Csernozjom talajok szervesanyag-tartalmának digitális térképezése erózióval veszélyeztetett mezőföldi területen | Digital mapping of the organic matter content of chernozem soils on an area endangered by erosion in the Mezőföld region

Szatmári, Gábor and Barta, Károly (2013) Csernozjom talajok szervesanyag-tartalmának digitális térképezése erózióval veszélyeztetett mezőföldi területen | Digital mapping of the organic matter content of chernozem soils on an area endangered by erosion in the Mezőföld region. Agrokémia és Talajtan, 62 (1). pp. 47-60. ISSN 0002-1873

Text agrokem.62.2013.1.4.pdf Restricted to Repository staff only until 30 June 2033. Download (1MB)

Abstract

Munkánkban egy mezőföldi, döntően szántóföldi hasznosítású, vízerózióval veszélyeztetett mintaterület talajtakarójának szervesanyag-tartalmára vonatkozóan kívántunk geostatisztikai alapú becslést adni. Az Előszállástól DNy-ra elhelyezkedő kutatási területen löszön képződött mészlepedékes csernozjom, illetve az erózió bizonyítékaként lejtőhordalék és földes kopár talajokat találunk.Munkánkban a legnagyobb kihívást a száz darab szervesanyag-tartalom adat átlagában megjelenő szisztematikus változás jelentette, mely trend (vagy drift) jelenlétére utalt. A trend jelenléte sérti a geostatisztikában ismeretes belső hipotézist, melynek fontos következménye, hogy a számított tapasztalati félvariogram alkalmatlan a szervesanyag-tartalom valoszin.segi fuggvenyenek masodik momentumanak a jellemzesere. E problema kikuszobolesere a regresszio krigelest, mint terbeli becslesi algoritmust hasznaltuk, mely szimultan alkalmazza a fugg. valtozo es a segedadatok kozotti regressziot es a regresszio reziduumain alapulo krigelest.A segedadatokat az altalunk elkeszitett digitalis domborzatmodellb.l es terulet-hasznositasi terkepb.l szarmaztattuk. A fuggetlen valtozok multikollinearitasanak elkerulese vegett f.komponens analizist vegeztunk. A tobbszoros linearis regresszio analizis soran 5%-os szignifikancia szint mellett 6 darab prediktor bizonyult szignifikansnak. A vizsgalat eredmenyekent kapott regresszio R² erteke 54%-nak adodott, ami azt jelenti, hogy a szervesanyag-tartalom terbeli valtozekonysaganak tobb mint 50%-at le tudtuk irni a modellel. Ezt kovet.en elkeszitettuk a reziduumok tapasztalati felvariogramjat, mely kielegitette a bels. hipotezist. A felvariogramra elmeleti modellt illesztettunk. A regresszios fuggveny es az elmeleti felvariogram modell segitsegevel elvegezhet. volt a regresszio krigeles.A terbeli becsles eredmenyekent kapott humusztartalom terkepet 15 darab fuggetlen meresi adattal ertekeltuk. A kiszamitott ME (Mean Error), RMSE (Root Mean Square Error) es RMNSE (Root Mean Normalized Square Error) parameterek erteke 0,063; 0,224 es 0,978 volt. A kapott eredmenyek alapjan azt a kovetkeztetest vontuk le, hogy a megszerkesztett szervesanyag-tartalom terkep jol kozeliti a mintateruleten varhato humusztartalom terbeli eloszlasat. Tovabbi vizsgalatokat vegeztunk az iranyban, hogy a humuszterkep kategoriai mikent viszonyulnak a terulethasznositasi tipusokhoz. A legalacsonyabb szervesanyag-tartalom kategoria maximalis terulettel a szantofoldeken jelentkezett, melynek oka a szerves anyag mestersegesen felgyorsitott mineralizaciojaval es a szantokat sujto vizerozioval magyarazhato. | In the present work a geostatistical approach was applied to estimate the organic matter content of the soil cover on a sample area near Előszállás in the Mezőföld region of Hungary, consisting mainly of arable lands sown with winter wheat, maize and sunflower. In addition to pseudomyceliar (calcareous) chernozems formed on loess, meadow chernozems can be found in the deeper parts on the valley bottoms, and as evidence of water erosion, eroded soils and alluvial slope deposits appear.The greatest challenge was raised by the systematic changes in the mean values of the 100 soil organic matter (SOM) data, indicating the presence of trend or drift, which is in opposition to the intrinsic hypothesis of geostatistics, with the consequence that the calculated empirical semivariogram was not suitable for the characterization of the second moment of the random function for SOM content. To overcome this difficulty regression kriging was applied as a spatial prediction algorithm that combines regression of the dependent variable on auxiliary variables with kriging of the regression residuals.The auxiliary data were derived from the Digital Elevation Model (DEM) and from the land use map of the study area. To avoid the multicollinearity of the auxiliary data, principal component analysis was performed. In the course of Multiple Linear Regression Analysis (MLRA) six predictors were found to be significant at the 0.05 significance level. The R² value of the model was 0.54, which showed that the regression model explained 54% of the total variability of the SOM data. An empirical semivariogram satisfying the intrinsic hypothesis was then calculated for the regression residuals. This allowed a theoretical model to be fitted to the semivariogram. Regression kriging was then possible using the regression function and the theoretical semivariogram model.The accuracy of the humus content map obtained from the spatial prediction was tested using data from 15 independent (control) points. The values of Mean Error (ME), Root Mean Square Error (RMSE) and Root Mean Normalized Square Error (RMNSE) were calculated as 0.063, 0.224 and 0.978, respectively. It could be concluded from the results that the organic matter map gave a good approximation of the expected spatial distribution of humus content on the sample area. Further tests were performed to determine how the categories on the humus map corresponded to land use types. Most of the areas in the lowest SOM category were found to be arable land, which could be explained by the artificially accelerated mineralisation of the organic matter and by the water erosion threatening these areas.

Actions (login required)

Edit Item