Title data
Jeong, Gwanyong:
Digital Soil Mapping for Functional Analysis of Site Characteristics in Complex Terrain.
Bayreuth
,
2016
. - XVIII, 141 P.
(
Doctoral thesis,
2016
, University of Bayreuth, Bayreuther Graduiertenschule für Mathematik und Naturwissenschaften - BayNAT)
|
|||||||||
Download (5MB)
|
Abstract
Information on soils such as nutrient availability is essential for sustainable mountain ecosystem management. Heterogeneous soil nutrients might determine growth, distribution, and diversity of plants. Therefore, spatial patterns of soil nutrients should be investigated in mountainous areas. Digital soil mapping (soil landscape modelling) was used for important chemical soil parameters in the Soyang lake watershed, South Korea. Specific purposes are: (1) to develop maps of soil nutrients for ecological land potential assessment, (2) to investigate spatial patterns of various phosphorus (P) fractions, and (3) to predict nitrogen (N) to P ratios in the topsoil layer. Firstly, vegetation indices had the highest predictive power for soil nutrients. Using selected instead of all predictors via recursive feature elimination (RFE) improved prediction results considerably. Random forest (RF) showed the best performance compared to support vector regression (SVR) and generalized additive models (GAM). Cluster analysis identified four land potential classes: fertile, medium and unfertile with an additional class dominated by high phosphorus and low carbon and nitrogen contents due to human impact. This study provides an effective approach to map ecological land potentials for sustainable mountain ecosystem management. Secondly, surface curvature and elevation were important predictors for all P fractions. The concentrations of all P fractions changed with surface curvature and elevation. Higher values of most P fractions were found at the lower slope due to soil erosion. Especially, organic P was enriched at the lower slope, while the relative portion of residual P fractions was largest at the upper slope. Finally, surface curvature was selected as an important predictor for P contents in organic and mineral A horizons. LiDAR derived vegetation predictors and normalized difference vegetation index (NDVI) strongly contributed to model N in the organic layer. N to P ratios in the organic and mineral A horizons showed higher values at convex upper slopes and increased with surface curvature. This implies that spatial patterns of P and N in a mountainous catchment with steep slopes under monsoon conditions are mainly controlled by topography. In this thesis, various methods (e.g. predictor selection and importance, uncertainty assessment, and LiDAR analysis) were applied to digital soil mapping. Important environmental predictors and processes related to spatial patterns of soil nutrients were investigated. Based on our results, it is possible to better understand soil nutrient dynamics in landscapes and identify sensitive areas under environmental changes (e.g. areas with high nitrogen deposition).
Abstract in another language
Informationen über Böden, insbesondere deren Nährstoffverfügbarkeit, sin notwendig für ein nachhaltiges Management von Gebirgslandschaften. Die räumliche Verteilung der Bodennährstoffe hat hierbei oft einen großen Einfluss auf Wachstum, Verteilung und Diversität der Pflanzen. Der Erfassung der Raummuster von Bodennährstoffen in Berglandschaften kommt damit eine große Bedeutung zu. Methoden der digitalen Bodenkartierung (Bodenlandschaftmodellierung) wurden im Soyang-Einzugsgebiet auf wichtige chemische Bodenparameter angewandt. Die spezifischen Ziele sind: (1) die Bereitstellung von Karten von Bodennährstoffen zur Beurteilung der Bodenfruchtbarkeit, (2) die Analyse der Raummuster der verschiedenen Phosphorfraktionen, (3) die flächige Vorhersage der N:P-Verhältnisse im Oberboden. Es zeigte sich, dass Vegetationsindizes die beste Vorhersagegüte für Bodennährstoffe aufwiesen. Die Einschränkung auf ausgewählte Prädiktoren mit dem „recursive feature elimination“-Algorithmus (RFE) verbesserte die Vorhersagen deutlich im Vergleich zur Vorhersage mit allen Prädiktoren. Random Forest zeigte hierbei die beste Vorhersageleistung im Vergleich zu den anderen benutzten Methoden (support vector regression (SVR) und generalized additive models (GAM)). Anhand von Clusteranalysen konnten vier Klassen von Standortspotentialen unterschieden werden: fruchtbar, mittel und unfruchtbar und eine zusätzliche Klasse mit hohen Phosphorgehalten, sowie niedrigen Kohlenstoff- und Stickstoffgehalten als Folge anthropogener Einflüsse. Insgesamt stellt diese Arbeit einen Beitrag zur Kartierung ökologischer Standortspotentiale und zum nachhaltigen Management von Bergökosystemen dar. Zweitens, Oberflächenkrümmung und Höhe waren wichtige Prädiktoren für alle Phosphorfraktionen. Die Konzentrationen aller Phosphorfraktionen änderten sich mit der Oberflächenkrümmung und der Höhe. Als Folge der Bodenerosion wurden am Unterhang oft erhöhte Werte der meisten Phosphorfraktionen gefunden. Besonders der organisch gebundene Phosphor war am Unterhang angereichert, während die relativen Anteile der restlichen Phosphorfraktionen an der oberen Hangseite am höchsten waren. Schließlich wurde die Oberflächenkrümmung als eine wichtige Vorhersagevariable für Phosphorgehalte in organischen und mineralischen A-Horizonten identifiziert. LiDAR basierte Vegetationsparameter und NDVI (normalized difference vegetation index) waren wesentliche Prädiktoren für die Modellierung von N in der organischen Auflage. Die N:P-Verhältnisse in organischen Auflagen und A-Horizonten zeigten höhere Werte an konvexen Oberhängen und nahmen mit der Oberflächenkrümmung zu. Das bedeutet, dass in einem gebirgigen Einzugsgebiet mit steilen Hängen unter Monsoonklima die Raummuster von Phosphor und Stickstoff hauptsächlich durch die Topografie kontrolliert werden. In dieser Arbeit wurden unterschiedliche Methoden (z.B. Prädiktor-Selektion und -Relevanz, Unschärfeanalysen) und Analysen von LiDAR-Daten für digitale Bodenkarten angewandt. Wichtige ökologische Parameter und Prozesse wurden hinsichtlich ihrer Bedeutung für die räumliche Verteilung von Bodennährstoffen in der Landschaft analysiert. Letztlich kann man hiermit auch die Mechanismen der Nährstoffdynamik in Landschaften besser verstehen und sensitive Bereiche bei veränderten Umweltbedingungen identifizieren (z.B. Flächen mit hoher Stickstoff-Deposition).