...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Archiv fuer Naturschutz und Landschaftsforschung >Regionalisierung von Bodendaten für Deutschland - Datenbasis, Zielgrößen und Modellgüte am Beispiel zweier Testgebiete
【24h】

Regionalisierung von Bodendaten für Deutschland - Datenbasis, Zielgrößen und Modellgüte am Beispiel zweier Testgebiete

机译：德国土壤数据的区域化-以两个测试区域为例的数据库，目标值和模型质量

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In a project of the German "Waldklimafonds", on the basis of soil data from the Forest Soil Inventory (FSI) as well as information from other soil profiles, stochastic downscaling models have been parameterized in order to assess those soil information at the grid points of the National Forest Inventory (NFI) where soil data have not been measured. This transfer provides not only assessments of soil data at the sampling points of NFI rather than assessments errors which allows to parameterize climate sensitive growth models. The "point to area" transfer is performed by classical regression techniques (OLS, Regression Kriging) or, alternatively by Random Forest models and Boosted Regression Trees - the more performant model being identified by split validation with an independent sub-dataset. The data basis for that procedure are measurements and semi-quantitative soil profile descriptions from FSI, other project data and from the site classing system. The regionalization of 13 target variables (coarse soil fraction, bulk density, %Sand, %Silt, % Clay, soil development depth, nFK, Hydromorphy, C-content, C/N-ratio, base saturation, Cation exchange capacity, pH_(KCl)) is performed in 1-2 soil depths which sums-up to 25 regionalization models in 8 soil regions of the statewide soil map (1:100.000). Individual parameter sets have been identified for the 8 soil regions respectively. So the individual relation to regional landscape characteristics is maximized and thus model performance. This contribution gives an overview on the German-wide evaluation structure, but is mainly restricted to the first test region "Prealpine hills and limestone Alps" for methodological details. The following could be shown: 1. That an objective and sensible delineation of regionalization regions is possible on the basis of the spatial variability of target variables according growth regions. 2. Regionalization models with acceptable error budget can be identified for the whole nation, even if data quality varies substantially among the federal states. 3. The effect of data quality on model performance could be quantified. Regionalization models for soil data normally explain ca. 50-80 % of the parameter variability - except of few parameters where the random, not landscape-related variability is high. Model residuals are randomly distributed and display no auto-correlation in space.%Im Rahmen eines Waldklimafonds-Projektes werden auf Basis von Daten der Bodenzustandserfassung im Wald (BZE) und zusätzlichen Bodenprofilen Bodendaten auf die Traktecken der Bundeswaldinventur (BWI) so übertragen, dass nicht nur die Schätzdaten für die Parametrisierung klimasensitiver Wachstumsmodelle verfügbar, sondern auch deren Fehler abgeschätzt werden. Auf der Basis einer unabhängigen Validierung werden klassische Regressionstechniken (OLS, Regression-Kriging) alternativ zu Random-Forests-und BRT-Modellen getestet. Die Beobachtungsdatenbasis für die Modellbildung stammt aus den Messungen und Bodenbeschreibungen der BZE, anderen Projektdaten und der Forstlichen Standortskartierung. Die Regionalisierung von 13 Zielgrößen (Skelettgehalt, Trockenrohdichte, %Sand, %Schluff, %Ton, Gründigkeit, nFK, Hydromorphie, C-Ge-halt, C/N-Verhältnis, Basensättigung, effektive Kationen Austauschkapazität, pH_(KCl)) wird in 1-2 Bodentiefen durchgeführt, was je 25 Regionalisierungsmodelle in 8 aggregierten Bodengroßlandschaften der BÜK1000 ergibt. Für die Modellanwendung werden individuell für die Charakteristika dieser Straten angepasste Prädiktorensets identifiziert und so die Erklärungsgüte der Modelle maximiert. Dieser Beitrag gibt einen Überblick über die bundesweite Auswertungsstruktur, beschränkt sich für methodische Details und Ergebnisse aber hauptsächlich auf die Region Alpenvorland und Nördliche Kalkalpen. Dabei wird gezeigt: 1. dass eine objektive Abgrenzung von Regionali-sierungsregionen anhand der naturräumlichen Variabilität der Zielvariablen innerhalb und zwischen Regionen 2. sowie eine länderübergreifende Regionalisierung trotz unterschiedlicher Datenqualitäten in den Ländern mit vertretbarem Fehlerrahmen möglich ist, 3. und die Auswirkung unterschiedlicher Datenqualitäten auf das Regionalisierungsergebnis quantifiziert werden kann. Bisherige Regionalisierungen von Bodendaten haben gezeigt, dass der Anteil der erklärten Parametervarianz zwischen ca. 50 und 80% zu erwarten ist, dass die Residuen zufällig verteilt und nicht räumlich autokorreliert sind.
机译：在德国“ Waldklimafonds”的一个项目中，基于森林土壤清单（FSI）的土壤数据以及其他土壤剖面的信息，对随机缩减模型进行了参数设置，以便评估网格点处的土壤信息尚未测量土壤数据的国家森林清单（NFI）。这种转移不仅提供了对NFI采样点土壤数据的评估，而且还提供了评估误差，该误差允许对气候敏感的增长模型进行参数化。 “点对区域”转移是通过经典回归技术（OLS，回归克里金法）执行的，或者通过随机森林模型和增强回归树进行的-性能更高的模型通过具有独立子数据集的拆分验证来确定。该程序的数据基础是来自FSI，其他项目数据和站点分类系统的测量值和半定量土壤剖面描述。 13个目标变量的区域化（粗土分数，堆积密度，％砂，％淤泥，％粘土，土壤发育深度，nFK，水形态，C含量，C / N比，碱饱和度，阳离子交换容量，pH_（ KCl））是在1-2个土壤深度中执行的，总计在全州土壤图（1：100.000）的8个土壤区域中总计有25个区域化模型。分别为8个土壤区域确定了单独的参数集。因此，与区域景观特征的个体关系被最大化，从而建立了模型性能。该文稿概述了整个德国的评估结构，但主要限于方法上的第一个测试区域“ Prealpine山丘和石灰岩阿尔卑斯山”。可以显示以下内容：1.根据目标变量根据增长区域的空间变异性，可以客观合理地划定区域划分区域。 2.即使联邦各州之间的数据质量差异很大，也可以为整个国家确定误差预算可接受的区域化模型。 3.可以量化数据质量对模型性能的影响。土壤数据的区域化模型通常可以解释ca。 50％到80％的参数可变性-少数几个参数是随机的，与景观无关的可变性很高。模型残差是随机分布的，并且在空间中不显示自相关。 Nach dieSchätzdatenfürdie Parametrisierung klimasensitiver Wachstumsmodelleverfügbar，儿子auch deren Fehlerabgeschätztwerden。基础知识的有效替代（OLS，Regression-Kriging）替代林和BRT模型的最佳方法。 BZE的中型，中型和中型建筑的设计，制造和制造的基础设施，以及Prostktdaten和Forstlichen Standortskartierung的设计。 Die Regionalisierung von 13Zielgrößen（Skelettgehalt，Trockenrohdichte，％Sand，％Schluff，％Ton，Gründigkeit，nFK，Hydromorphie，C-Ge-halt，C /N-Verhältnis，Basensättigung，有效的Kationen Austauschkapazit） 1-2 Bodentiefendurchgeführt，是第8区域BodengroßlandschaftenderBÜK1000区域中的25个区域性模型。模型的独特性和角色的独特性以及最大的模型的可识别性。 Dieser Beitrag gibt einenÜberblicküberdie Bundesweite Auswertungsstruktur，beschränktsichfürmethodische详细信息和区域Erpenbnisse aberhauptsächlichauf die Region地区Alpenvorland和NördlicheKalkalpen。大北wird gezeigt：1. DASS EINE objektive Abgrenzung冯Regionali-sierungsregionen anhand DERnaturräumlichenVariabilitätDER Zielvariablen innerhalb UND zwischen Regionen 2. sowie EINEländerübergreifendeRegionalisierung trotz unterschiedlicherDatenqualitäten在巢穴LändernMIT vertretbarem FehlerrahmenmöglichIST，3. UND模具Auswirkung unterschiedlicherDatenqualitätenAUF das Regionalisierungsergebnis定量werden kann。 Bisherige Regionalisierungen von Bodendaten haben gezeigt，Dantes der Anteil dererklärtenParametervarianz zwischen ca. 50％和80％的维护者因犯罪而丧失合法性和权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号