Home About Browse Search
Svenska


Digital soil mapping for modelling of transport pathways for pesticides to surface water

Piikki, Kristin and Söderström, Mats and Wetterlind, Johanna and Stenberg, Bo and Jarvis, Nicholas (2015). Digital soil mapping for modelling of transport pathways for pesticides to surface water. Skara: (NL, NJ) > Dept. of Soil Sciences > Div. of Precision Agriculture, Sveriges lantbruksuniversitet. Teknisk rapport (Precisionsodling Sverige, Institutionen för mark och miljö, Sveriges lantbruksuniversitet) ; 35
[Report]

[img]
Preview
PDF
1MB

Abstract

Detailed spatial information of soil texture and SOM content are needed for the modelling of pesticide fate. As part of the SLF project Transport pathways for pesticides to surface water (SLFH1133108) such maps were derived for three depth layers of the soil profile in two sub-catchments with a total area of 450 ha. Data from proximal sensor measurements were combined with national datasets (a digital elevation model and a Quaternary deposit map) and calibrated against soil sample data. Different modelling strategies were tested and the best strategy for each layer was selected for production of the final maps. For topsoil texture, Marsplines modelling with a reduced number of covariables gave the best results (the final models included topographic variables and gamma radiation). In the upper subsoil, the texture was best predicted by an empirical relationship to the topsoil predictions. This is not surprising since the number of calibration samples in the subsoil was very small (n = 18) compared to the number of calibration samples (n = 85). In the deep subsoil, the best strategy was again to use Marsplines modelling with a reduced number of covariables. The SOM content in the topsoil and was mapped by Marsplines modelling using a limited number of predictors and allowing interactions. In the subsoil, however, all soil samples but one had SOM < 3 % and the entire area was classified as as SOM class u. Organic soils according to the SGU QD map (peat areas) were not included in the mapping. Instead they were directly assigned as SOM class t and the texture was not determined.

Authors/Creators:Piikki, Kristin and Söderström, Mats and Wetterlind, Johanna and Stenberg, Bo and Jarvis, Nicholas
Title:Digital soil mapping for modelling of transport pathways for pesticides to surface water
Alternative abstract:
LanguageAbstract
Swedish

Det som redovisas i den här rapporten utgör den första delen av projektet Spridningsvägar för kemiska bekämpningsmedel till ytvatten (SLFH1133108), som finansieras Stiftelsen Lantbruksforskning. Syftet är att ta fram detaljerade digitala kartor över textur (ler- och sandhalt) och mullhalt i matjord och alv. De framtagna kartorna skall sedan användas för rumslig modellering av trasportvägar för olika typer av bekämpningsmedel från åkermark till ytvatten.
Digital markkartering
Kartorna gjordes enligt de principer för digital markkartering som beskrivs av McBratney et al. (2003). Tekniken att fusionera data från sensorer med olika djuprespons beskrivs mer detaljerat av Piikki et al. (2013; 2015). En rapport som mer detaljerat beskriver 3-D-karteringen av de två utvalda delavrinningsområdena i E21 finns att läsa här.
Högupplösta bakgrundsdata
Högupplösta textur- och mullhaltskartor togs fram för för tre djup i markprofilen. Vi använde tre olika typer av proximala marksensorer (Figur 3) i kombination med en kvartärgeologisk karta (Sveriges geologiska undersökning) och och en laserskannad höjdmodell (Lantmäteriet).
Jordprover
I matjorden togs 84 jordprover och i alven togs 18 prover. Dessa analyserades för textur (sedimentationsmetoden) och mullhalt (glödförlustmetoden) på Institutionen för mark-och miljö vid Sveriges lantbruksuniversitet.
Karterade markegenskaper
Vi tog fram kartor för tre olika djup: matjorden (0-0.2 m djup), övre delen av alven (0.2-0.45 m djup) och den djupa alven (0.45-0.7 m djup). De markegenskaper som karterades var lerhalt (partikelstorlek < 2 µm, Figur 2), sandhalt (partikelstorlek 0.2 - 2 mm) och mullhalt. Mullhalten delades in i fyra klasser: låg (u: < 3 % mull), mellan (n: 3 - 5 % mull), hög (h: ≤5 % mull) samt torvjordar (t).
Modellering
Olika modelleringsstrategier testades och den strategi som fungerade bäst för varje markegenskap och djupintervall användes för att ta fram de slutliga kartorna. Den bästa metoden var i samtliga fall att ta fram kartornagenom Marsplines-modellering (Hastie et al., 2009).
Validering
Genom att undanhålla ett jordprov i taget och ta fram nya kartor (s.k. korsvalidering) kunde vi få ett mått på hur bra karteringsmetoden fungerar. Absolut medelfel och andel korrekt klassificerade mullhalter redovisas i Figur 5 och Figur 7.
Beskrivning av området
Karteringen visar att det är stor variation i både textur och mullhalt i de karterade delavrinningsområdena. I jordproven varierade lerhalten mellan 5 % och 52 % i matjorden. I vissa områden, men inte överallt, ökade lerhalten något neråt i markprofilen. Mullhalten varierade från låg till rena torvjordar. I de områden som inte klassificerades som torvjord var mullhalten i alven genomgående låg. Området är kuperat.

Series/Journal:Teknisk rapport (Precisionsodling Sverige, Institutionen för mark och miljö, Sveriges lantbruksuniversitet) (1652-2826)
Year of publishing :20 August 2015
Depositing date:20 August 2015
Number:35
Number of Pages:23
Place of Publication:Skara
Publisher:Department of Soil and Environment, Swedish University of Agricultural Scienes
Associated Programs and Other Stakeholders:SLU - Research Areas for the Future > Future Agriculture
ISSN:1652-2826
Language:English
Publication Type:Report
Full Text Status:Public
Agris subject categories.:P Natural resources > P30 Soil science and management
P Natural resources > P31 Soil surveys and mapping
Subjects:(A) Swedish standard research categories 2011 > 2 Engineering and Technology > 202 Electrical Engineering, Electronic Engineering, Information Engineering > Communication Systems
(A) Swedish standard research categories 2011 > 2 Engineering and Technology > 202 Electrical Engineering, Electronic Engineering, Information Engineering > Other Electrical Engineering, Electronic Engineering, Information Engineering
(A) Swedish standard research categories 2011 > 4 Agricultural Sciences > 401 Agricultural, Forestry and Fisheries > Horticulture
(A) Swedish standard research categories 2011 > 4 Agricultural Sciences > 401 Agricultural, Forestry and Fisheries > Soil Science
Agrovoc terms:precision agriculture, cartography, pesticides, leaching, soil analysis
Keywords:precision agriculture, markkartering, digital jordartskarta, pesticidläckage
URN:NBN:urn:nbn:se:slu:epsilon-e-2850
Permanent URL:
http://urn.kb.se/resolve?urn=urn:nbn:se:slu:epsilon-e-2850
ID Code:12508
Faculty:NJ - Fakulteten för naturresurser och jordbruksvetenskap
Department:(NL, NJ) > Dept. of Soil Sciences > Div. of Precision Agriculture
External funders:Stiftelsen Lantbruksforskning
Deposited By: Christina Lundström
Deposited On:20 Aug 2015 13:24
Metadata Last Modified:25 Aug 2015 12:50

Repository Staff Only: item control page

Downloads

Downloads per year (since September 2012)

View more statistics

Downloads
Hits