Comparing direct and indirect approaches to predicting soil texture class

IF 1.5 4区 农林科学 Q4 SOIL SCIENCE
D. Saurette
{"title":"Comparing direct and indirect approaches to predicting soil texture class","authors":"D. Saurette","doi":"10.1139/cjss-2022-0040","DOIUrl":null,"url":null,"abstract":"Abstract Soil texture, or the relative proportions of sand, silt, and clay, is a key soil attribute that influences many important physical, chemical, and biological properties of soils. Digital soil mapping is increasingly used to predict soil texture; however, few comparisons have been made between direct prediction of a texture class, and the indirect prediction of texture class by first predicting sand, silt, and clay content, and subsequently converting the predictions to a texture class. We predicted soil texture class for the 5–15 and 30–60 cm depth intervals of the Ottawa soil survey project using direct and indirect approaches which yielded a similar overall accuracy (28–36%) and kappa (0.19–0.27). The predicted soil maps had a similar spatial distribution of soil texture classes. We then used the Euclidean distance between the texture classes to adjust the model performance metrics, revealing the indirect approach provided the better soil texture class prediction. When comparing the predictions, the 5–15 and 30–60 cm maps were in perfect agreement for 53% and 42% of the study area, respectively, and in both cases texture class predictions were within one texture class for over 87% of the map area. For many studies, including legacy soil surveys, texture class information is available, and particle size distribution data are generally lacking. This study confirms that direct prediction of soil texture class performs almost equally with indirect prediction. Résumé La texture du sol, c’est-à-dire les proportions relatives de sable, de limon et d’argile, est une caractéristique capitale qui influe sur de nombreuses propriétés physiques, chimiques et biologiques du sol. On recourt de plus en plus à la cartographie numérique des sols pour en prévoir la texture. Cependant, on a rarement comparé la méthode de prévision directe à la méthode indirecte qui prévoit, en un premier temps, les proportions de sable, de limon et d’argile, puis convertit le résultat en classe de texture. Les auteurs ont prévu la classe de texture des sols d’Ottawa échantillonnés à une profondeur de 5–15 cm et de 30–60 cm par les deux approches et ont obtenu des résultats similaires pour l’exactitude générale (28–36 %) et l’indice kappa (0,19–0,27). Les cartes du sol illustraient une distribution spatiale semblable pour les classes de texture. Ensuite, les auteurs ont utilisé la distance euclidienne entre les classes de texture pour ajuster les mesures de la performance du modèle et ont constaté que l’approche indirecte donne les meilleures prévisions. Quand on compare celles-ci, les cartes pour les intervalles de profondeur de 5–15 cm et de 30–60 cm s’accordent à la perfection avec 53 % et 42 % des sols examinés, respectivement. Dans les deux cas, la classe de texture prévue se situe à moins d’une classe de distance pour au-delà de 87 % de la surface couverte par la carte. Si la classe de texture est souvent connue, même pour les levés les plus anciens, les données sur la granulométrie manquent habituellement. Cette étude confirme que la méthode de prévision directe de la texture du sol est presque aussi efficace que la méthode de prévision indirecte. [Traduit par la Rédaction]","PeriodicalId":9384,"journal":{"name":"Canadian Journal of Soil Science","volume":null,"pages":null},"PeriodicalIF":1.5000,"publicationDate":"2022-04-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Canadian Journal of Soil Science","FirstCategoryId":"97","ListUrlMain":"https://doi.org/10.1139/cjss-2022-0040","RegionNum":4,"RegionCategory":"农林科学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"SOIL SCIENCE","Score":null,"Total":0}
引用次数: 4

Abstract

Abstract Soil texture, or the relative proportions of sand, silt, and clay, is a key soil attribute that influences many important physical, chemical, and biological properties of soils. Digital soil mapping is increasingly used to predict soil texture; however, few comparisons have been made between direct prediction of a texture class, and the indirect prediction of texture class by first predicting sand, silt, and clay content, and subsequently converting the predictions to a texture class. We predicted soil texture class for the 5–15 and 30–60 cm depth intervals of the Ottawa soil survey project using direct and indirect approaches which yielded a similar overall accuracy (28–36%) and kappa (0.19–0.27). The predicted soil maps had a similar spatial distribution of soil texture classes. We then used the Euclidean distance between the texture classes to adjust the model performance metrics, revealing the indirect approach provided the better soil texture class prediction. When comparing the predictions, the 5–15 and 30–60 cm maps were in perfect agreement for 53% and 42% of the study area, respectively, and in both cases texture class predictions were within one texture class for over 87% of the map area. For many studies, including legacy soil surveys, texture class information is available, and particle size distribution data are generally lacking. This study confirms that direct prediction of soil texture class performs almost equally with indirect prediction. Résumé La texture du sol, c’est-à-dire les proportions relatives de sable, de limon et d’argile, est une caractéristique capitale qui influe sur de nombreuses propriétés physiques, chimiques et biologiques du sol. On recourt de plus en plus à la cartographie numérique des sols pour en prévoir la texture. Cependant, on a rarement comparé la méthode de prévision directe à la méthode indirecte qui prévoit, en un premier temps, les proportions de sable, de limon et d’argile, puis convertit le résultat en classe de texture. Les auteurs ont prévu la classe de texture des sols d’Ottawa échantillonnés à une profondeur de 5–15 cm et de 30–60 cm par les deux approches et ont obtenu des résultats similaires pour l’exactitude générale (28–36 %) et l’indice kappa (0,19–0,27). Les cartes du sol illustraient une distribution spatiale semblable pour les classes de texture. Ensuite, les auteurs ont utilisé la distance euclidienne entre les classes de texture pour ajuster les mesures de la performance du modèle et ont constaté que l’approche indirecte donne les meilleures prévisions. Quand on compare celles-ci, les cartes pour les intervalles de profondeur de 5–15 cm et de 30–60 cm s’accordent à la perfection avec 53 % et 42 % des sols examinés, respectivement. Dans les deux cas, la classe de texture prévue se situe à moins d’une classe de distance pour au-delà de 87 % de la surface couverte par la carte. Si la classe de texture est souvent connue, même pour les levés les plus anciens, les données sur la granulométrie manquent habituellement. Cette étude confirme que la méthode de prévision directe de la texture du sol est presque aussi efficace que la méthode de prévision indirecte. [Traduit par la Rédaction]
预测土壤质地等级的直接方法和间接方法的比较
抽象土壤质地,或砂、淤泥和粘土的相对比例,是影响土壤许多重要物理、化学和生物特性的关键土壤属性。数字土壤映射越来越多地用于预测土壤纹理;然而,通过首先预测砂、淤泥和粘土含量,然后将预测转换为纹理类,在纹理类的直接预测和间接预测之间进行了很少的比较。我们使用直接和间接方法预测了渥太华土壤调查项目5-15和30-60 cm深度间隔的土壤纹理等级,这些方法产生了相似的总体精度(28-36%)和kappa(0.19-0.27)。预测的土壤地图具有相似的土壤纹理类空间分布。然后,我们使用纹理类之间的欧几里德距离来调整模型性能指标,揭示了提供更好土壤纹理类预测的间接方法。比较预测时,53%和42%的研究区域的5-15和30-60厘米地图完全一致,在这两种情况下,超过87%的地图区域的纹理类预测位于一个纹理类内。对于许多研究,包括遗留土壤调查,纹理类信息可用,粒度分布数据普遍不足。本研究证实,土壤纹理类的直接预测几乎与间接预测相同。土壤质地,即砂、淤泥和粘土的相对比例,是影响土壤许多物理、化学和生物性质的关键特征。数字土壤测绘越来越多地用于预测土壤纹理。然而,直接预测方法很少与间接方法进行比较,间接方法首先预测砂、淤泥和粘土的比例,然后将结果转换为纹理类。作者预测了两种方法在5-15cm和30-60cm深度取样的渥太华土壤的纹理等级,并获得了一般精度(28-36%)和卡帕指数(0.19-0.27)的类似结果。土壤图显示了纹理类的类似空间分布。然后,作者使用纹理类之间的欧几里德距离来调整模型性能的度量,并发现间接方法给出了最佳预测。当比较它们时,5-15cm和30-60cm深度间隔的地图分别与53%和42%的检查土壤完美匹配。在这两种情况下,预期纹理等级在地图覆盖面积87%以上的距离等级内。虽然纹理类通常是已知的,即使是最古老的测量,但通常缺少粒度数据。本研究证实,直接土壤质地预测方法几乎与间接预测方法一样有效。[由编辑翻译]
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
Canadian Journal of Soil Science
Canadian Journal of Soil Science 农林科学-土壤科学
CiteScore
2.90
自引率
11.80%
发文量
73
审稿时长
6.0 months
期刊介绍: The Canadian Journal of Soil Science is an international peer-reviewed journal published in cooperation with the Canadian Society of Soil Science. The journal publishes original research on the use, management, structure and development of soils and draws from the disciplines of soil science, agrometeorology, ecology, agricultural engineering, environmental science, hydrology, forestry, geology, geography and climatology. Research is published in a number of topic sections including: agrometeorology; ecology, biological processes and plant interactions; composition and chemical processes; physical processes and interfaces; genesis, landscape processes and relationships; contamination and environmental stewardship; and management for agricultural, forestry and urban uses.
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信