Deriving regional pedotransfer functions to estimate soil bulk density in Austria Cover

.blurhash-client-img { display: none !important; }

Deriving regional pedotransfer functions to estimate soil bulk density in Austria

Die Bodenkultur: Journal of Land Management, Food and Environment

Volume 71 (2020): Issue 4 (December 2020)

By: Cecilie Foldal, Robert Jandl, Andreas Bohner and Ambros Berger

Open Access

|May 2021

Figures & Tables

Measured soil bulk densities from cropland (star), forest (triangle) and grassland (squares) soils versus A) soil organic content and B) squared root of soil organic carbonAbbildung 1. gemessene Bodenlagerungsdichten von Acker- (Sterne), Wald- (Triangel) und Grünlandböden (Quadrate) versus A) gemessenen organischen Bodenkohlenstoff und B) Wurzel des organischen Bodenkohlenstoffs

Residuals versus predicted soil bulk densities (BD) with regression line (dashed) and lowest smoothing line (solid) of A) all data, B) cropland, C) forest and D) grassland sites.Abbildung 2. Die Residuen versus modellierten Bodenlagerungsdichten (BD) mit der lineare Regressionsline (gestrichelt) und LOWESS-Spline-Linie (durchgezogen) von A) ‚alle Daten‘, B) Ackerböden, C) Wald- und D) Grünlandböden.

Histograms showing the bias (relative error) of predicted soil bulk density (BD) of A) all data, B) cropland C) forest and D) grassland respectively Abbildung 3. Histogramm mit der Verzerrung (relative Fehler) der geschätzten Bodenlagerungsdichten (BD) bei A) ‚alle Daten‘, B) Ackerböden, C) Wald- und D) Grünlandböden

Performance of measured versus predicted soil bulk density (BD) including regression line (dashed) for “all data”, “cropland”, “forest” and “grassland” datasets applying A – D the best of regional equations from this study, E – H the model of Manrique and Jones (1991) and I – L the model used by Weiss et al (2000). R2 and RMSE describe the goodness of the functionsAbbildung 4. Modellierte versus gemessene Bodenlagerungsdichten mit Regressionsline (gestrichelt) für alle Datensets (‚all data‘, ‚cropland‘, ‚forest‘ und ‚grassland‘) in A – D anhand der regional kalibrierten Gleichungen dieser Studie, E – H berechnet mit dem Modell von Manruiqe und Jones (1991) und I – L das Modell verwendet von Weiss et al. (2000). R2 und RMSE geben die Güte der Gleichungen wieder.

List of datasets from Austria (AT), Switzerland (CH) and Italy (IT) naming sources, number of samples, land-use and mean, lowest (min) and highest (max) elevation of the sites sampledTabelle 1_ listet die Datensammlungen aus Österreich (AT), Schweiz (CH) und Italien (IT) mit Quellen, Anzahl Bodenprobe, Landnutzung und mittlere (mean), minimale (min) und maximimale (max) Höhenlage der Probenstellen_

Country	Made available by	number of samples	Land-use	elevation (m asl)
Country	Made available by	number of samples	Land-use	mean	min		max
AT	our own dataset	15	Grassland	909	672	-	1554
AT	Upper Austria (BORIS)	567	cropland	540	400	-	1140
AT	Upper Austria (BORIS)	656	Grassland	1047	410	-	2460
AT	BAW (internal dataset)	348	Forest	1024	400	-	2050
AT	A. Bohner (other studies)	18	Grassland	663	420	-	1830
CH	J. Leifeld	116	Grassland	760	430	-	1220
IT	EURAC	12	Grassland	1607	986	-	2043

Mean, minimum (min) and maximum (max) values of soil depth, organic carbon (SOC), sand, silt, clay and bulk density according to the datasets: all data, cropland, forest and grassland (n = number of samples)Tabelle 2_ Mittlere (mean), minimale (min) und maximale (max) Werte der Bodenprobeentnahme, organischem Bodenkohlenstoff (SOC), Sand-, Schuff-, Tongehalten und der Bodenlagerungsdichten (BD) von ‚allen Daten‘, Ackerböden, Wald- und Grünlandböden (n = Anzahl Proben)

parameter	all data (n = 1732)				cropland (n = 567)				forest (n = 348)				grassland (n = 817)
parameter	mean	min		max	mean	min		max	mean	min		Max	mean	min		max
Depth [cm]	20	1	-	70	26	10	-	50	27	8	-	60	12	1	-	70
SOC [mg g⁻¹]	39	1	-	295	19	4	-	120	32	10	-	185	55	1	-	295
Sand [mg g⁻¹]	280	0	-	910	217	0	-	721	35	21	-	717	289	18	-	910
Silt [mg g⁻¹]	538	2	-	934	587	172	-	934	446	172	-	703	544	20	-	882
Clay [mg g⁻¹]	184	1	-	701	197	35	-	467	207	36	-	701	167	10	-	560
BD [g cm⁻³]	1.2	0.3	-	2.2	1.4	0.5	-	1.7	1	0.4	-	2.2	1.1	0.3	-	1.7

Coefficients of the linear model equations (EQ) and the evaluation of the models by R squared (R2), root mean squared error (RMSE) and percentage of uncertainty (PU) together with the validation by the mean squared R (mR2) of the cross validation (CV)Tabelle 3_ Die Koeffizienten der linearen Gleichungen (EQ) und die Evaluierung der Modelle anhand des Bestimmtheitsmaß (R2), Wurzel der Mittlere quadratische Abweichung (RMSE) und dem Prozent der Unsicherheit (PU) gemeinsam mit dem Ergebnis der Validierung durch mittleres Bestimmtheitsmaß (mR2) aus der Kreuzvalidierung (CV)

EQ	landuse	Intercept	Depth [cm]	SOC^−0.5 [%]^0.5	Silt [%]	Clay [%]	R²	RMSE	PU [%]	CV mR²
1	all data	1.650	−0.0022^***	−0.3157^***	0.0028^*		0.58	0.190	21	0.57
2	cropland	1.873	−0.0021^***	−0.3042^***			0.43	0,105	9	0.41
3	forest	1.523		−0.3199^***			0.58	0.205	25	0.56
4	grassland	1.698		−0.2737^***	0.0009^**	−0.0020^**	0.65	0.171	17	0.65
5	all data	1.682		−0.2738^***			0.55	0.197	24
6	cropland	1.720		−0.2306^***			0.41	0.107	9
7	grassland	1.693		−0.2635^***			0.65	0.157	18

DOI: https://doi.org/10.2478/boku-2020-0020 | Journal eISSN: 2719-5430 | Journal ISSN: 0006-5471

Journal RSS Feed

Language: English

Page range: 241 - 252

Submitted on: Dec 26, 2020

Accepted on: Mar 2, 2021

Published on: May 30, 2021

Published by: Universität für Bodenkultur Wien

In partnership with: Paradigm Publishing Services

Publication frequency: 4 issues per year

Keywords:

regional calibration,

multiple regression,

cross validation

Related subjects:

Life sciences, other

© 2021 Cecilie Foldal, Robert Jandl, Andreas Bohner, Ambros Berger, published by Universität für Bodenkultur Wien
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Previous article Volume 71 (2020): Issue 4 (December 2020)