Large-scale mapping of soil organic matter content by regression kriging in Zala County

Author:

Szatmári Gábor1,Laborczi Annamária2,Illés Gábor3,Pásztor László2

Affiliation:

1. 1 Szegedi Tudományegyetem, Természeti Földrajzi és Geoinformatikai Tanszék 6720 Szeged Egyetem u. 2 Szeged Hungary

2. 2 MTA Agrártudományi Kutatóközpont Talajtani és Agrokémiai Intézet Budapest Hungary

3. 3 Erdészeti Tudományos Intézet Budapest Hungary

Abstract

Dolgozatunkban Zala megye feltalajainak szervesanyag-tartalmát kívántuk digitálisan térképezni regresszió krigeléssel a rendelkezésünkre álló Digitális Kreybig Talajinformációs Rendszer (DKTIR) adataira, illetve környezeti segédváltozókra alapozva. A térbeli kiterjesztések során különböző kombinációkban használtuk fel a talajképződési tényezőket, illetve DKTIR talajtérképi egységeit. Munkánk célja volt, hogy a regresszió krigelés modelljébe vont segédváltozó kombinációk minőségi hatását vizsgáljuk a becslő eljárás alapját jelentő többszörös lineáris regresszió modellre, illetve a becsült térkép pontosságára vonatkozóan.A szervesanyag-tartalom térbeli kiterjesztéséhez szükséges segédváltozókat a szakirodalom alapján választottuk ki. Segédadatként használtuk fel Zala megye digitális domborzatmodelljét, a 2009 és 2011 között készült MODIS műholdképekből származtatott vegetációs index állományokat, két klímaparaméter fedvényét, illetve a DKTIR talajtérképi egységeit. A regresszió krigeléssel becsült humusztartalom térképeket a DKTIR talajszelvény adataiból előzetesen leválogatott, a becslési eljárástól független kontroll adatpontokkal értékeltük. A validációhoz származtattuk a ME (Mean Error), a MAE (Mean Absolute Error), az RMSE (Root Mean Square Error), illetve az RIi(%) (Relative Improvement) paraméterek értékeit, ahol utóbbi az egyes térképek pontosságának relatív növekedését fejezi ki egy viszonyítási alapnak választott térképhez képest.A vizsgalati eredmenyek alapjan a terbeli talajinformaciok segedadatkent torten. felhasznalasa jelentősen novelte a regresszio modellek determinacios koefficienseinek erteket, illetve a becsult humuszterkepek pontossagat. A talajtani segedinformaciokat is figyelembe vevő regresszio modellek R2 ertekei — ket eset kivetelevel — joval meghaladtak a 30%-ot, vagyis a szervesanyag-tartalom terbeli valtozekonysaganak tobb mint egyharmadat voltak kepesek determinalni. A validacios mutatok alapjan azon terkepek bizonyultak pontosabbnak, melyekben a DKTIR talajok textura es vizgazdalkodasi tulajdonsagait (DKTIR-F) hasznaltuk fel talajtani segedvaltozokent. A legalacsonyabb MAE ertekkel (0,747) a domborzati es eghajlati talajkepző tenyezőket, illetve a DKTIR-F talajterkepi egyseget segedvaltozokent alkalmazo humuszterkep rendelkezett, ezen terkep eseten az RIi(%) parameter erteke 21%-nak adodott. A mutatok alapjan ezen terkep adta a legpontosabb becslest a mintaterulet szervesanyag-tartalmara, hisz a felhasznalt segedvaltozokon keresztul figyelembe veszi a mintaterulet szervesanyag-tartalmat alapvetően befolyasolo eroziot es akkumulaciot, illetve a talajok fizikai feleseget, mely utobbi hatassal van a vizhaztartasra, a beszivargasra, a kilugozasra es ezeken keresztul a humuszkepződes folyamatara. A biologiai talajkepző tenyezőt reprezentalo MODIS vegetacios index allomanyok eseteben megfigyelhető volt, hogy segedadatkent tortenő alkalmazasuk eseten kevesbe pontos becsleseket kaptunk osszevetve az ezen segedadatokat mellőző becslesekkel.Munkánkat a K105167 számú OTKA, illetve a TÁMOP-4.2.2.A-11/1/KONV-2012-0013. pályázatok támogatják.

Publisher

Akademiai Kiado Zrt.

Subject

Soil Science,Agronomy and Crop Science

Reference25 articles.

Cited by 8 articles. 订阅此论文施引文献 订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3