Summary

השימוש של הרכיבים העיקריים עבור קנה מידה את סימון שבילים מודלים למיפוי פחמן אורגני הפצה אדמה וקרקע

Published: October 16, 2018
doi:

Summary

נוף תהליכים רכיבים קריטיים היווצרות הקרקע, תפקיד חשוב בקביעת קרקע, מבנה מרחבי של נופים. אנו מציעים גישה חדשה באמצעות רגרסיה stepwise גורמים ראשיים כדי לחזות לחלוקת קרקע ואת פחמן אורגני אדמה מעבר סולמות מרחביים שונים.

Abstract

נוף הטופוגרפיה היא גורם קריטי המשפיעים על היווצרות הקרקע, ממלא תפקיד חשוב בקביעת מאפייני אדמה על פני כדור הארץ, כמו זה מווסת את התנועה מונחה הכבידה קרקע הנגרמת על ידי נגר ופעילויות חרישה. היישום האחרונות של אור גילוי ונתונים איכון באמצעות (LiDAR) טומן בחובו הבטחה ליצירת למדדים טופוגרפית רזולוציה מרחבית גבוהה יכול לשמש כדי לחקור את השתנות הרכוש אדמת. במחקר זה, חמש עשרה מדדים טופוגרפית נגזר מנתוני LiDAR שימשו כדי לחקור השפעות טופוגרפית על הפצה של אדמה, התפוצה המרחבית של פחמן אורגני אדמה (SOC). באופן ספציפי, אנחנו בחנו את השימוש של הרכיבים העיקריים טופוגרפית (TPCs) אפיון מדדים הטופוגרפיה, גורמים ראשיים stepwise רגרסיה (SPCR) לפתח את סחף הקרקע מבוסס הטופוגרפיה ומודלים SOC-סולמות באתר, קו פרשת המים. הביצועים של דגמי SPCR הוערך נגד stepwise מודלים רגילים לפחות מרובע רגרסיה (SOLSR). תוצאות המחקר הראו כי SPCR מודלים ביצועים טובים יותר SOLSR מודלים לניבוי המחירים לחלוקת קרקע וצפיפות SOC המרחבי בקני מידה שונים. השימוש TPCs מסיר קולינאריות פוטנציאלי בין משתני הקלט בודדים ולאחר הפחתת dimensionality על ידי ניתוח גורמים ראשיים (PCA) מפחיתה את הסיכון של overfitting המודלים של חיזוי. מחקר זה מציע גישה חדשה עבור מידול לחלוקת קרקע מעבר סולמות מרחביים שונים. עבור יישום אחד, גישה לאדמות פרטיות הוא לרוב מוגבל, הצורך לנחש את ממצאי המחקר נציג אתרים להגדרות גדולים יותר, הכוללים אדמות פרטיות יכול להיות חשוב.

Introduction

לחלוקת קרקע (סחף, התצהיר) מפעילה משפיע משמעותית על אדמת פחמן אורגני (SOC) מניות ואת הדינמיקה. הגדלת המאמצים הקדישו כדי לחקור איך SOC הוא מנותק, מועבר, שהופקדו מעל נוף1,2,3. Carbon (C) פחמיות והפצה SOC מושפעים מונחה הכובד תנועה הנגרמת על ידי מים שחיקה4,5,6. שדות מעובדים, רוברטסונית קרקע על ידי חרישה הינו תהליך חשוב אחר תורם C הפצה7,8,9. שחיקת חרישה גורם מדרון נטו ניכרת תנועה של חלקיקי הקרקע ומוביל וריאציה בתוך שדה אדמה10. סחף מים והן חרישה מושפעים באופן משמעותי נוף הטופוגרפי, הקובע את מיקומי אתרי ובלייה depositional11. לכן, רגולציה סחף קרקע יעיל והחקירה C דינאמי בשיחות אדמות חקלאיות לצורך הבנה טובה יותר של פקדים טופוגרפית על קרקע סחף ותנועות.

מספר מחקרים יש חקר ההשפעות של טופוגרפיה על אדמת הפצה, המשויך SOC dynamics9,12,13,14,15,16, 17. הטבה ואן דר. et al. 12 דיווחה כי גורמים טופוגרפית הסביר 43% ההשתנות ב לחלוקת קרקע. רזאא’י, Gilkes13 למצוא SOC גבוה בקרקעות על היבט מוצל, בשל טמפרטורות נמוכות יותר, פחות אידוי בהשוואה היבטים אחרים במרעה. הטופוגרפיה אולי יש השפעות משמעותית יותר על אדמת הפצה של אדמות חקלאיות עם טיפול מסורתי חרישה מאשר אלה עם מינימום חרישה, בשל האינטראקציות בין landforms הנהוגים חרישה9. עם זאת, ממצאים אלה היו נגזרת בעיקר תצפיות שדה, מציג את הקשיים בחקירת מאפייני אדמה בקנה מידה מרחבי רחבה יותר. יש צורך דחוף לפתח אסטרטגיות חדשות להבין ביעילות דפוסי המרחבי של אדמת נכסים על קו פרשת המים וסולמות אזוריים.

מטרת המחקר היא לפתח מודלים יעיל כדי לדמות אדמה הפצה והפצה SOC. מודלים מבוססי הטופוגרפיה באמצעות סימון שבילים, מדדים כמו גורמים מנבאים פותחו כדי לכמת את סחף הקרקע ותהליכי התצהיר. בהשוואה עם אמפירי או תהליך מבוססת על שחיקת ניתן לפתח מודלים המועסקים שדה דיסקרטית samplings כדי לדמות אדמת הסחף18,19, הטופוגרפיה מבוססי מודלים בהתבסס על מידע טופוגרפית נגזר דיגיטלי מודלים של העלאת רמת הרשאות (DEMs) ברזולוציות גבוהות. גישה זו מאפשרת אדמה רציף סימולציות המאפיין קו פרשת המים או בקנה מידה אזורי. בעשרות השנים האחרונות, לדיוק של המידע טופוגרפית ניכרת השתפרה, עם הגדלת הזמינות של נתונים ברזולוציה גבוהה מרחוק חשו. למרות שמחקרים קודמים המועסקים הטופוגרפיה מבוססי מודלים כדי לדמות קרקע המאפיינים12,20,21,22, רוב החקירות האלה בשימוש של מדד סימון שבילים בודדת או קטגוריה אחת של מדדים טופוגרפית (מקומיים, שאינם מקומיים או משולב טופוגרפית מדדים), אשר אולי לא מספיק בחנו השפעות טופוגרפית על פעילות מיקרוביאלית בקרקע. לכן, כדי להשיג הבנה טובה יותר של פקדים הטופוגרפיה סחף הקרקע ואת הדינמיקה C, בדקנו ערכה מקיפה של סימון שבילים מדדים כולל מדדים סימון שבילים מקומיים שאינם מקומיים, משולב ופיתח מרובה משתנה המבוססת על טופוגרפיה מודלים כדי לדמות dynamics הרכוש אדמת. יישומים של מודלים אלה צפויים לספק תמיכה מדעית בקרה טובה יותר של סחף קרקע וניהול שטחים חקלאיים.

מדדים טופוגרפית מסווגים בדרך כלל לאחת משלוש קטגוריות: a) המקומי מדדים סימון שבילים, מדדים טופוגרפית ב’) שאינם מקומיים או מדדים טופוגרפית ג) משולב. מדדים סימון שבילים מקומיים מתייחסים תכונות מקומיות של נקודה אחת על פני האדמה. מדדים סימון שבילים שאינם מקומיים להפנות מיקומם היחסי של נקודות שנבחרו. מדדים סימון שבילים משולב שילוב מדדים סימון שבילים מקומיים, שאינם מקומיים. ערכת סימון שבילים מדדים המשפיעים על סחף אדמה התצהיר שימשו במחקר זה לחקור את הפקדים טופוגרפית תנועה ומניות C (טבלה 1). באופן ספציפי, השתמשנו ארבעה מדדים סימון שבילים מקומיים [מדרון, פרופיל עקמומיות (P_Cur), תכנית עקמומיות (Pl_Cur), עקמומיות כללי (G_Cur)], שבעה שאינם מקומיים טופוגרפית מדדים [הצטברות זרימה (FA), הקלה טופוגרפית, פתיחות חיובי (POP), במעלה המדרון מדרון (UpSl), אורך נתיב הזרימה (FPL), מדרון אינדקס (DI), אזור האגירה (CA)], בשילוב שלושה מדדים טופוגרפיות [אינדקס רטיבות טופוגרפית (רדיאלי) זרם החשמל index (SPI), פקטור אורך המדרון (LS)].

Protocol

1. סימון שבילים ניתוחים נתונים דיגיטליים של תהליך מוקדם איסוף נתונים LiDAR מהאתר פרוייקט מיפוי GeoTREE LiDAR. בחר “סוג הגבול” ו- “אזור” כדי להגדיל אזור ספציפי. לצייר מצולע להורדת LiDAR אריחים לאזור המחקר שנבחר. להמיר את הנתונים הגולמיים LiDAR קובץ לאס באמצעות הכלי מיפוי (GIS) מערכת מידע גיאוגרפי. צור DEMs עם 3-m רזולוציה מרחבית באמצעות אינטרפולציה הופכי למרחק משוקלל. מסנן 3-m DEMs פעמיים עם מסנן יעברו 3-ליבה כדי להפחית רעשים לשייך וריאציה מקומית. סימון שבילים דור מטרי כדי ליצור מדדים טופוגרפית, תחילה להוריד את הגירסה העדכנית ביותר של מערכת אוטומטית Geoscientific ניתוח (סאגה)23. לחץ על “ייבוא רסטר” במקטע הייבוא/ייצוא כדי לייבא את DEMs 3-m שסוננו לתוך הסאגה. לחץ על המודול “מדרון, היבט, עקמומיות” של הסאגה עם הגדרות ברירת המחדל ליצירת המדרון, הקשורות עקמומיות [פרופיל עקמומיות (P_Cur), תכנית עקמומיות (Pl_Cur), עקמומיות כללי (G_Cur)] מדדים באמצעות את DEMs מסוננים (איור 1). לחץ על המודול “זרימה הצטברות (מלמעלה למטה)” של הסאגה ובחר “infinity דטרמיניסטי” כשיטת כדי ליצור זרימה הצטברות (FA) מדד באמצעות את DEMs מסוננים. לחץ על המודול “פתיחות טופוגרפית הסאגה” עם הגדרות ברירת המחדל ליצירת מדד פתיחות חיובי (POP) באמצעות תמונה מוגבר מסוננים ציר z. לחץ על המודול “LS-גורם (לפי שדה)” של הסאגה עם הגדרות ברירת המחדל מדרון במעלה המדרון (Upsl) ואת המדרון אורך פקטור (LS_FB) מדדים באמצעות את DEMs מסוננים. לחץ על המודול “אורך נתיב הזרימה” של הסאגה עם הגדרות ברירת המחדל ליצירת מדד אורך (FPL) נתיב הזרימה באמצעות את DEMs מסוננים. לחץ על המודול “מדרון במרחק מעבר” של הסאגה עם הגדרות ברירת המחדל ליצירת מדד מדד (DI) מדרון באמצעות את DEMs מסוננים. לחץ על המודול “הסאגה רטיבות מדד” ובחר “אזור האגירה מוחלטת” כמו סוג של האזור כדי ליצור אזור האגירה (CA) ומדדים אינדקס (רדיאלי) רטיבות טופוגרפית באמצעות את DEMs מסוננים. לחץ על המודול “זרם החשמל מדד” של הסאגה ובחר “פסאודו באזור האגירה מסוים” כמו ההמרה באזור כדי ליצור מדד כוח זרם index (SPI) באמצעות DEMs המסוננת. צור מפות גובה מרבי עם רדיוסים מרובים. לסנן את מפות גובה מרבי פעמיים דרך מסנן יעברו 3-ליבה. להחסיר ות’שו 3-m מסוננים במפות גובה מרבי מסוננים כדי לקבל סדרת מפות תבליט. תמצית סדרה של משתני הקלה במספר רב של מקומות. לבצע ניתוח גורמים ראשיים (PCA) על המשתנים הקלה להמרת התבליטים הקלה טופוגרפית רכיבים. בחר רכיבים עיקריים להסביר יותר מ- 90% השונות של ערכת הנתונים הקלה מדדים הקלה טופוגרפית. 2. איסוף נתונים שדה שדה דגימה בחר מספר מיקומים שדה cropland שיכול לייצג כראוי את מאפייני נוף של אזור המחקר, מספר שדות נציג cropland בקנה מידה קטן זה ניתן לטעום באופן אינטנסיבי.הערה: הדגימות. אדמה שנאסף שני השדות cropland שימשו מודל כיול. דגימות. אדמה שנאספו מהאזור כולו לימוד שימשו עבור אימות מודל. להעלות כל הקואורדינטות למיקום דוגמת קוד מערכת מבוססת-גיאוגרפי מיקום (GPS), פיזית לאתר אותם בשדות. לאסוף דגימות 3 עבור כל מיקום הדגימה שכבת קרקע העליון 30 ס מ באמצעות בדיקה דחיפה (3.2 ס מ קוטר).הערה: דגימות. אדמה משכבות 30-50 ס מ נאספו אתרים היכן המשקע התצהיר היה צפוי. הנפח של כל מדגם היה 241 ס מ3. לרשום מידע קואורדינטות הגיאוגרפי של דגימה מיקומים באמצעות GPS. שוקלים הדגימות. אדמה לאחר ייבוש אותם ב 90 מעלות צלזיוס 48 ה חישוב צפיפות קרקע באמצעות מידע מאמצעי המדגם על מיקומי הדגימה ומשקולות. מערבבים את הדגימות שלושה מאותו מיקום כדי לקבל דגימת אדמה ללא הפרדות צבע. הכנת הדוגמא אדמה ניפוי הדגימות. אדמה ללא הפרדות צבע עם מסך 2-מ מ. לטחון את subsample 10 גרם של הקרקע sieved כדי אבקה דקה מאד עם מפעל רולר. ניתוחים דגימת קרקע למדוד את אדמת הכולל פחמן (C) תוכן בדגימות רולר פיקנטיים באמצעות בעירה על מנתח היסודות CN בטמפרטורה של 1350 ° C. הערכת תוכן סידן פחמתי C על-ידי ניתוח C שנותרו לאחר האפייה חומר אורגני בקרקע בטמפרטורה של 420 מעלות צלזיוס במשך 16 h תנור. לחשב את תוכן SOC (%) על-ידי חיסור של תוכן הכולל אדמה C תוכן סידן פחמתי C. להמיר תוכן SOC (%) צפיפות SOC (ז ק ג-2) באמצעות צפיפות הקרקע. לשים הדגימות. אדמה sieved 2-מ מ בצובר Marinelli בקבוקונים, לאטום אותם. למדוד 137Cs ריכוז כל דגימה באמצעות גמא ניתוח באמצעות מערכת ספקטרוסקופיה מקבל תשומות גרמניום קואקסיאליים טוהר גבוהה-3 גבישים (HpCN30% יעילות) לתוך ערוץ 8192 מאבחנים (ראה טבלה של חומרים ). כיול המערכת באמצעות תקן אנליטית רדיונוקלידים מעורבת11. המר 137Cs ריכוז 137Cs המלאי באמצעות צפיפות הקרקע. לחשב את קצב לחלוקת קרקע באמצעות 137Cs המלאי על-ידי החלת את המסה איזון דגם II (MBMII) בתוכנית גיליון אלקטרוני תוספת שפותחה על ידי. Walling et al. 24. 3. טופוגרפיה מודל המבוסס על פיתוח להערכת גורמים ראשיים סימון שבילים לחלץ את המדדים טופוגרפית עבור דגימה מיקומים בשטח המחקר כולו, השדות cropland בקנה מידה קטן. לתקנן את המדדים טופוגרפית של המיקומים דגימה באזור המחקר כולו באמצעות וסטיית. מעריכים את loadings מטרי טופוגרפית של כל רכיב בהתבסס על מדדים טופוגרפית מתוקננת באמצעות PCA עם חבילת תוכנה סטטיסטית. לאסוף את loadings מטרי טופוגרפית ברכיב העיקרי בכל שבילים (TPC) ובחר את TPCs העליון להסביר 90% השונות של כל המדדים. לתקנן את מדדי טופוגרפית מיקומי הדגימה בשדות cropland בקנה מידה קטן. לחשב את TPCs העליון עבור כל מיקום לפי סכום של מדדים טופוגרפית מתוקננת משוקלל על ידי loadings המתאים מהמיקומים הדגימה ב- WCW. דגם כיול לבצע stepwise רגילים לפחות מרובע רגרסיה (SOLSR) לפתח הטופוגרפיה מבוססי מודליםf SOLSR עבור צפיפות SOC וקצבי לחלוקת קרקע בהתבסס על כל המדדים טופוגרפית על השדות cropland בקנה מידה קטן. השתמש הוסיפי מידע קריטריון (AIC) ובדיקת לעזוב-אחד-אאוט קרוס כדי לבחור את השילוב האופטימלי של מדדים טופוגרפית לדגמיf SOLSR מצויד ביותר. בדוק את קולינאריות בין המשתנים טופוגרפית באמצעות הגורם האינפלציה השונות (VIF). להסיר את המשתנים עם ערנית הגדול (VIF ≥ 7.525), ולבדוק VIF שוב. הסר את המשתנים עד VIFs של כל המשתנים < 7.5. לבצע SOLSR לפתח הטופוגרפיה מבוססי מודליםr SOLSR SOC צפיפות, אדמה הפצה המחירים בהתאם למדדים טופוגרפית היו משתנים שהוסר קולינאריות גבוהות. השתמש AIC לעזוב-אחד-אאוט קרוס-אימות כדי לבחור את השילוב האופטימלי עבור הדגמיםr SOLSR מצויד ביותר. לבצע רגרסיה stepwise גורמים ראשיים (SPCR) לפתח מודלים SPCR המבוסס על הטופוגרפיה SOC צפיפות, אדמה הפצה המחירים בהתאם את TPCs על השדות cropland בקנה מידה קטן. השתמש AIC לעזוב-אחד-אאוט קרוס-אימות כדי לבחור את השילוב האופטימלי של TPCs לדגמי SPCR מצויד ביותר. לחשב את המקדם מנוכי עונתיות של נחישות (Rשם תואר2), נאש-סאטקליף יעילות (NSE), יחס של השגיאה שורש ממוצע הריבועים כדי סטיית התקן של הנתונים נמדדו (RSR) כדי להעריך את היעילות מודל. מודל הערכה מעריכים SOC צפיפות, אדמה הפצה המחירים באזור המחקר כולו על-ידי החלת הדגמים המשוער. לאמת את המודל מפותחת על-ידי השוואת חיזוי עם dataset מדודה של צפיפות SOC, אדמה הפצה המחירים באזור המחקר כולו. להעריך את מודל הופעות באמצעות Rשם תואר2, NSE RSR ערכים.

Representative Results

השתמשנו את קו פרשת המים Walnut Creek (WCW) כמו testbed כדי להעריך את ההיתכנות של הטופוגרפיה מבוססי מודלים החקירה לחלוקת קרקע, SOC דינמיקה. פרשת המים הוא מחוזות בון וסיפור בתוך מדינת איווה (41 ° 55′-42 ° 00 ‘ N; 93 ° 32′-93 ° 45′ W) עם שטח של 5,130 ha (איור 2). Croplands הוא האדמה הדומיננטי השתמש בסוג ב- WCW, עם פני השטח שטוחה יחסית (ממוצע 90 מ’, סימון שבילים הקלה 2.29 מ’). מפסלת חריש, תחיחה, ויש פעולות מחריד נוהלי חרישה המנהלת היבול שדות26,27; עם זאת, חרישה כיוונים משתנים עקב הבדלים בשיטות ניהול. ארבע מאה ושישים חיתוך שדה מיקומים נבחרו באופן אקראי להפיק מידע טופוגרפית WCW (איור 2). 100 מחוץ. המיקומים 460, כולל שני 300 מ’ transects (כל אחד יש 9 מיקומי הדגימה), נבחרו לנהל את השדה samplings ולצורך ניתוח של רמות הפצה SOC ואדמה. בנוסף, שני אתרים שדה בקנה מידה קטן עם נוף טופוגרפית, סוגי קרקע, ושיטות חרישה דומה WCW נבחרו עבור samplings אינטנסיבי עוד יותר. בכל אתר שדה בקנה מידה קטן, מ’ 25 × 25 רשת תא נוצר, מיקומי הדגימה 230 היו ממוקמות צמתי הרשת (איור 3). מידע מאפיינים טופוגרפיים של מדדים וקרקע חושבו עבור המיקומים 230. מדדים סימון שבילים ב- WCW נוצרו בעקבות בפרוטוקול לעיל. WCW מאופיין עם טופוגרפיה נמוכה עד בינונית (העלאת ועד 260 מ’ 325) עם מדרון נמוכה יחסית (החל מ- 0 ועד 0.11 רדיאן), במעלה המדרון במדרון (0 כדי 0.09 ז) עקמומיות מתונה (פרופיל עקמומיות:-0.009 ל 0.009 m-1, לתכנן עקמומיות:-0.85 כ 0.85 מ ‘-1, עקמומיות כללית:-0.02 כ 0.02 נקודות מ-1). שינויי הגובה האנכי של DEMs הורחבו 100 פעמים כדי להגביר את distinguishability של ההקלה שדה-סולם נמוך יחסית למצוא את WCW עבור יצירת מדדים חיוביים פתיחות (POP100). לאחר ההמרה, הטווח של פתיחות חיוביים עלה מ 0.08 רדיאנים (פופ: 1.51-1.59 רדיאנים) לרדיאנים 0.86 (POP100: 0.36-1.22 רדיאנים). להקלה טופוגרפית, יצרנו שבעה מפות תבליט עם רדיוסים הבאים: 7.5 מ’ 15 מ’, 30 מ’, 45 מ’, 60 מ’, 75 מ’, 90 מ’. שני המרכיבים העיקריים הקלה נבחרו בהתבסס על התוצאות של PCA על המשתנים הקלה שבעה. הראשון הראה ברזולוציה גסה וריאציה הקלה עם הקלה45 מ’ כמו המשתנה העיקרי. אנחנו הגדיר רכיב זה ההקלה בקנה מידה גדול (LsRe). המרכיב השני, אשר היה מאוד בקורלציה עם הקלה7.5 מ’ , שהוצגה וריאציה הקלה. אני נשבע באלוהים, הוגדר ההקלה בקנה מידה קטן (SsRe). התוצאות של ניתוח המתאם בין מדדים טופוגרפית SOC צפיפות/אדמה הפצה מוצגים בטבלה מס ‘ 2. טוויסט של LsRe הראה את מתאמים הגבוהה ביותר עם צפיפות SOC וקצבי לחלוקת קרקע, בהתאמה. דפוסי המרחבי של שני מדדים מוצגים באיור4. פרטים של רדיאלי, LsRe ניתן לצפות טוב יותר מן האזור transect. שני המדדים הראו ערכים גבוהים באזור depressional, ערכים נמוכים באזורים משופעים, הרכס. עם זאת, ההבדלים בין שני מדדים התרחשו באזורים התעלה, איפה רדיאלי הציג ערכים מאוד גבוהים אבל הערכים של LsRe לא היו שונים מאזורים סמוכים. לאחר יצירת מדדים טופוגרפית 15, השתמשנו PCA על משתנים אלה טופוגרפית על האתרים 460 דגימה WCW. שבעת הרכיבים העיקריים טופוגרפית (TPCs) שיסבירו יותר מ- 90% השתנות ערכת הנתונים בכל שבילים נבחרו. TPCs חמישה שהיו האחרון שנבחר כדי לבנות מודלים מבוססי הטופוגרפיה מפורטים בטבלה3. לרכיב הראשון העיקרי (TPC1), G_Cur הראה ההעמסה הגבוהה ביותר. מדרון, טוויסט, Upsl ו LS_FB היו המדדים החשובים ביותר ב- TPC2, עם loadings הגדולים מ- 0.35. ב TPC3, פא, SPI, ו CA היו מדדים חשובים, עם loadings של 0.482, 0.460 ו- 0.400, בהתאמה. FPL (-0.703) Pl_Cur (0.485) היו החשובים ביותר ב- TPC6. המדדים העיקריים עם loadings גבוהה ב- TPC7 היו SsRe (0.597), די (0.435), FPL (0.407), Pl_Cur (0.383). קולינאריות של סימון שבילים משתנה נבדק על ידי בחינת ערנית. של מדדים 15, מדרון, טוויסט, G_Cur הוסרו עקב VIFs גבוהה. בהתבסס על אדמת הפצה המחירים והנתונים צפיפות פחמן מאתרי 1 ו- 2, מודלים SOLSR פותחו באמצעות כל המדדים 15 (SOLSRf) והוציא המדדים 12 עם covariate קוליניאריות (SOLSRr) (טבלה 4). באופן כללי, מעל 70% ל- 65% ההשתנות של חלוקה מחדש, צפיפות, אדמה, SOC המחירים היו מוסברת על ידי הדגמיםf SOLSR, בהתאמה. עבור הדגמים עם covariate קוליניאריות הוסר (SOLSRr), סימולציה יעילות היו מעט נמוך יותר מאשר הדגמיםf SOLSR (68% SOC צפיפות ו- 63% קרקע מחדש). NSEs היו מעט נמוך יותר, RSR היו מעט גבוהים יותר SOLSRr דגמים יותר במודליםf SOLSR. לדגמים SPCR, יעילות דומה הדמיה כמו SOLSRr שנצפו בטבלה4. עם זאת, המשתנים תלויים פחות נבחרו במודלים SPCR (פחות מ-5 משתנים) מאשר SOLSRf ו- SOLSRr מודלים (יותר מ 6 משתנים). TPCs 1, 2, 3 ו- 7 נבחרו הצירופים המשתנה הבלתי תלוי דגם SOC, TPCs 1, 2, 3, 6 ו- 7 נבחרו כמו השילוב עבור דגם לחלוקת קרקע. מצאנו כי הדגמים SPCR היה את תחזיות הטוב ביותר, הדגמיםr SOLSR הראה ההופעות העניות-קנה המידה של קו פרשת המים. המקדמים של נחישות (r2) על-ידי השוואת SOC חיזוי צפיפות לעלות לתצפית עלה מ: 0.60 1) ב- SOLSRf ו- 0.52 ב- SOLSRr כדי 0.66 ב SPCR ו NSE 2) עלה מ 0.21 ב SOLSRf ו- 0.16 ב- SOLSRr כדי 0.59 ב SPCR; בעוד RSR מופחת 0.87 ב SOLSRf , 0.91 ב- SOLSRr כדי 0.64 ב- SPCR. אדמת הפצה שיעור חיזוי SPCR היוו 36% של השונות של המשתנה נמדד, היה גבוה יותר מאשר תחזיות על-ידי SOLSRf (34%) ו- SOLSRr (0.35%). NSE גבוהה בעלת RSR נמוכה יותר ב- SPCR (NSE = 0.33, RSR = 0.82) בהשוואה SOLSRf (NSE = 0.31, RSR = 0.83) ו- SOLSRr (NSE = 0.32 נקודות, RSR = 0.82) גם הפגינו ביצועים טובים יותר בהדמיה קצב לחלוקת קרקע על-ידי SPCR. על פי הערכות ביצועי המודל, מודלים SPCR נבחרו כדי ליצור צפיפות SOC ואת קצב לחלוקת קרקע מפות בקנה מידה קו פרשת המים. המפות חשף דפוסי עקבית בין מודל סימולציות ומדידות שדה (איור 5). חוקיות האינפוט גבוהה בין סימולציות ותצפיות ניכרו יותר לאורך transects. צפיפות בשני SOC וקצבי לחלוקת קרקע הראה מתאמים גבוה עם נוף הטופוגרפיה. ניתן למצוא ערכים גבוהים של צפיפות SOC footslope ובאזורים depositional, שבו אירעה אדמה התצהיר, ואילו ערכים נמוכים של צפיפות SOC נצפתה משופע אזורים, שבו התרחשו סחף. איור 1 : מדרון, היבט, עקמומיות מודול במערכת עבור אוטומטי Geoscientific ניתוח (סאגה). למצולעים הצג את מיקומם של אזורי לימוד. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. איור 2 : מיקום של קו פרשת המים Walnut Creek, דגימה ואתרים בפרשת המים (איווה). איור זה הותאם מן העבודה הקודם17. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. איור 3 : מיקום האתרים שנדגמו a) 1 ו- 2 ב) (ציר z 15 x גובה). איור זה הותאם מן העבודה הקודם17. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.  איור 4 : מפות טופוגרפיות מטרי. (א) רטיבות סימון שבילים (רדיאלי) ואינדקס הקלה טופוגרפית בקנה מידה גדול (b) (LsRe) בפרשת Walnut Creek, transect אזור (ציר z 15 x גובה). אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. איור 5 : קצב לחלוקת קרקע (טי חה-1 שנה-1) מפות וצפיפות SOC (ז ק ג-2) מפות .  מוצגות מפות לחלוקת קרקע (א) בתוך פרשת המים Walnut Creek, (ב) לאורך שני transects. מוצגות צפיפות SOC (ז ק ג-2) מפות (ג) בתוך פרשת המים Walnut Creek, (ד) לאורך שני transects באמצעות ניתוח גורמים ראשיים stepwise הדגמים (ציר z 15 x גובה). אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. משתנים משמעות מדרון (רדיאן) מהירות נגר, קרקע מים תוכן28,29 פרופיל עקמומיות (מ-1) זרימה האצה, סחף, התצהיר שיעור11,30 תוכנית עקמומיות (מ-1) התכנסות זרימה, סטייה, קרקע מים תוכן30 גנרל עקמומיות (מ-1) מהירות נגר, סחף, התצהיר29 הצטברות זרימה קרקע מים תוכן, נגר נפח20 סימון שבילים הקלה (ז) נוף ניקוז מאפיינים, נגר מהירות, האצה21,31  פתיחות חיובי (רדיאן) נוף ניקוז מאפיינים, אדמה מים תוכן32 במעלה המדרון במדרון (ז) נגר-מהירות-33,-34 אורך נתיב הזרימה (ז) התשואה המשקעים, שחיקה בשיעור35  אינדקס מדרון (רדיאן) קרקע מים תוכן36 אזור האגירה (ז2) נגר מהירות ונפח33,37  אינדקס רטיבות סימון שבילים אדמת לחות הפצה28,38,39  זרם החשמל אינדקס סחף, התכנסות של זרימה40  פקטור אורך המדרון זרימה28,של התכנסות של גאוס-40 טבלה 1: חשיבות של מדדים טופוגרפית שנבחר. שיפוע P_Cur Pl_Cur G_Cur פא LsRe SsRe פופ Upsl FPL DI CA אני בעל מניות. SPI LS_FB (רדיאן) (מ-1) (מ-1) (מ-1) (ז) (ז) (רדיאן) (ז) (ז) (°) (ז2) 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 ו- G_Cur הם עקמומיות פרופיל, תוכנית עקמומיות עקמומיות הכללי, בהתאמה; הפא הוא הצטברות זרימה; RePC1 ו- RePC2 הן רכיב הקלה טופוגרפיות 1 ו- 2, בהתאמה; POP100 היא פתיחות חיובי; Upsl הוא במעלה המדרון במדרון; FPL הוא אורך נתיב הזרימה; די היא מדרון אינדקס; CA הוא אזור האגירה; אני בעל מניות הוא אינדקס רטיבות טופוגרפית; ו- SPI הוא זרם החשמל אינדקס; LS_FB הוא גורם אורך המדרון (שדה מבוסס). * P < 0.05, * * P < 0.005, * * * P < 0.0001. מקדם †Correlation > 0.5, מקדם המתאם ‡Highest עבור כל נכס קרקע. טבלה 2: מיתאם ספירמן נמצא דרגה (n = 560) בין מדדים טופוגרפית שנבחר לבין אדמת פחמן אורגני (SOC) צפיפות המחירים לחלוקת קרקע (SR). TPC1(25%) TPC2(24%) TPC3(14%) TPC6(5%) TPC7(4%) שיפוע 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 פא 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† DI 0.103 -0.220 -0.164 0.184 0.435† CA 0.326 -0.128 0.4† -0.160 -0.092 אני בעל מניות. 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 ו- G_Cur הם עקמומיות פרופיל, תוכנית עקמומיות עקמומיות הכללי, בהתאמה; הפא הוא הצטברות זרימה; RePC1 ו- RePC2 הן רכיב הקלה טופוגרפיות 1 ו- 2, בהתאמה; POP100 היא פתיחות חיובי; Upsl הוא במעלה המדרון במדרון; FPL הוא אורך נתיב הזרימה; די היא מדרון אינדקס; CA הוא אזור האגירה; אני בעל מניות הוא אינדקס רטיבות טופוגרפית; ו- SPI הוא זרם החשמל אינדקס; LS_FB הוא גורם אורך המדרון (שדה מבוסס). †Loadings > 0.35. טבלה 3: loadings משתנה בהמרכיבים העיקריים (TPCs) מחושב עבור מדדים טופוגרפית (n = 460) בפרשת Walnut Creek. מודל 2Rשם תואר NSE RSR גורמים ראשיים stepwise רגרסיה (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 רגילים לפחות מרובע רגרסיה (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 Stepwise רגרסיה מרובע רגיל לפחות עם covariate קוליניאריות הוסר (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 † הסדר של TPCs מבוסס על הצעדים stepwise בחירה 2Rשם תואר זה מנוכי עונתיות מקדם הדטרמינציה; NSE זה נאש-סאטקליף יעילות; RSR הוא יחס של השגיאה שורש ממוצע הריבועים (RMSE) סטיית התקן של הנתונים נמדדו. TPC מייצג טופוגרפית גורמים ראשיים. אני בעל מניות הוא אינדקס רטיבות טופוגרפית; FPL הוא אורך נתיב הזרימה; P_Cur, Pl_Cur ו- G_Cur הם עקמומיות פרופיל, תוכנית עקמומיות עקמומיות הכללי, בהתאמה; LS_FB הוא גורם אורך המדרון (שדה מבוסס); LsRe ו- SsRe הן הקלות טופוגרפית בקנה מידה קטן ולא בקנה מידה גדול, בהתאמה; די היא מדרון אינדקס; Upsl במעלה המדרון במדרון. טבלה 4: מודלים של אדמת פחמן אורגני (SOC) צפיפות, המחירים לחלוקת קרקע (SR) עבור שדות חקלאיים, בהתבסס על מדדים טופוגרפית באתרים 1 ו- 2.

Discussion

הדגמיםf SOLSR היו הופעות מעט טוב יותר מאשר הדגמים SPCR כיול על השדה. עם זאת, חלק המדדים טופוגרפית, כגון SPI ו- CA (r > 0.80), הם מקרוב בקורלציה עם אחד את השני. קולינאריות יכול להוסיף אי הוודאויות מודל תחזיות. בגלל multicollinearity בין גורמים מנבאים, שינויים קטנים בהמשתנים קלט יכולים להשפיע באופן משמעותי על תחזיות דגם41. לכן, הדגמיםf SOLSR נטו להיות לא יציב, הראה נמוך יעילות סימולציות של SOC צפיפות וקרקע הפצה קצב את המשקל קו פרשת המים. הדגמים SPCR באופן משמעותי ביצועים טובים יותר הדגמים SOLSRf בחיזוי SOC הפצה בקנה מידה קו פרשת המים. TPCs לחסל את multicollinearity על-ידי המרת מדדים טופוגרפית חמש עשרה רכיבים עצמאיים הדדית (אורתוגונלית). ההמרה חשפו גם כבסיס קשרי גומלין בין מדדי טופוגרפית. כפי שמציין את loadings גבוהה (> 0.35) של מדדים טופוגרפית הרכיבים, TPC1, TPC2, TPC3, TPC6 ו TPC7 היו קשורים עם מהירות נגר, תכולת המים בקרקע, נפח נגר, זרימה, התבדרות זרימה האצה, בהתאמה. דפוסי המרחבי של המחירים לחלוקת קרקע והפצה SOC מאוד היו בקורלציה עם מים אדמה תוכן, נגר דיברגנץ ב- WCW, אשר עולה בקנה אחד עם המחקר של פוקס ו פאפאניקולאו2, אשר הפגינו זה נשחק מהאדמה החברה יכול להיות מושפע זרימה דיברגנץ בפרשת חקלאי נמוך-הקלה.

יתר על כן, פחות המשתנים המנבאים במודלים SPCR מאשר SOLSRf ו- SOLSRr מודלים הפחיתה את הסיכון יתר הולם42,מודלים של חיזוי43. היו יותר משישה משתנים כל SOLSR הדגמים, אשר עשויים להגביר את הקושי של פרשנות הנתונים, זירוז גבוהה בשונות דגם סימולציות41,44,45. זה עשוי להסביר היעילות חיזוי נמוך ב- WCW לפי מודלי SOLSR מאשר על-ידי הדגמים SPCR.

טופוגרפיה-מבוסס מודלים SPCR יש יתרונות הדמיית לחלוקת קרקע ודינמיקה SOC המשויך. הראשון, סימון שבילים מידע יכול להיות בקלות נגזר DEMs. האחרונות הנגישות מוגברת של הרזולוציה המרחבית הגבוהה LiDAR נתונים יכול לסייע לשפר את הדיוק של נוף נגזר DEM הטופוגרפיה והתועלת חקירות באזורים עם תצפיות שדה מוגבל. שנית, באמצעות קבוצת מדדים טופוגרפית וניתוחים סטטיסטיים, המודלים מבוססי הטופוגרפיה יכול ביעילות לכמת לחלוקת קרקע ודפוסי תפוצה SOC. שלישית, היישום של גורמים ראשיים יכול ביעילות להפחית הטיות המשויכות multicollinearity של סימון שבילים, מדדים, להגביר את היציבות של הדגמים רגרסיה stepwise כאשר חל על סולמות המרחבי מרובים.

עם זאת, הדגמים צער בעלי חיים מוגבלים על ידי משתנים במהלך פיתוח מודל. למרות היישום של הנתונים LiDAR עלה ב מחקרים אקולוגיים, השיטות להפיק מידע שימושי סימון שבילים לא עדיין מלא נחקרו במחקר זה, טוויסט של LsRe הראה את מתאמים הגבוהה ביותר עם צפיפות SOC וקצבי לחלוקת קרקע, בהתאמה. עם זאת, ייתכן משתנים סימון שבילים נוספים שאינם נחשבים לא פחות או יותר חשוב להסביר סחף הקרקע ואת הדינמיקה C. בנוסף, גורמים אחרים כמו לשיטות ניהול, דבר העלול לגרום אדמת הסחף השתנות, לא נכללו במחקר זה. לדוגמה, כאשר חרישה היה מקביל לכיוון השיפוע המרבי, סחף אדמה עשוי כפול ביחס הסחף חרישה slantwise הפיכת הקרקע במעלה המדרון46. לכן, שיטות שונות חרישה עשוי גם להיות סיבה היעילות חיזוי מופחתת של מודלים SPCR.

המחקר מבוסס על העיתון שפורסם חדרים במלון17. במקום ניתוח מבוססת על מכניסטית של השפעות טופוגרפית תנועה ומאפיינים קרקע כפי שבוצע בעיתון חדרים במלון, כאן התמקדנו על שיטות לכימות מדדים טופוגרפית ולפיתוח מודלים מבוססי הטופוגרפיה. דנו על היתכנות ועל יתרונות השימוש מודלים מבוססי הטופוגרפיה במחקרים של המבנה המרחבי של קרקע. בינתיים, שיפרנו את הדגמים שלנו על-ידי עדכון האלגוריתמים של הצטברות גורם וזרימה אורך המדרון. בסולם המדידה גורם אורך המדרון היה מוגבל לאזור של השדה. בנוסף, שימש את אלגוריתם דטרמיניסטי אינסוף זרימה הצטברות הדור. לעומת שיטת דיווח ב- Li. et al. 17 אשר שנוצר על ידי הצטברות זרימה עם אלגוריתם שמונה-node דטרמיניסטי, האלגוריתם אינסוף אימצה במחקר זה מפחית את לולאות ב הזוויות כיוון הזרימה, הוכח באלגוריתם טוב יותר עבור אזורים נמוכים הקלה47.

לסיכום, התוצאות שלנו להפגין את הכדאיות של הטופוגרפיה מבוססי מודלים SPCR ב הדמיית SOC התפוצה ודפוסי לחלוקת קרקע בשדות החקלאות. כמו שיטה חסכונית כדי להעריך SOC מניות וקצבי לחלוקת קרקע, הוא ישים לאתרים עם נתונים תצפיתיים מוגבלים, אדמות פרטיות חסר גישה ציבורית. בעתיד מחקרים, התחזית מודלים יכולים להשתפר עוד יותר עידון, הזמינות של LiDAR נתונים והכללה של מדדים סימון שבילים נוספים. אדמה בקנה מידה גדול המאפיין המפות פותחו בהתבסס על הדגמים יוביל להבנת המנגנונים שבבסיס ההשפעות טופוגרפית אדמה התנועה של נופים חקלאיים וגורלה של SOC קו פרשת המים, סולמות אזוריות נוספות.

Disclosures

The authors have nothing to disclose.

Acknowledgements

מחקר זה נתמך על ידי שירות שימור משאבי הטבע משרד החקלאות בשיתוף עם הרכיב המלחות של נבחרת אפקטים הערכת פרויקט השימור (NRCS 67-3A75-13-177).

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

References

  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

Cite This Article
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