Este método puede ayudar a responder preguntas clave en el campo agrícola, como cómo la topografía del paisaje puede afectar la erosión del suelo y la dinámica de la materia orgánica del suelo. La principal ventaja de esta técnica es que es aplicable a sitios con observaciones limitadas, y proporciona una estimación rentable de las reservas de carbono orgánico del suelo y los procesos de redistribución del suelo. En primer lugar, recopile datos del sitio web de GeoTREE Light Detection and Ranging Mapping Project.
Seleccione el tipo de contorno y la región para acercar a un área específica. A continuación, dibuje un polígono para descargar la detección de luz y las teselas de rango para el área de estudio seleccionada. Convierta la detección de luz sin procesar y los datos de rango en un archivo LAS utilizando la herramienta de mapeo del sistema de información geográfica.
A continuación, genere modelos de elevación digitales, o DEMS, con una resolución espacial de tres metros mediante la interpolación inversa ponderada por distancia. Filtre el DEMS de tres metros dos veces con un filtro de paso bajo de tres núcleos para reducir los ruidos asociados con la variación local. Para generar métricas topográficas, primero haga clic en Importar ráster en la sección Importar/Exportar para importar el DEMS de tres metros filtrado a SAGA.
A continuación, haga clic en el módulo Pendiente, Aspecto, Curvatura de SAGA con la configuración predeterminada para generar la pendiente, la métrica relacionada con la curvatura y la métrica de curvatura general utilizando los DEM filtrados. Haga clic en el módulo descendente de acumulación de flujo de SAGA y seleccione Infinito determinista como método para generar la métrica de acumulación de flujo utilizando los DEM filtrados. Después de esto, haga clic en el módulo Apertura topográfica saga con la configuración predeterminada para generar la métrica de apertura positiva utilizando una imagen amplificada del eje z filtrada.
La ampliación de las distancias verticales en los modelos de elevación digital mejora la distinción de apertura positiva en sitios con una superficie relativamente plana. Haga clic en el módulo LS-Factor Field Based de SAGA con la configuración predeterminada para generar las métricas de pendiente y factor de longitud de pendiente mediante los DEM filtrados. A continuación, haga clic en el módulo Longitud de ruta de flujo de SAGA con la configuración predeterminada para generar la métrica de longitud de ruta de flujo mediante los DEM filtrados.
Haga clic en el módulo Degradado de distancia de pendiente descendente de SAGA con la configuración predeterminada para generar la métrica de índice de pendiente descendente utilizando los DEM filtrados. Ahora, haga clic en el módulo SAGA Wetness Index y seleccione el área de captación absoluta como el tipo de área para generar el área de captación y las métricas de índice de humedad topográfica utilizando los DEM filtrados. Haga clic en el módulo Stream Power Index de SAGA y seleccione el área de captación pseudoespecimétrica como la conversión de área para generar la métrica de índice de potencia de flujo mediante los DEM filtrados.
Después de esto, genere mapas de elevación máxima con varios radios. Filtre los mapas de elevación máxima dos veces a través de un filtro de paso bajo de tres núcleos. Restar el DEM de tres metros filtrado de los mapas de elevación máxima filtrados para obtener una serie de mapas de relieve.
Extraiga una serie de variables de relieve en varias ubicaciones. Realice análisis de componentes principales en las variables de desahogo para convertir las desahogos en componentes de relieve topográfico. Seleccione componentes principales que expliquen más del 90% de varianza del dataset de desahogo como métricas de desahogo topográfico.
Estandarice los siete mapas de relieve utilizando la media y la desviación estándar. Cree componentes principales de desahogo por suma del desahogo topográfico estandarizado ponderado por las cargas correspondientes. Al crear la métrica de relieve, es importante generar imágenes de relieve a varias escalas espaciales para limitar las incertidumbres asociadas con la selección arbitraria de radio porque los controles de relieve en las propiedades del suelo podrían verse influenciados por escalas espaciales de relieve.
Seleccione una serie de ubicaciones de campos de tierras de cultivo que puedan representar adecuadamente las características paisajísticas del área de estudio y varios campos representativos de tierras de cultivo a pequeña escala que se pueden muestrear intensamente. Cargue todas las coordenadas de ubicación de ejemplo en un sistema de posicionamiento geográfico basado en código y localícelas físicamente en el campo. A continuación, recoja tres muestras para cada ubicación de muestreo de la capa superior del suelo de 30 centímetros utilizando una sonda push.
Registre la información de coordenadas geográficas de las ubicaciones de muestreo utilizando el sistema de posicionamiento geográfico. Después de esto, tamizar la muestra de suelo con una pantalla de dos milímetros. Pesar las muestras de suelo después del secado.
Calcule la densidad del suelo utilizando los volúmenes totales de muestra en lugares de muestreo y pesos. Mezclar las tres muestras de la misma ubicación para obtener una muestra de suelo compuesto. Moler una submuestra de 10 gramos del suelo tamizado a un polvo muy fino con un molino de rodillos.
Ahora, mida el contenido total de carbono del suelo en la muestra fresada por rodillos a través de la combustión en un analizador elemental CN a una temperatura de 1350 grados celsius. Después de hornear la materia orgánica del suelo en un horno, estimar el contenido de carbono de carbonato de calcio mediante el análisis del carbono restante. Ahora, coloque las muestras de suelo tamizado a granel de dos milímetros en vasos de Marinelli, y sellarlas.
Coloque el vaso de precipitados en el detector y mida la concentración de cesio de cada muestra a través de un análisis de rayos gamma utilizando un sistema de espectroscopia que recibe entradas de tres cristales de germanio coaxial de alta pureza en analizadores de 8. 192 canales. Registre la salida de concentración de cesio. Por último, calcule la tasa de redistribución del suelo utilizando el inventario de cesio aplicando el Modelo de balance de masas II en un programa de complemento de hoja de cálculo.
460 ubicaciones de campos de cultivo fueron seleccionadas al azar para derivar información topográfica en la Cuenca de Walnut Creek en Iowa. Los resultados de los análisis de correlación entre las métricas topográficas y la densidad de carbono orgánico del suelo, la redistribución del suelo se presentan aquí. El índice topográfico de humedad y el relieve topográfico a gran escala mostraron las correlaciones más altas con las tasas de densidad y redistribución del suelo, respectivamente.
Los patrones espaciales de las dos métricas mostraron valores altos en el área de depresal y valores bajos en áreas inclinadas y de cresta. Sin embargo, las diferencias entre las dos métricas ocurrieron en áreas de cuneta, donde el índice de humedad topográfica presentaba valores extremadamente altos, pero los valores de relieve topográfico a gran escala no eran diferentes de las áreas adyacentes. Aquí se enumeran cinco componentes principales topográficos que se seleccionaron para crear modelos basados en topografía.
Más del 70 y el 65% de la variabilidad en la densidad de carbono orgánico del suelo y las tasas de redistribución del suelo se explicaron por el modelo de regresión mínimo común y corriente escalonada con variables enteras, respectivamente. Para los modelos con covariable colineal eliminado, las eficiencias de simulación fueron ligeramente inferiores al modelo de regresión mínimo cuadrada ordinario escalonada con un modelo de variables enteras. Para los modelos SPCR, se observan eficiencias de simulación similares a las del modelo de regresión mínimo cuadrada ordinario escalonada con covariable colineal eliminada.
Los mapas de redistribución del suelo y densidad de carbono orgánico del suelo generados a partir de los modelos SPCR revelaron patrones consistentes entre las simulaciones de modelos y las mediciones de campo. Esta técnica allana el camino para que los investigadores en el campo de la agricultura exploren la redistribución del suelo y los patrones de materia orgánica a escalas hidrográficas y regionales. La técnica podría mejorarse con un mayor refinamiento de la detección de luz y los datos de alcance y la inclusión de métricas topográficas adicionales.
