Prediction models of soil organic carbon and bulk density of arable mineral soils
Laen...
Kuupäev
2016
Kättesaadav alates
Autorid
Ajakirja pealkiri
Ajakirja ISSN
Köite pealkiri
Kirjastaja
Eesti Maaülikool
Abstrakt
Measuring soil properties is often not reasonable and financially possible. Therefore, prediction of soil properties is used more frequently by pedotransfer functions and predictive models. Legacy soil data can be used for predictive modelling, e.g., soil monitoring data, soil map. Soil organic carbon (SOC) concentration and bulk density are important indicators of soil quality and they are also necessary for SOC stock calculation.
The aim of the thesis was to develop prediction models to predict SOC and soil bulk density in the humus horizon of Estonian arable soils from other more easily measured and available soil properties. The prediction quality between the grey-box models (multiple linear regression, median approach, linear mixed model) and a black-box model (random forests) was compared. It was important that the predictor variables were compatible with the Estonian large-scale Soil Map. Additionally, SOC stock was calculated based on predicted SOC and bulk density values.
The highest prediction accuracy was for the linear mixed-model-predicted SOC (%) and bulk density (RMSE 0,22% and 0,09 g cm-3). Higher prediction accuracy can be expected as the competitor models did not incorporate any nested structure: transects are nested within plots, which are again nested within sites. Mixed model-based kriging for SOC concentration had a very modest gain in prediction accuracy. The best prediction accuracy for SOC stock was achieved by the mixed model-predicted values (RMSE 7 t C ha-1) compared to linear regression and median approach. The results were implemented into Estonian Soil Map in a specific area of Tartu County. Average estimated SOC stock of mineral arable soils in Tartu County is 54,8 t C ha-1 and total topsoil SOC stock 1,8 Mt. The methodology outlined in this thesis is general and applicable to situations with more candidate models in similar data structures renewing legacy soil data and using it efficiently addressing current scientific and practical soil use questions.
Alati ei ole otstarbekas ega majanduslikult võimalik kõiki mulla näitajad otseselt mõõta. Seetõttu kasutatakse mulla näitajate leidmiseks üha sagedamini seosefunktsioone ja prognoosimudeleid. Nende koostamiseks saab kasutada mulla pärandandmeid mullaseirest ja mullastiku kaardistamisest. Mulla orgaanilise süsiniku sisaldus ja lasuvustihedus on olulised mulla kvaliteedi näitajad ning neid on vaja ka mulla süsinikuvaru arvutamiseks. Doktoritöö eesmärk oli välja töötada metoodika, mille abil prognoosida põllumuldade huumushorisondi orgaanilise süsiniku sisaldust ja lasuvustihedust lihtsamini mõõdetavate ja kättesaadavamate näitajate põhjal. Võrreldi erinevate mudelite (mediaanväärtuste, lineaarse regressiooni, segamudeli) ja masinõppe algoritmiga (juhumets) saadud tulemusi. Samuti oli tähtis, et mudelid ühilduksid Eesti suuremõõtkavalise mullastikukaardiga. Ühtlasi hinnati mudelite põhjal arvutatud süsinikuvaru. Täpseima prognoosiga olid nii orgaanilise süsiniku kui ka lasuvustiheduse puhul segamudeli prognoosid (RMSE 0,22% ja 0,09 g cm-3). Segamudeli eelis teiste lineaarsete meetodite ees oli korduvmõõtmistega arvestamine, sest mullaseire andmestik oli hierarhilise struktuuriga: igal vaatlusväljakul oli neli paralleelset transekti kümne vaatluslapiga. Segamudeli ja krigingu kasutamine ruumilise varieeruvuse arvestamiseks parandas vähesel määral orgaanilise süsiniku prognoositäpsus. Segamudeli abil arvutatud süsinikuvaru oli Tartumaa mineraalsete põllumuldade näitel väiksema ruutkeskmise veaga (7 t C ha-1) võrreldes lineaarse regressiooni ja mediaanipõhise prognoosiga. Tulemused esitati teemakaardina Tartu maakonna süsinikuvarude kohta, mis on keskmiselt mineraalsetel põllumuldadel 54,8 t C ha-1 ja kokku 1,8 Mt. Välja töötatud metoodika on rakendatav ka rohkemate kandidaatmudelite puhul sarnase struktuuriga mullaandmestikes ning aitab pärandandmeid väärtustades leida vastuseid nii teaduslikele kui praktilistele mullaalastele küsimustele.
Alati ei ole otstarbekas ega majanduslikult võimalik kõiki mulla näitajad otseselt mõõta. Seetõttu kasutatakse mulla näitajate leidmiseks üha sagedamini seosefunktsioone ja prognoosimudeleid. Nende koostamiseks saab kasutada mulla pärandandmeid mullaseirest ja mullastiku kaardistamisest. Mulla orgaanilise süsiniku sisaldus ja lasuvustihedus on olulised mulla kvaliteedi näitajad ning neid on vaja ka mulla süsinikuvaru arvutamiseks. Doktoritöö eesmärk oli välja töötada metoodika, mille abil prognoosida põllumuldade huumushorisondi orgaanilise süsiniku sisaldust ja lasuvustihedust lihtsamini mõõdetavate ja kättesaadavamate näitajate põhjal. Võrreldi erinevate mudelite (mediaanväärtuste, lineaarse regressiooni, segamudeli) ja masinõppe algoritmiga (juhumets) saadud tulemusi. Samuti oli tähtis, et mudelid ühilduksid Eesti suuremõõtkavalise mullastikukaardiga. Ühtlasi hinnati mudelite põhjal arvutatud süsinikuvaru. Täpseima prognoosiga olid nii orgaanilise süsiniku kui ka lasuvustiheduse puhul segamudeli prognoosid (RMSE 0,22% ja 0,09 g cm-3). Segamudeli eelis teiste lineaarsete meetodite ees oli korduvmõõtmistega arvestamine, sest mullaseire andmestik oli hierarhilise struktuuriga: igal vaatlusväljakul oli neli paralleelset transekti kümne vaatluslapiga. Segamudeli ja krigingu kasutamine ruumilise varieeruvuse arvestamiseks parandas vähesel määral orgaanilise süsiniku prognoositäpsus. Segamudeli abil arvutatud süsinikuvaru oli Tartumaa mineraalsete põllumuldade näitel väiksema ruutkeskmise veaga (7 t C ha-1) võrreldes lineaarse regressiooni ja mediaanipõhise prognoosiga. Tulemused esitati teemakaardina Tartu maakonna süsinikuvarude kohta, mis on keskmiselt mineraalsetel põllumuldadel 54,8 t C ha-1 ja kokku 1,8 Mt. Välja töötatud metoodika on rakendatav ka rohkemate kandidaatmudelite puhul sarnase struktuuriga mullaandmestikes ning aitab pärandandmeid väärtustades leida vastuseid nii teaduslikele kui praktilistele mullaalastele küsimustele.
Kirjeldus
Märksõnad
põllumullad, mullaanalüüs, mulla omadused, süsinik, prognoosmudelid, Eesti, dissertatsioonid