{"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]
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.