A new version of this entry is available:
Loading...
Doctoral Thesis
2014
Development of MidDRIFTS methodologies to support mapping of physico-chemical soil properties at the regional scale
Development of MidDRIFTS methodologies to support mapping of physico-chemical soil properties at the regional scale
Abstract (English)
Changing climate conditions and land-use change severely affect key ecosystem processes in soils. Hence, regular monitoring of essential soil properties are required to implement appropriate soil management in agro-ecosystems. However characterizing soil properties at different spatial scales remains challenging, requiring a large amount of geo-referenced data by intensive sampling. Mid-infrared diffuse reflectance infrared Fourier transform spectroscopy (midDRIFTS) in combination with partial least square regression (PLSR) was applied as a rapid-throughput method to quantify soil properties and to assess soil spatial patterns at the regional scale in two agro-ecological areas.
A pre-sampling at the regional scale was done to develop the most efficient midDRIFTS-PLSR prediction models by testing two different calibration procedures, i.e. cross-validation and independent validation, to quantify essential soil properties with 126 sample points. A generic MidDRIFTS-PLSR prediction model was developed to predict most soil properties of “unknown” samples accurately using independent validation approach. The next step was the integration of midDRIFTS-PLSR with geostatistics to facilitate regional soil property mapping. Developed midDRIFTS-PLSR models were used to predict TC, TIC, TOC and soil texture contents (clay, silt and sand) of the 1170 soil samples. The midDRIFTS-PLSR models accurately predicted all soil properties. Furthermore, the integration of midDRIFTS-PLSR-based predicted data with geostatisitcs resulted in high resolution maps of soil carbon and texture at the regional scale which are an improvement over the existing maps. As a further development of midDRIFTS approaches for soil quality assessment, spectral-based indexes for characterizing SOM quality and quantifying carbonate at regional scale were explored. MidDRIFTS peak areas corresponding to SOM functional groups (2930, 1620, 1520 and 1159 cm-1) were assessed to study the composition of SOM. The peak assigned for aliphatic C-H bond (2930 cm-1) was an appropriate index to investigate SOM fractions if the interference of carbonates was taken into consideration. Regression performance obtained between the peak at 2930 cm-1 and SOM fractions (e.g., R2 = 0.31 for Cmic) increased to R2 = 0.65 when high carbonate containing samples (total inorganic carbon > 1%) were excluded. The most accurate spectral index for carbonate was the peak area at 713 cm-1 when relating to TIC obtained by Scheiblers method (R2 = 0.98).
In conclusion, it was demonstrated that midDRIFTS-PLSR is a rapid-throughput method for providing high-quality predictions of soil properties to update regional digital soil property mapping by integration with geostatistics. It opens a new possibility to gain high resolution data coverage of soil C and N pools, which is relevant for the application of SOM simulation models on a regional scale. However, to up-scale the approach for extended geographical areas, further efforts are needed to establish a national level spectral library by considering standardization of sampling, analytical reference analyses and midDRIFT spectroscopy techniques.
Abstract (German)
Veränderte klimatischen Bedingungen und Änderungen in der Landnutzung üben einen erheblichen Einfluss auf ökologische Prozesse in Böden aus. Aus diesem Grund ist eine regelmäßige Überprüfung wichtiger Bodeneigenschaften notwendig um nachhaltige Bearbeitungs- und Pflegemaßnahmen in Agrarökosystemen empfehlen zu können. Eine Charakterisierung von Bodeneigenschaften auf verschiedenen räumlichen Skalen ist jedoch weiterhin schwierig da sie eine intensive GPS-referenzierte Probenentnahme voraussetzt. Die diffuse Reflexions-Fouriertransformations-Infrarotspektroskopie im mittleren Infrarotbereich (midDRIFTS) in Kombination mit Partial Least Square Regression (PLSR) wurde als schnelles Durchsatzverfahren angewendet, um Bodeneigenschaften zu quantifizieren und räumliche Muster auf regionaler Ebene zu beurteilen.
Im ersten Teil dieser Studie wurde eine Probenentnahme auf regionaler Ebene durchgeführt um das effizienteste midDRIFTS-PLSR Prognosemodel zu erstellen. Zwei Kalibrationsansätze, (1) die Kreuzvalidierung und (2) die Kalibration mit unabhängiger Validierung wurden auf die Möglichkeit untersucht um mit 126 Abtastpunkten wesentliche Bodeneigenschaften zu quantifizieren. Insgesamt war das unabhängig validierte Model der robustere Ansatz für die Vorhersage der Eigenschaften „unbekannter“ Proben. Der zweite Schritt dieser Arbeit war die Integration des midDRIFT-PLSR Models in geostatistische Modelle, um die räumliche Analyse und regionale Bodenkartierung zu erleichtern. Im Anschluss wurde das midDRFIFT-PLSR (GIC) Model angewandt um TC, TIC, TOC und Korngrößenverteilung (Ton, Schluff, Sand) der 1170 Proben zu bestimmen. Die midDRIFT-PLSR Modelle sagten alle Bodeneigenschaften mit ausreichender Genauigkeit vorher. Im Gegensatz dazu stellt midDRIFTS-PLSR qualitativ hochwertige Daten für die Integration in geostatistische Verfahren der C- und Texturkartierung auf regionaler Ebene zur Verfügung, die eine deutliche Verbesserung gegenüber existierender Bodenkarten darstellen. In einem weiteren Schritt wurde die Weiterentwicklung des midDRIFT Ansatzes im Hinblick auf die Untersuchung der Bodenqualität an Hand spektral-basierter Indizes für die Charakterisierung der SOM Qualität und der C-Quantifizierung auf regionaler Ebene untersucht. Peak-Bereiche von midDRIFTS die mit funktionellen Gruppen der SOM übereinstimmen (2930, 1620, 1520 and 1159 cm-1) wurden untersucht um die Zusammensetzung der SOM zu bestimmen. Der Peak welcher der aliphatischen C-H Bindung (2930 cm-1) zugewiesen wird, war ein zuverlässiger Index um SOM-Fraktionen zu charakterisieren sofern der Carbonatanteil der Böden in Betracht gezogen wurde. Das Bestimmtheitsmaß der Regressionsanalyse zwischen den Peaks bei 2930 cm-1 und den SOM Fraktionen (z.B., R2 = 0.31 for Cmic) erhöhte sich auf R2 = 0.65 wenn carbonathaltige Proben von der Regressionsanalyse ausgeschlossen wurden. Der genaueste Spektral-Index für Carbonat mit Bezug zu TIC nach Scheibler (R2 = 0.98) war der Peak bei 713 cm-1.
Die Ergebnisse zeigen die Möglichkeiten der Anwendung von midDRIFT-Spektral-Indizes als Indikatoren für SOM Qualität und Zusammensetzung, sowie der Quantifizierung der TIC Gehalte. Diese Studie zeigte, dass midDRIFT-PLSR eine Hochdurchsatzmethode für die Erstellung qualitativ hochwertiger Vorhersagen zu Bodeneigenschaften ist, die ein schnelles und genaues Verfahren zur digitalen Bodenkartierung durch geostatistische Verfahren ermöglicht. Das Verfahren eröffnet neue Perspektiven in Hinblick auf die Erstellung kompletter Datensätze zu C und N pools im Boden. Dies ist für die Kalibrierung und Anwendung computergestützter SOM Modelle auf regionaler Ebene von größter Bedeutung. Um diesen Ansatz auf größere Regionen auszuweiten sind jedoch Untersuchungen notwendig um durch die Standardisierung der Probennahme, der analytischen Bestimmungen und der midDRIFT-Spektroskopie Techniken eine nationale Spektral-Bibliothek zu erstellen.
File is subject to an embargo until
This is a correction to:
A correction to this entry is available:
This is a new version of:
Notes
Publication license
Publication series
Published in
Faculty
Faculty of Agricultural Sciences
Institute
Institute of Crop Science
Examination date
2014-09-29
Supervisor
Edition / version
Citation
Identification
DOI
ISSN
ISBN
Language
English
Publisher
Publisher place
Classification (DDC)
630 Agriculture
Collections
Original object
Free keywords
Standardized keywords (GND)
BibTeX
@phdthesis{Mirzaeitalarposhti2014,
url = {https://hohpublica.uni-hohenheim.de/handle/123456789/5862},
author = {Mirzaeitalarposhti, Reza},
title = {Development of MidDRIFTS methodologies to support mapping of physico-chemical soil properties at the regional scale},
year = {2014},
school = {Universität Hohenheim},
}