Nye og let målbare jordfysiske parametre til vurdering af jordbundskvalitet inden for miljø, klima og afgrødeproduktion
Oversat titel
New and easily measurable soil-physics parameters for assessment of soil quality within an environment, climate and agricultural perspective
Forfatter
Jensen, Rune Kjær
Semester
4. semester
Uddannelse
Udgivelsesår
2016
Afleveret
2016-05-27
Antal sider
60
Abstract
Vurdering af jordkvalitet har ofte fokuseret på landbrugsproduktion, men god jord er mere end det og afhænger af, hvordan jorden bruges. Denne afhandling udvikler en metode til at bedømme jordkvalitet ud fra tre perspektiver: vandmiljø, klima og landbrug. Målet er en metode med enkel dataindsamling, lavt tids- og omkostningsforbrug og så lille usikkerhed som muligt. Metoden bygger på tre fysiske indikatorer for jordens funktion: for landbrug anvendes plantetilgængeligt vand (PAW) og den relative gasdiffusionskoefficient (D_p/D_0), for vandmiljø anvendes den mættede hydrauliske ledningsevne (K_s) og D_p/D_0, og for klima anvendes D_p/D_0 alene. For hver indikator er der fastsat konkrete grænser, som inddeler resultater i grøn (ideal), gul (mellem) og rød (dårlig) zone. I stedet for at måle indikatorerne direkte forsøges de forudsagt ud fra to enkle målinger: lufttør vandindhold ved 31,8% relativ luftfugtighed (ofte skrevet θr) og synlig–nær-infrarød spektroskopi (NIR), hvor lysafspejling bruges til at karakterisere jord. Disse målinger giver primært statiske egenskaber som lerindhold, organisk materiale og partikelmassefylde. Ved at kombinere nye og kendte sammenhænge mellem jordens egenskaber estimeres de tre kvalitetsindikatorer. Tre datasæt indgår i arbejdet: 45 overjordsprøver med gradient i lerindhold (Estrup), 20 overjordsprøver med gradient i organisk materiale (Ø Bakker) samt den danske jorddatabase fra Hansen (1976). Generelt viser modellerne til de statiske egenskaber sig anvendelige, om end med forskellige styrker og svagheder afhængigt af datasæt og målestrategi. En beregningseksempel på Estrup-datasættet viste, at K_s oftest placerede prøverne i gul zone (resten i grøn), D_p/D_0 placerede alle i gul zone, mens PAW næsten altid var grøn (en enkelt gul). Fordi D_p/D_0 indgår i alle tre perspektiver, og en prøve kun er grøn hvis alle relevante indikatorer er grønne, endte den samlede vurdering i alle tre perspektiver i gul zone (delvist opfyldt). Resultatet skal tolkes med forsigtighed: en følsomhedsanalyse (på et delmængde af modellerne) viste, at usikkerheden i forudsigelserne kan overstige de valgte grænser. Derfor er der behov for mere forskning for at sænke usikkerheden, hvis vurderingen kun skal baseres på θr og NIR.
Assessments of soil quality have traditionally focused on crop production, but good soil is more than that and depends on how the land is used. This thesis develops a method to evaluate soil quality from three perspectives: the water environment, climate, and agriculture. The aim is a method with simple data collection, low cost and time demands, and as little uncertainty as possible. The approach uses three physical indicators of soil function: for agriculture, plant-available water (PAW) and the relative gas diffusion coefficient (D_p/D_0); for the water environment, saturated hydraulic conductivity (K_s) and D_p/D_0; and for climate, D_p/D_0 alone. For each indicator, specific thresholds define green (ideal), yellow (intermediate), and red (poor) zones. Rather than measuring these indicators directly, the method seeks to predict them from two simple measurements: air-dry water content at 31.8% relative humidity (often denoted θr) and visible–near infrared spectroscopy (NIR), which uses reflected light to characterize soil. These measurements primarily provide static properties such as clay content, organic matter, and particle density. By combining new and existing relationships among soil properties, the target quality indicators are estimated. Three datasets are used: 45 topsoil samples spanning a clay gradient (Estrup), 20 topsoil samples spanning an organic matter gradient (Ø Bakker), and the Danish soil database by Hansen (1976). In general, prediction models for the static properties are usable, with different strengths and weaknesses depending on dataset and measurement strategy. A worked example on the Estrup dataset showed K_s mostly in the yellow zone (the rest green), D_p/D_0 in the yellow zone for all samples, and PAW mostly green with one yellow. Because D_p/D_0 is used in all three perspectives, and a sample is only green if all relevant indicators are green, the overall evaluation for all three perspectives ended up in the yellow zone (partly fulfilled). These results should be interpreted with caution: a sensitivity analysis (based on a subset of models) indicated prediction uncertainty that can exceed the chosen thresholds. Hence, further work is needed to reduce uncertainty if relying on θr and NIR alone.
[Dette resumé er genereret ved hjælp af AI]
Emneord