分配可能产生更显著的影响9。然而, 这些发现主要来源于实地观察, 目前在更广泛的空间尺度上研究土壤性质存在困难。迫切需要制定新的战略, 以有效地了解流域和区域尺度土壤属性的空间格局。
本研究的目的是开发有效的模型来模拟土壤再分配和 SOC 分布。利用地形指标作为预测因子的基于地形的模型已开发用于定量土壤侵蚀和沉积过程。与采用离散场采样模拟土壤侵蚀18、19的基于经验或过程的侵蚀模型相比, 基于数字的地形信息可以开发基于地形的模型。高分辨率的高程模型 (dem)。这种方法允许在流域或区域尺度上进行连续的土壤属性模拟。在过去几十年中, 地形信息的准确性得到了显著改善, 高分辨率遥感数据的可用性不断提高。虽然以前的研究已经采用基于地形的模型模拟土壤属性12,20,21,22, 这些调查大多使用单一的地形指标或单一类别地形指标 (局部、非局部或综合地形指标), 可能没有充分探索地形对土壤微生物活动的影响。因此, 为了更好地了解土壤侵蚀和 C 动力学的地形控制, 我们研究了一套全面的地形指标, 包括局部、非局部和综合地形指标, 并开发了多变量基于地形的模拟土壤属性动力学模型。这些模型的应用有望为更好的土壤侵蚀控制和农业土地管理提供科学支持。
地形指标一般分为三类: a) 局部地形指标, b) 非局部地形指标, 或 c) 综合地形指标。局部地形指标是指陆地表面上一个点的局部特征。非局部地形指标指选定点的相对位置。综合地形指标集成了本地和非本地地形指标。本研究采用了一套影响土壤侵蚀和沉积的地形指标, 调查了土壤运动和 C 种群的地形控制 (表 1)。具体而言, 我们使用了四局部地形指标 [坡度、剖面曲率 (P_Cur)、平面曲率 (Pl_Cur)、一般曲率 (G_Cur)]、七非局部地形指标 [流累积 (FA)、地形浮雕、正向开放 (POP)、上坡坡度 (UpSl)、流道长度 (FPL)、下坡指数 (DI)、集水区 (CA)] 和三综合地形指标 [地形湿度指数 (两用)、流功率指数 (SPI) 和坡度长度因子 (LS)]。
SOLSRf模型的性能比 SPCR 模型在现场刻度上略佳。然而, 一些地形指标, 如 SPI 和 CA (r > 0.80), 是密切相关的。共线性可能会增加模型预测的不确定性。由于预测因子中的多重共线性, 输入变量中的小变化会显著影响模型预测41。因此, SOLSRf模型往往不稳定, 在流域尺度上模拟 SOC 密度和土壤再分配率的效率较低。SPCR 模型在流域尺度的 SOC 分布预测中显著优于 SOLSRf模型。TPCs 通过将十五地形指标转换为相互独立 (正交) 组件来消除多重共线性。转换还揭示了地形指标之间的基本关系。通过对构件的地形指标的高载荷 (> 0.35) 的说明, TPC1、TPC2、TPC3、TPC6 和 TPC7 分别与径流速度、土壤含水量、径流量、流量发散和流动加速度有关。土壤再分配速率和 SOC 分布的空间格局与 WCW 的土壤含水量和径流发散度密切相关, 这与狐狸和巴氏2的研究相一致, 表明侵蚀土壤从旱地在低济农业流域的流动发散可能受到影响。
此外, SPCR 模型中的预测变量较少, 比 SOLSRf和 SOLSRr模型降低了过度拟合预测模型42、43的风险。在 SOLSR 模型中有六多个变量, 这可能会增加数据解释的难度, 并在模型模拟41、44、45中引起高方差。这可能说明 SOLSR 模型 WCW 的预测效率低于 SPCR 模型。
基于地形的 SPCR 模型在模拟土壤再分配和相关 SOC 动力学方面具有优势。首先, 地形信息可以很容易地从 dem 派生。最近增加的高空间分辨率激光雷达数据的可访问性可以帮助提高 DEM 派生的景观地形的准确性, 并在有限的现场观测区域内受益调查。其次, 利用一套地形指标和统计分析方法, 可以有效地量化土壤再分配和 SOC 分布模式。第三, 主分量的应用可以有效地减少与地形指标多重共线性相关的偏差, 提高逐步回归模型在多空间尺度上的稳定性。
但是, 在模型开发过程中, SPCA 模型可能受变量的限制。虽然激光雷达数据在生态学研究中的应用有所增加, 但尚未充分探讨获取有用地形信息的方法。在本研究中, LsRe 与密度和土壤再分配率的相关性最高。但是, 在解释土壤侵蚀和 C 动力学时, 不考虑的其他地形变量可能同样或更重要。此外, 本研究不包括其他因素, 例如可能导致土壤侵蚀变异性的管理做法。例如, 当耕作与最大坡度方向平行时, 土壤侵蚀可能与倾斜耕作转土上坡46的侵蚀相对应加倍。因此, 不同的耕作做法也可能是降低 SPCR 模型预测效率的一个原因。
该研究基于连锁17发表的论文。在连锁论文中, 我们着重讨论了量化地形指标和开发基于地形的模型的方法, 而不是基于机械的地形对土壤运动和土壤特性影响的分析。讨论了利用地形模型研究土壤性质空间结构的可行性和优越性。同时, 通过对边坡长度因子和流累积算法的更新, 改进了模型。边坡长度因子测量的尺度仅限于田间面积。此外, 还使用确定性无穷大算法进行流累积生成。与李等的报告方法比较。17通过确定的八节点算法生成流积累, 本研究采用的无穷大算法减少了流向角的环路, 证明是低泄区47的较好算法。
最后, 我们的研究结果证明了基于地形的 SPCR 模型在农业领域模拟 SOC 分布和土壤再分配模式的可行性。作为估算 SOC 库存和土壤再分配率的一种经济有效的方法, 它适用于观测数据有限的场址和缺乏公共使用权的私人土地。在未来的研究中, 预测模型可以通过进一步细化和提供激光雷达数据和包含额外的地形指标来改进。根据模型开发的大规模土壤属性图将导致进一步了解地形对农业景观中土壤运动的影响以及流域和区域尺度上 SOC 的命运。
The authors have nothing to disclose.
这项研究得到了美国农业部自然资源保护处与国家养护效果评估项目 (NRCS 67-3A75-13-177) 湿地部分的支持。
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 |