Regionalisierung organischen Kohlenstoffs in mineralischen Oberböden Deutschlands - eine Annäherung - Michael Fuchs Jens Utermann & Rainer Hoffmann.

Slides:



Advertisements
Ähnliche Präsentationen
Regression und Korrelation
Advertisements

Grundlagen der Analyse von Sprachdatenbanken
Mehrfache und polynomiale Regression
Kovarianz, Korrelation, (lineare) Regression
Kovarianz, Korrelation, (lineare) Regression
Kovarianz, Korrelation, (lineare) Regression
Kovarianz, Korrelation, (lineare) Regression Jonathan Harrington BITTE NOCH EINMAL dframes.zip (Webseite 4.1) herunterladen und in pfad auspacken.
Das Allgemeine lineare Modell (ALM) - Varianz als Schlüsselkonzept
Der Zusammenhang metrischer Merkmale
Statistical-dynamical methods for scale dependent model evaluation and short term precipitation forecasting (STAMPF / FU-Berlin) Zielsetzung von STAMPF:
Quantitative Methoden I
Herzlich willkommen beim 1. Workshop der AG Methodik
Aufgabe Der Zusammenhang zwischen einem traumatischen Erlebnis und der Entstehung einer PTBS wird von mehreren Variablen …………….: Copingstrategien, Kontrollüberzeigung,
Die herbstliche Nitratdynamik im Boden eines Wasserschutzgebietes
Probleme der Modellspezifikation
Wiederholung: Einfache Regressionsgleichung
Chi Quadrat Test Tamara Katschnig.
Regionalisierte Variablen und Kriging
Globale Interpolations- und Prädiktionsverfahren
Durchführung einer hierarchischen Clusteranalyse
Modul Statistische Datenanalyse
SStotal SStotal SStreat SSerror SStreat SSerror Biomasse (g) wenig
Wie bewältigt man Stationaritätsannahmen in der Geostatistik? Brenning & van den Boogaart A.Brenning, Humboldt-Universität zu Berlin
Multivariate Statistische Verfahren
Statistische Methoden in der Wirtschafts- und Sozialgeographie
Forschungsmethodik II, SS 2010 Vesna Pavlovski & Julia Pichlhöfer
Universität StuttgartInstitut für Wasserbau, Lehrstuhl für Hydrologie und Geohydrologie Copulas (1) András Bárdossy IWS Universität Stuttgart.
Kovarianz, Korrelation, (lineare) Regression
Statistik – Regression - Korrelation
Die Clusteranalyse Zielsetzung Datenreduktion: Zusammenfassung einer Vielzahl von Objekten oder Variablen zu Gruppen mit möglichst ähnlichem Informationsgehalt.
2 Grundlagen In diesem Abschnitt werden die Grundbegriffe und Methoden der Theorie der formalen Sprachen und der Automaten wiederholt, soweit diese ben.
Variogramme und Kriging
© Klaus Rieger, 2007 Umrechnung von Einheiten Länge : 1 km = m 1 km² = m² 1 km³ = m³ Fläche : Volumen : 1 · 10³ = 1 · 10 6 = 1 · 10 9 = · 10³ · 10 6 ·
Statistik im Labor BFB-tech Workshop Eugen Lounkine.
ShowMi ShowMi –Ergebnisse der Pilotierung Grundtvig Projekt This project has been funded with support from the European Commission. This publication.
JaGo Ja va Framework for G e o graphical Information Systems Prof. Dr. Klaus Greve Dr. Andreas Poth TZ GIS i.G.
Außenhandelsbeziehungen zwischen China, USA, EU Makroökonometrie Vorlesung Dr. Oliver Bode.
Clusteranalyse Wege und Arten Entstanden im Rahmen der Seminararbeit für WS09/10 Betreuer: Prof. Jobst Hoffmann Dr. Tim Hiddemann Aachen, Januar 2010.
Seminarvortrag Statistische und numerische Auswertung von Schwingfestigkeits- und Ermüdungsversuchen mit SAFD Lan Tran Aachen,
Österreichisches Wildeinflussmonitoring
Tiefenreinheitsanalyse in Matlab
Betreuer: Dipl.-Inf. (FH) Peter Poschmann
PRÄSENTATION ZUM THEMA: „Die Erde – unser Planet“
Das weltweit führende Open Source GIS
GIS und Fuzzy Logic für die Klimawandelfolgeabschätzung Beurteilung der Klimasensitivität von Naturgefahren Peter Mani 8. Juni 2016.
Kovarianz, Korrelation, (lineare) Regression
Unsere heimat, ungarn Ungarn ist ein staat in MittelEuropa.
Vorlesung Wasserwirtschaft & Hydrologie I
GIS - Aufbaukurs Wintersemester 2008/09 Session 4
KLAR! Kaunergrat
2D Flachwasser, Geländemodelle
Ökonometrie und Statistik Mehrfachregression
Bärbel Fritsche, Fachleiterin
Kl. 9 - Januar Erledigt: Folie Nr. 1,2,3, 4, 5, 6,7, 8, 9, 10,
Hochwasserschutz ProFlex©.
12 Das lineare Regressionsmodell
Andre Peters Wolfgang Durner Institut für Geoökologie
Ökonometrie und Statistik Wiederholung
Ökonometrie und Statistik Prüfungsthemen
Klimawandel in Österreich
Klimawirkungen: betrachtete Sektoren
Kovarianz, Korrelation, (lineare) Regression
Konfidenzintervalle und Tests auf Normalverteilung
Kovarianz, Korrelation, (lineare) Regression
Ökonometrie und Statistik Mehrfachregression
Eine Präsentation von Heiko Gericke
Fortgeschrittene statistische Methoden SS2020
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Ökonometrie und Statistik Wiederholung
Schmock Mutter nicht ausreichend versorgt  fast verhungert Mutter bei Geburt verstorben Schmock mit Flasche aufgezogen.
 Präsentation transkript:

Regionalisierung organischen Kohlenstoffs in mineralischen Oberböden Deutschlands - eine Annäherung - Michael Fuchs Jens Utermann & Rainer Hoffmann

Regionalisierung Corg in Oberböden ► Motivation ✔ Organische Substanz in Böden hat positive Wirkung als Nährstoffquelle als Puffer, Aggregatstabilisator auf Wasser- und Lufthaushalt ✔ Regelungen zum Schutz der organischen Substanz BBodSchV §17 Cross Compliance (EU-Zahlungen) Bundesnaturschutzgesetz Internationaler Klimaschutz, Kyoto-Protokoll ✔ Boden ist Kohlenstoffspeicher und Bestandteil der globalen Treibhausgasflüsse

Regionalisierung Corg in Oberböden ► Datengrundlage Punkt- und Profildatenbank FISBo; BGR Digitales Geländemodell für Deutschland (DGM-D 50 m); BKG Very High Resolution Interpolated Climate Surfaces; Hijmans (2005) Pan-European Land Cover Monitoring (PELCOM); European Commission

GRASS GIS Geographic Resources Analysis Support System PostgreSQL object-relational database system PostGIS spatial database R Project for Statistical Computing gstat code for multivariable geostatistical modelling, prediction and simulation Regionalisierung Corg in Oberböden ► Open Source Projekte

Regionalisierung Corg in Oberböden ► Verfahren Statistische und geostatistische Betrachtung der Gehalte an organischem Kohlenstoff und weiterer Variablen Bildung von Straten (Oberboden + Hauptnutzung) Regionalisierung von organischem Kohlenstoff in Straten mit IDW und simple kriging Regionalisierung von Feinstbodenanteilen mit IDW Multiple lineare Regressionsanalyse für organischen Kohlenstoff mit Klimavariablen, Feinstbodenanteil und Höhenwerten Hierarchische Clusteranalyse mit organischem Kohlenstoff, Klimavariablen, Feinstbodenanteil und Höhenwerten

Regionalisierung Corg in Oberböden ► Ergebnisse Punktverteilun g Punktdichtekarte Profile unter Ackerland

Regionalisierung Corg in Oberböden ► Ergebnisse Häufigkeit * 1000 organischer Kohlenstoff [%] Schrittweite h Semivarian z γ(h)=0,37 + 0,6 Sph(40000) Regionalisierung mit IDW

Regionalisierung Corg in Oberböden ► Ergebnisse Regionalisierung mit Simple Kriging predictio n varianc e

Regionalisierung Corg in Oberböden ► Ergebnisse prediction SK prediction IDW

Organischer Kohlenstoff Oberböden, Ackerland Differenz der Regionalisierungen [Inverse Distance Wichtung IDW - Simple Kriging (SK)] IDW- leichte Überschätzung SK - 2/3 der Fläche kann bewertet werden Regionalisierung Corg in Oberböden ► Ergebnisse

Jahresniederschlag, Hijmans 2005 M ittl. jährliche Temperatur, Hijmans 2005 Höhenmodell DGM-D Schluffgehalt Tongehalt PELCOM Hauptnutzungen Organischer Kohlenstoff Informationsstack für multivariate Analyse Regionalisierung Corg in Oberböden ► Ergebnisse

Bivariate Korrelationen (Oberboden) Niederschlagsmengen Höhenwerten Feinstbodengehalten { Organischer Kohlenstoff

Multiple lineare Regression Organischer Kohlenstoff in mineralischen Böden ( Bodenlayer, Hauptnutzung ) = Funktion [ β 0 + β 1 * Niederschlag + β 2 * Temperatur + β 3 * Tongehalt + β 4 * Schluffgehalt ] # arable land pelcom mask lm(formula = grid.arable$corg_top ~ grid.arable$prec + grid.arable$temp + grid.arable$clay + grid.arable$silt) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 5.470e e <2e-16 *** grid.arable$prec 1.225e e <2e-16 *** grid.arable$temp e e <2e-16 *** grid.arable$clay 1.700e e <2e-16 *** grid.arable$silt 8.025e e <2e-16 *** --- Signif. codes: 0 ‘***’ ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: on degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: 2.32e+04 on 4 and DF, p-value: < 2.2e-16 Regionalisierung Corg in Oberböden ► Ergebnisse Nullhypothese verworfen Variablen sind signifikant

Hierarchische Clusteranalyse für Ackerland Abstandsmaß: Quadrierte Euklidische Distanz, Methode: WARD-Verfahren 1882 Datensätze generiert aus Werten je 10 km Rasterzelle Variablen (standardisiert): Organischer Kohlenstoff [%] Jahresniederschlag [mm] Jahresdurchschnittstemperatur [°C] Höhe über NN [m] Schluffgehalt [%] Tongehalt [%] 6 homogene Gruppen können unterschieden (auf Grundlage der t-Werte) benannt und räumlich (mit hoher Trennschärfe) abgegrenzt werden Regionalisierung Corg in Oberböden ► Ergebnisse

Berg- und Hügelland Cluster mit ausgeprägten Gehalten an organischem Kohlenstoff (t=0,5) Ton-Cluster mit durchschnittlichen bis ausgeprägten Gehalten an organischem Kohlenstoff (t=0,31) Niederschlags (Höhen-) Cluster mit ausgeprägten bis über- durchschnittlichen Gehalten an organischem Kohlenstoff (t=0,77) Schluff-Cluster mit durchschnittlichen bis ausgeprägten Gehalten an organischem Kohlenstoff (t=0,32) Trockenheits-Cluster mit sehr geringen Gehalten an organischem Kohlenstoff (t=-1,11) Wärme-Cluster mit durchschnittlichen Gehalten an organischem Kohlenstoff (t=-0,04) Die 6 Cluster auf Ackerland 00,51-0, /- t-Werteskala für organischen Kohlenstoff Regionalisierung Corg in Oberböden ► Ergebnisse

Regionalisierung Corg in Oberböden ► Fazit ✔ Plausibles räumliches Muster der Corg-Gehalte ist erkennbar; ✔ Bekannte Zusammenhänge zwischen Corg-Gehalten und natürlichen Standortfaktoren lassen sich wiederfinden: Corg-Gehalte korrelieren mit Niederschlägen/Höhe, Temperatur sowie Ton- und Schlufffraktion; ca. 33 % der Streuung von organischem Kohlenstoff in Oberböden lassen sich durch Klimavariable, sowie Ton-/Schlufffraktion erklären; Dieser Zusammenhang ist räumlich nahezu scharf getrennt in 6 Gruppen darstellbar;

Regionalisierung Corg in Oberböden ► Fazit ✗ Regressionsanalytische Erklärungsmodelle für die Ausprägung standorttypischer Corg-Gehalte benötigen weitere Informationen zu Boden-/Standortmerkmalen (u.a. Hydromorphie, Sesquioxide) & Bewirtschaftungsdaten sollten regionalisiert abgeleitet werden. ✔ Software der Open Source Projekte geeignet zur Fortführung des Projektes „Organischer Kohlenstoff in Böden Deutschlands“