Modelado basado en SIG de clases de régimen de humedad del suelo forestal: uso del lago Rinker

en el noroeste de Ontario, Canadá como estudio de caso

ABSTRACTO

Existe la necesidad de desarrollar enfoques tecnológicos geoespaciales para predecir y mapear la humedad relativa del
suelo (suelo

régimen de humedad) clases en paisajes boscosos. Esto se debe a que los administradores forestales buscan
continuamente mapas del régimen de humedad del suelo (SMR) para su aplicación en la planificación y las operaciones.
El objetivo del estudio fue

desarrollar un enfoque de modelado basado en SIG para predecir y mapear las clases de humedad relativa del suelo en
paisajes forestales. Se desarrolló una técnica de modelado del sistema de información geográfica (SIG) basada en reglas
para predecir SMR

clases (seco, fresco, húmedo y húmedo) usando: 1) clases de textura del suelo derivadas de mapas de geología
cuaternaria, y 2)

Áreas receptoras de agua derivadas de atributos topográficos generados a partir del modelo de elevación digital de 15
m. los

El enfoque de modelado SIG basado en reglas produjo un mapa SMR con una precisión general de aproximadamente
65% en relación con 54%

generado a partir del enfoque de reclasificación del índice de humedad del suelo en comparación con los datos de
parcela de tierra observados. Esta

Los administradores forestales podrían aplicar fácilmente una nueva técnica geoespacial para mejorar el inventario de
recursos forestales.
1. Introducción

La humedad del suelo es un atributo ambiental crítico que afecta a los bosques.

productividad y conocimiento de la distribución espacial de la humedad del suelo.

durante la temporada de crecimiento es un elemento importante para el ecosistema

administración. Varios enfoques han sido ampliamente utilizados para mapear el suelo

contenido de humedad en los bosques, tales como: 1) encuestas de campo sinópticas utilizando

sensores portátiles como sondas de reflectometría en el dominio del tiempo seguidas de

interpolación geoespacial (por ejemplo, Gray y Spies, 1995; Griffin, 1967;

James et al., 2003; Benedettoa et al., 2013; Emadi et al., 2016; occidental

et al., 1998); 2) radar (activo o pasivo) o teledetección térmica

(p. ej., Algeo et al., 2016; Gueting et al., 2015; Steelman y Endres,

2011; Steelman y Endres, 2012), y 3) procesos hidrológicos basados en procesos.

modelos (por ejemplo, Usuga et al., 2010; Waltman et al., 1997). Estos enfoques se han utilizado típicamente para
evaluar cambios a corto plazo en

contenido volumétrico de humedad del suelo y no evaluar el suelo a largo plazo

régimen de humedad (Buol, 2005; Usuga et al., 2010). Además, hay

Hay algunas limitaciones con cada uno de estos enfoques. Por ejemplo, las encuestas de campo sinópticas requieren
mucho tiempo y son factibles solo en pequeños

Areas geográficas. La interpolación geoestadística de datos de campo realiza

predicción óptima basada en la distribución de los puntos de datos circundantes y

patrón, pero perderá variaciones de escala fina introducidas por topografía

alivio, aunque esto puede aliviarse parcialmente utilizando técnicas adicionales como el co-kriging (Gharechelou et al.,
2016). Teledetección

los enfoques suelen tener un rango de profundidad limitado y variable del suelo

la humedad, que cambiará según el tipo de suelo y la cubierta forestal, a menudo interfiere con la transmisión o el
retorno de la radiación (Liu et al., 2019).

Finalmente, los modelos hidrológicos basados en procesos pueden predecir la humedad del suelo,

pero aún requieren información como la textura del suelo y la conductividad hidráulica para modelar la humedad del
suelo y los flujos hidrológicos.

El régimen de humedad del suelo (SMR) se refiere a una estimación relativa del sustrato.

suministro de humedad durante la temporada de crecimiento (Johnson y Uhlig,

2011). Es una clasificación relativa de la humedad del sustrato durante un largo período de

tiempo, mientras que el contenido volumétrico de humedad del suelo es el volumen de agua

por volumen de suelo en una muestra dada en un momento dado (Bilskie, 2001).

SMR es un elemento importante en la clasificación del suelo porque juega

papel significativo en la formación del suelo, el desarrollo y, por lo tanto, el tipo de suelo.

Además, determina la tasa de meteorización y la lixiviación.

estado de los suelos SMR también determina el suministro de agua y oxígeno para

planta raíces y regula la mineralización de nutrientes por microbios dentro

suelo. Por lo tanto, SMR es un atributo importante para los administradores forestales en la planificación

(p. ej., dónde cosechar, sitios sensibles, cosecha y enfoque silvícola) y operaciones (p. ej., colocación de carreteras,
aterrizajes, senderos para patines).

Desarrollar una información geográfica fácilmente aplicada y automatizada

El enfoque de sistemas (SIG) para predecir y mapear el régimen de humedad relativa del suelo sería una herramienta útil
para que los administradores forestales brinden información

sobre la distribución de SMR en el paisaje forestal para ayudar con

planificación y operaciones de manejo forestal. Los mapas de SMR también son

Fig. 1. Región del lago Rinker en el noroeste de Ontario, Canadá.
importante para otros fines, como productos intermedios para modelar otros procesos ecológicos (por ejemplo,
productividad de árboles) o predecir

impactos y adaptación a los cambios climáticos.

El régimen de humedad del suelo varía en el paisaje como resultado del espacio

integración de diferentes procesos en el ciclo del agua, incluyendo precipitación, intercepción, evapotranspiración,
infiltración y vertical,

flujos laterales y subterráneos. A escala local, donde el clima y la vegetación son relativamente uniformes, los flujos de
agua verticales y laterales son

Los controles clave sobre el régimen de humedad del suelo. La textura del suelo es función de

geología del lecho de roca subyacente y meteorización de minerales a lo largo del tiempo. Suelo

la textura (es decir, arena, limo, arcilla, materia orgánica) afecta la tasa de infiltración

(flujo vertical) y movimiento lateral del agua en el suelo (Brouwer et al.,

1985; Kopec, 1995). La tasa de infiltración es mayor para texturas gruesas

se ensucia porque el agua entra y se mueve rápidamente en poros más grandes, por lo tanto

el suelo es más seco mientras que; la tasa de infiltración es menor para suelos de textura fina

porque el agua entra y se mueve lentamente en poros más pequeños y por lo tanto es

Wetter (Brouwer et al., 1985).

Los flujos laterales de agua están influenciados por la topografía. El agua se acumula a medida que desciende por una
ladera. Se disipa de las áreas de cresta en

la parte superior de la ladera, transita por áreas de ladera media (pendiente posterior) y

se acumula en la base de la pendiente (pendiente, pie y depresiones / humedales) (Ben-Shahar, 1990; Zhang et al.,
2010). La curvatura de la superficie a lo largo de esa pendiente también puede crear áreas locales de acumulación

(cóncavo) o disipación (convexo). Existirán áreas más húmedas donde haya

acumulación de agua pendiente arriba que tiene pendiente de pendiente poco profunda o cóncava.

Con la llegada de los Sistemas de Información Geográfica (SIG), más alto

resolución de modelos de elevación digital y desarrollo de terreno digital

algoritmos ahora hay oportunidades para mapear digitalmente SMR. Esto es

particularmente útil para paisajes boscosos, donde el acceso es generalmente

Más limitado o difícil. Un enfoque para mapear el suelo promedio

Las condiciones de humedad están calculando el índice de humedad topográfica (TWI).

TWI se define como:

TWI en a / tan b; =

donde "a" es área contribuyente específica y "b" es pendiente local. Entonces esto es

una métrica de ladera lateral de transferencia de agua. Zhao y col. (2011) modelaron espacialmente la variabilidad de
SMR en las montañas Qilian en China

usando un índice de humedad modificado que también incluía radiación solar y

precipitación media mensual. Encontraron 77% de la variabilidad espacial

de humedad del suelo puede explicarse por el índice en una pequeña calibración

captación.

Otros enfoques para mapear SMR han incluido el uso de accidentes geográficos

procedimientos de segmentación para identificar áreas de disipación de agua, transporte y acumulación en el paisaje
(por ejemplo, Pennock et al., 1987;

MacMillan et al., 2000). Yang y col. (2017) modeló SMR aplicando

Red neuronal artificial (ANN) en un conjunto de terrenos derivados digitalmente

atributos con una precisión del 47% al 58% para Acadian y Maritime-Boreal

región respectivamente.
Desarrollar un nuevo enfoque de Sistemas de Información Geográfica (SIG)

predecir y mapear el régimen de humedad relativa del suelo, especialmente en bosques

El paisaje es importante para comprender las condiciones de sequía y mejorar el manejo y la planificación forestal. Esto
proporcionará información relevante

información sobre la distribución del régimen de humedad del suelo a través de

paisaje boscoso Además, los mapas predichos podrían usarse como

conjuntos de datos de entrada en otros procesos complejos de modelado ecológico. los

información generada a partir de los mapas del régimen de humedad relativa del suelo

también podría usarse para mejorar las actividades de clasificación ecológica de la tierra

y mejorar la productividad agrícola y forestal.

El objetivo de este estudio fue desarrollar un SIG simple basado en reglas

enfoque de modelado para predecir y mapear el régimen de humedad del suelo usando

Área de investigación de Rinker Lake en el noroeste de Ontario como área de estudio de caso.

Además, evaluamos la precisión del SIG basado en reglas desarrollado

enfoque de modelado para predecir las clases de humedad relativa del suelo en comparación con una reclasificación
umbral del índice de humedad topográfica

enfoque
2. Materiales y métodos

2.1. Área de estudio

El área de estudio se encuentra en la región del lago Rinker en el noroeste

Ontario, Canadá (Fig. 1). Se extiende desde alrededor de la latitud 48.997 ° N hasta

latitud 49.272 ° N y longitud 89.201 ° W a 89.596 ° W. Seleccionamos

el área del lago Rinker en el noroeste de Ontario, Canadá, como un estudio de caso

debido a la disponibilidad de DEM y conjuntos de datos de trazado para la calibración y validación del modelo.

2.1.1. Clima

La región tiene un clima boreal moderadamente frío que se caracteriza generalmente por veranos cálidos y lluviosos e
inviernos fríos y nevados (Sims

et al., 2002). La precipitación anual promedia aproximadamente 750 mm,

con precipitaciones medias de verano de aproximadamente 500 mm y nevadas anuales promedio de aproximadamente
250 mm (Environment Canada, 2019). Profundidad de nieve raramente

supera los 75 cm durante todo el invierno. El área tiene una media anual diaria

temperatura de aproximadamente 0 ° C con una temperatura mínima diaria promedio anual de aproximadamente −6 ° C
y una temperatura máxima diaria promedio anual de aproximadamente 6.5 ° C (Environment Canada, 2019).

2.1.2. Geología
La región subyacente en el lecho rocoso consiste en archeos y granitos como

así como diabasas y lutitas y calizas no metamorfoseadas del

Era Proterozoica (Sims et al., 2002). El material superficial de la región.

es predominantemente de origen glacial con espesores que van desde <1 m

hasta> 30 m (Sims et al., 2002). La superficie glacial es la superficie predominante.

sedimento que cubre aproximadamente el 68% de la superficie terrestre de la región. Depósitos glaciofluviales
compuestos de llanuras planas y de alto relieve.

Las características de contacto con el hielo, como eskers y kames, constituyen aproximadamente el 17% de

la cubierta superficial (Sims et al., 2002). Materiales de grano fino principalmente

sedimentos glaciolacustrinos del tamaño de limo que se depositaron en el glaciar

los lagos durante la última glaciación del Pleistoceno tienen una distribución limitada

dentro de la zona. Materiales superficiales recientes, incluidos orgánicos, coluviales

y los depósitos aluviales ocupan aproximadamente el 12% de la superficie terrestre. Aproximadamente el 11.5% de la
región está cubierta por cuerpos de agua y ríos.

(Sims et al., 2002).

2.1.3. Vegetación

El área de estudio se encuentra dentro de la porción sur del este boreal

Zona de vegetación forestal (Baldwin et al., 2018). La región se caracteriza por extensos bosques de coníferas de abeto
negro (Picea mariana), blanco

abeto (Picea glauca), pino de pino (Pinus banksiana) y abeto balsámico (Abies

balsamea), así como rodales mixtos de coníferas y madera dura del norte

especies como el álamo temblón (Populus tremuloides) y el abedul blanco

(Betula papyrifera) (Sims et al., 2002). Un típico bosque maduro maduro en

la región alberga una combinación diversa de rodales puros y mixtos de

coníferas y especies de madera dura. Se alza con una mezcla de negro y

el abeto blanco, el abeto balsámico, el abedul blanco y el álamo temblón son los más

frecuente en el área (Sims et al., 2002).

2.2. Régimen de humedad del suelo clases modelado

El modelado del régimen de humedad del suelo se realizó en ArcGIS

versión 10.3 e implicaba el uso de clases de textura del suelo y adecuadas

áreas de alta recepción de agua derivadas de atributos DEM (Fig. 2). Suelo

la textura se seleccionó como una variable importante en el modelado de la humedad relativa del suelo porque el
patrón de poros del suelo está determinado por

textura. Por ejemplo, las clases de texturas de suelos gruesos son extremadamente abiertas
patrón de poros del suelo que tiene una permeabilidad rápida del agua y

creando una condición de régimen de humedad del suelo seco. En contraste, suelo fino

las clases de textura tienen un patrón de poro del suelo extremadamente retentivo

tener una permeabilidad lenta del agua y crear una humedad húmeda en el suelo

condición de régimen. Además, asumimos que el nivel de agua adecuado

Las áreas receptoras son indicativas de la condición del régimen de humedad del suelo húmedo. Eso

es porque estas áreas generalmente desarrollan condiciones anaeróbicas como resultado

de su estado saturado (Johnson y Uhlig, 2011). Los atributos del terreno DEM se usaron para predecir áreas de alta
recepción de agua en el paisaje. Los atributos de DEM incluyeron humedales, clasificación de la posición de la pendiente
(pendiente y pie), curvatura cóncava y topografía del suelo.

índice de humedad. Estos atributos DEM fueron seleccionados porque proporcionaban un indicador espacial de las áreas
de drenaje de agua en el paisaje. por

ejemplo, las áreas de alto índice de humedad topográfica del suelo son generalmente húmedas

que las áreas de bajo índice de humedad topográfica del suelo. Además, estribo

y la pendiente del pie derivada de la clasificación de la posición de la pendiente generalmente tienen

condiciones de drenaje de pobres a muy pobres que la pendiente y la cresta (Milne,

1935). Las áreas de alta recepción de agua se usaron en combinación con

clases de textura del suelo para predecir las clases de régimen de humedad del suelo en bosques

paisaje.

2.2.1. Clases de textura del suelo

La capa de clases de textura del suelo (Fig. 3) se generó a partir de la capa de datos de geología Cuaternaria (Ontario
Geological Survey, 1981) y fue

derivado de la reclasificación de polígonos a partir de los datos de geología cuaternaria

capa usando una matriz de reclasificación desarrollada a partir del levantamiento del terreno

datos, incluidas muestras de suelo recolectadas en más de 300 campos georreferenciados

parcelas que se presentaron para análisis de textura de laboratorio. El digital

el mapa de textura del suelo se volvió a muestrear a datos ráster de 15 my se utilizó como

datos de entrada en modelos de clases de humedad relativa del suelo.

2.2.2. Derivados DEM

Se utilizó un DEM de 15 m para derivar las siguientes variables, es decir, humedal,

curvatura de la superficie, clases de posición de la pendiente y humedad topográfica del suelo

índice. El DEM se desarrolló a una resolución de cuadrícula de 20 m utilizando el

Procedimiento ANUDEM (Hutchinson, 1989) y datos de entrada digital del

Serie topográfica del mapa base de Ontario (OBM). OBM topográfico digital

Fig. 2. Una representación esquemática de la metodología utilizada en el modelado de clases de régimen de humedad
del suelo en paisajes forestales, noroeste de Ontario, Canadá.

los datos están disponibles para una parte significativa de los bosques comerciales

área de tierra en el noroeste de Ontario a escala 1: 20,000 (Sims et al.,

2002). Los datos OBM compuestos por polígonos lacustres, vectores de flujo, spot

alturas y contornos de elevación a intervalos de 10 m. El contorno, lago

y los datos de flujo se interpolaron utilizando el procedimiento ANUSPLIN

(Hutchinson, 1989) siguiendo los procedimientos computacionales como se describe

por Mackey et al. (1994) Los 20 m DEM se volvieron a muestrear a 15 m DEM

y se usa para generar humedales, curvatura de superficie, clases de posición de pendiente,

e índice de humedad topográfica del suelo.

El humedal fue generado por un enfoque probabilístico (Lindsay y

Creed, 2006) en la extensión de software Terrain Analysis System (TAS)

Análisis de formas estocásticas. Este enfoque determina la probabilidad de un

área plana o en depresión. Reconoce errores en DEM y clasifica áreas planas y depresas en función de la diferencia de
elevación entre

Fig. 3. Clases de textura del suelo en el área de estudio controlado en el modelado de clases de régimen de humedad del
suelo.

Fig. 4. Función de membresía difusa (MF) donde la forma está determinada por

probabilidad máxima (b) y su dispersión (d) (Burrough et al., 1992).

celdas de cuadrícula vecinas. Se agrega un término de error aleatorio al DEM y

áreas de depresión llenas. Cada píxel que es modificado por la depresión.

el proceso de llenado se marca y el proceso se repite varias veces usando

los términos de error aleatorio (Planchon y Darboux, 2002; Webster et al.,

2011). Se calcula una probabilidad de ocurrencia de aplanamiento o depresión.

basado en el número de veces que una celda de cuadrícula se identifica como plana o depresión (pdep). Se genera un
mapa de probabilidad ráster con un rango de

probabilidad de 0 (es decir, cero probabilidad de ser un humedal) a 100%

(probabilidad de ser humedal). Se aplicó un umbral crítico de ≥0.2

para la delineación de humedales (Lindsay y Creed, 2006).

La curvatura de la superficie se generó en el entorno ArcGIS utilizando el

herramienta de curvatura. Calcula el segundo valor derivado de la entrada.

superficie célula por célula (Zeverbergen y Thorne, 1987). Positivo

el valor de curvatura indica que la superficie es convexa hacia arriba en esa celda

mientras que un valor negativo indica que la superficie es cóncava hacia arriba en

esa celda Un valor de 0 indica una superficie plana.

Clases de posición de pendiente, es decir, cresta, pendiente posterior, pendiente de pie y pendiente de pie

se derivaron usando la delineación difusa de las características topográficas

basado en la función de membresía (Fig. 4) (Burrough et al., 1992).

Las características topográficas (atributos del terreno) incluyen curvatura de perfil, pendiente, elevación relativa a picos
y pozos, elevación relativa a

canalizar y dividir, e índice de humedad.

La curvatura del perfil representaba una forma de pendiente local que soporta

aceleración del flujo, erosión del suelo / tasa de deposición (MacMillan et al., 2000).

La pendiente fue el gradiente sobre la tierra y contribuye al flujo subsuperficial

velocidad y tasas de escorrentía. Elevación relativa a picos y pozos, y

elevación relativa al canal y división paisaje relativo representado

posición a lo largo de la ladera (MacMillan et al., 2000). La curvatura del perfil,

pendiente, elevación relativa a picos y pozos, elevación relativa al canal

y divide se generaron en la versión de software TAS 2005.

El índice de humedad topográfica del suelo (WI) representó las condiciones relativas de drenaje y la extensión de la zona
de saturación y se derivó en

Versión del software ArcSIE 9.3.501 usando la ecuación. (1) (Shi, 2010).

Índice de humedad suave multi ruta = FlujoAcumulación Pendiente Gradiente

()

(ln (/)

Estos atributos de terreno se usaron para generar atributos difusos

es decir, cerca de la división, cerca del pico, cerca del medio, cerca del canal, cerca del agujero, alto

índice de humedad (WI), convexo D, cóncavo D, plano D, cercano al nivel, relativo

empinada (Tabla 1) basada en la probabilidad de la función de membresía y

modelo.

A los atributos difusos se les asignaron pesos y se combinaron para definir

las clases de posición de pendiente (Tabla 2) (adaptada de Webster et al.

(2011)). El uso de múltiples atributos difusos para definir una pendiente particular

Se realizó la clase de posición. Por ejemplo, la pendiente del pie fue definida por el

atributos difusos de canal cercano, plano y pozo cercano (Tabla 2). Un mapa

para cada entidad topográfica se creó con cada celda de cuadrícula asignada

La probabilidad de pertenecer a esa característica. Los mapas individuales de

Las características topográficas se combinaron mediante la técnica de endurecimiento difuso.

y reclasificado para generar un solo mapa de clases de posición de pendiente.

2.2.3. Modelado de idoneidad de áreas de alta recepción de agua

El área de recepción de agua alta se identificó como una variable importante en

prediciendo la clase de humedad relativa del suelo húmedo en el paisaje boscoso. Esto se debe a que las áreas de alta
recepción de agua consisten en suelo húmedo

durante un largo período de tiempo dentro del año. Gley y moteados generalmente se forman en áreas de alta
recepción de agua con suelos húmedos (Johnson

y Uhlig, 2011). Las áreas de alta recepción de agua se definieron en este

estudiar como cualquier ubicación geográfica que tenga tres o más de cualquiera de los

siguientes condiciones topográficas, es decir, humedal, pendiente de pie de pie, alto

índice de humedad topográfica (WI> 6) y curvatura cóncava. La condición topográfica con índice de humedad> 6
representaba el percentil 75 de los valores del índice de humedad topográfica. Análisis de idoneidad del sitio de

las áreas de alta recepción de agua se realizaron usando una alta incidencia de

variables topográficas (humedal, pie de pie-pie, alto índice de humedad

y curvatura cóncava). Áreas con 3 o más incidencia de agua

recibir variables topográficas de la superposición se clasificaron como altas

zonas de recepción de agua.

2.2.4. Régimen de humedad del suelo clases modelado

Las clases de textura del suelo de la región se usaron en combinación con

áreas de alta recepción de agua para predecir las clases de humedad relativa del suelo. Nosotros

desarrolló un enfoque de modelado SIG basado en reglas (Tabla 3) para predecir el suelo

Clases de régimen de humedad. Esto se basó en una amplia experiencia de campo de

científicos que trabajan en el campo de la ciencia del suelo y desarrollaron guías de campo

por científicos de clasificación de ecosistemas forestales en Natural Resources Canada (Sims et al., 1989). El régimen de
humedad del suelo se clasificó como seco,

fresco, húmedo y húmedo, de conformidad con el Ministerio de Natural de Ontario

Sistema de clasificación de recursos (Johnson y Uhlig, 2011). El sistema de clasificación del suelo del Ministerio de
Recursos Naturales de Ontario

el régimen de humedad se infirió del patrón de poros y la profundidad de la

material mineral del suelo, la posición topográfica del sitio y el suelo

características de perfil como moteado y horizontes gley (Johnson y

Uhlig, 2011). Generalmente, basado en muchos años de análisis de suelos y expertos

conocimiento, asumimos el lecho de roca en la cresta como áreas de suelo orgánico seco como

Suelos minerales húmedos con alta recepción de agua como suelos húmedos y minerales.

sin alta recepción de agua o área de lecho de roca no en la cresta tan fresca

(Tabla 3).

Como esfuerzos de validación, utilizamos puntos de datos de parcelas (43) de suelo relativo

Clases de humedad para validar la humedad relativa digital prevista del suelo

clases Los puntos del régimen de humedad del suelo de los datos de la parcela se muestrearon por campo

técnicos y científicos en la Unidad de Clasificación de Ecosistemas Forestales,

Servicio Forestal de Canadá-Recursos Naturales de Canadá. Superpusimos la trama

conjuntos de datos en el mapa de clases de régimen de humedad del suelo previsto en ArcGIS

10.3 y evaluación de precisión evaluada.

Además, seleccionamos al azar alrededor del 75% de los puntos de datos

(30) representa clases de régimen de humedad del suelo seco, fresco, húmedo y húmedo.

Los 30 puntos de datos de las clases de régimen de humedad del suelo se superpusieron al

índice de humedad topográfica del suelo generado en la ecuación. (1) Valores medios de

índice de humedad topográfica (Tabla 4) que representa la humedad del suelo

Las clases de régimen fueron extraídas y reclasificadas. La reclasificación fue

realizado restando la desviación estándar promedio general (0.7)

de los valores medios de WI de las clases de régimen de humedad del suelo. La tierra

Las clases de régimen de humedad se reclasificaron de la siguiente manera: seco = <1.5WI;

fresco = ≥1.5WI y <2.3WI; húmedo = ≥2.3WI y <4.6;

mojado = ≥4.6WI. El 25% restante de los datos de la trama (13) se mantuvo

y se utiliza para la evaluación de precisión del régimen de humedad del suelo previsto

clases derivadas del umbral y reclasificación del índice de humedad topográfica del suelo.

3. Resultados y discusión

3.1. Zonas de recepción de agua

Los sitios de alta recepción de agua se predijeron en base a criterios relacionados

a la presencia de humedal, pie-pie-pie, alta humedad topográfica

índice (WI> 6) y curvatura cóncava (Fig. 5). El automatizado

tabla 1

Una descripción de los atributos difusos utilizados en la clasificación de la posición de la pendiente y el modelo de lógica
difusa y el parámetro utilizado para derivar los atributos (modificado de Webster

et al. (2011) B1 y b2 representaban los límites superior e inferior respectivamente de la dispersión (d) de la probabilidad
máxima.

enfoque para delinear los humedales que coincidía bien con los humedales

identificado en el mapa de cobertura del suelo de la región y cubrió aproximadamente el 20% de

El área de estudio. La posición del paisaje es una característica típica de los humedales.

(Jackson et al., 2014) y el enfoque probabilístico para determinar el

La probabilidad de que un área sea plana o en depresión se consideró útil en

delineando humedales. Hubo poca ocurrencia de humedales en el

partes del sudoeste de la región en relación con las porciones del sudeste.

Esto probablemente se deba a problemas relacionados con las transiciones basadas en el paisaje.

dentro de grupos de humedales que implican la transición de aguas arriba a

río abajo en humedales ribereños (Brinson, 1993). Además, fuentes inadecuadas de agua a los humedales (flujo terrestre
y agua subterránea)

flujo) también podría ser un factor que contribuye a la poca ocurrencia de

humedales en las partes del sudoeste del área de estudio (Brinson, 1993;

Poff et al., 1997). Es probable que la distribución de humedales en la región

cambiar con la resolución del DEM. Esto es porque la escala del mapa

y se ha encontrado que la resolución de DEM afecta el terreno hidrológico

características (Wolock, 1994). Por lo tanto, áreas de depresión de humedales más pequeñas

puede perderse en una resolución DEM más gruesa.

Otros fenómenos naturales como el cambio en la evaporación y

también se puede esperar que la precipitación afecte la distribución y la presencia de humedales en la región (Nyandwi
et al., 2016; Tong et al.,

2014). Esto se debe a su sensibilidad a factores climáticos como

temperatura y precipitaciones (Nyandwi et al., 2016). Se espera que un aumento en la precipitación aumente la
presencia y distribución de humedales

mientras; se espera que una disminución en la precipitación e reduzca el humedal

ocurrencia en la distribución en la región. Además, también se espera que el aumento de la evaporación reduzca la
presencia de humedales en la distribución.

en el area de estudio.

Las áreas de los pies y de los pies abarcaron aproximadamente el 30% del estudio.

zona. Esto implica que la región tenía una cantidad significativa de menos drenaje

suelos con mayor retención de agua generando así humedad y humedad

condiciones del régimen de humedad del suelo. Las áreas de la ladera y el pie eran

distribuido en todo el área de estudio y tenía una apariencia visual similar

patrón de distribución con las zonas de humedales. Esto es probablemente porque

Estas áreas generalmente tienen condiciones de drenaje muy pobres, mejorando así la formación de humedales.
Además, las posiciones de pie y de pie se produjeron en la parte inferior de la pendiente y son más cóncavas con

aumento de la acumulación de agua del flujo superficial y subsuperficial desde

posiciones ascendentes (Kolka y Thompson, 2007).

Índice de humedad topográfica, que representó tanto el específico

área contribuyente y pendiente (Shi, 2010), indicaron condiciones más húmedas en

valores más altos (es decir, áreas contribuyentes más altas y pendientes más bajas). Alto

índice de humedad (> 6) que representaba el percentil 75 del

Los valores del índice de humedad cubrieron alrededor del 30% del área de estudio. El algoritmo de trayectoria múltiple
del índice de humedad topográfica funcionó bien en el

área de estudio con variación significativa en los valores de humedad topográfica.

Sin embargo, la variación en los valores del índice de humedad topográfica podría

cambiar con la resolución del DEM. Esto es porque alta resolución

DEM tiende a resultar en una alta variación local en el índice de humedad topográfica

valores (Buchanan et al., 2014). Además, el uso de un algoritmo unidireccional para generar el índice de humedad
topográfica también podría afectar la variación en los valores del índice de humedad topográfica. Esto es porque el
camino único

El algoritmo utiliza un gradiente de pendiente previamente calculado para el cálculo de la humedad

en lugar de DEM para calcular el gradiente de pendiente para cada dirección individual en la que hay flujo desde el píxel
en consideración (Shi,
2010).

Áreas cóncavas, definidas como que tienen una curvatura de pendiente negativa en el

la dirección de la bajada indica las áreas donde los flujos convergen

(Famiglietti et al., 1998; Sinai et al., 1981) y cubrieron alrededor del 30% de

El área de estudio. Se distribuyeron por toda el área de estudio y están

asociado con suelos húmedos y húmedos (Famiglietti et al., 1998; Sinai et al.,

1981). Sus asociaciones con suelos húmedos y húmedos indicaron que

podría ser útil para reconocer cuerpos de agua y redes de canales en

paisajes apacibles

Se determinó que las áreas de alta recepción de agua tienen tres o

más de cualquiera de las siguientes condiciones topográficas: humedales,

Tabla 2

Los atributos difusos y los pesos utilizados para definir cada una de las clases de posición de pendiente. Varias filas que
ocurrieron para cada clase indicaron una definición alternativa del

clase (adaptado de Webster et al. (2011)

Tabla 3

Reglas asignadas en el modelado de clases de humedad relativa del suelo en paisajes forestales

Tabla 4

Valores medios del índice de humedad topográfica para diferentes regímenes de humedad del suelo

Clases
pie-pie-pie, alto índice de humedad topográfica (WI> 6) y / o

curvatura cóncava Estas áreas comprenden aproximadamente el 30% del área de estudio.

(Fig. 6). Las áreas de recepción de agua alta se interpretan como aquellas con

alta humedad y tiempo de residencia prolongado, por lo tanto anegado y químicamente reducido (es decir, anóxico) que
produce un patrón de suelo distintivo de

reluciente y moteado. La presencia de gley / moteado en el suelo ha sido

encontrado asociado con una alta concentración de óxido férrico en el

Warplands de Yorkshire en el Reino Unido (Heathcote, 1951). Esto se debe a la presencia de compuestos ferrosos
fácilmente extraíbles formados durante el

proceso brillante (Bloomfield, 1952; Heathcote, 1951). Comprensión

La condición de sustratos moteados y gley con respecto a la concentración de óxido férrico y aluminio en Ontario,
Canadá, es un área para mayor

investigación. El área de recepción de agua fue una de las características morfométricas más notables del suelo utilizado
para modelar el régimen de humedad del suelo húmedo.

clase en este estudio. Esto se debe a que indica la presencia de propiedades hidromórficas en los suelos (Khan et al.,
2012). Las áreas apropiadas de recepción de agua alta previstas en este estudio dependen de

variables (humedales, pie-pie-pie, índice de humedad topográfica y

curvatura) utilizada en el modelado de análisis de idoneidad. Se espera que aumentar o reducir las variables de entrada
afecte el modelado de idoneidad
Fig. 5. Variables DEM derivadas utilizadas para predecir áreas de recepción de agua alta adecuadas.

Fig. 6. Áreas de alta recepción de agua predichas en el área de estudio del lago Rinker.
Fig. 7. Clases de humedad relativa del suelo predichas derivadas del modelado de SIG basado en reglas
resultados de áreas de alta recepción de agua.

3.2. Clases de régimen de humedad del suelo

El régimen ecológico de humedad del suelo (Fig. 7) se obtuvo con éxito

del enfoque de modelado de SIG basado en reglas en paisajes forestales con

precisión general de aproximadamente el 65%. Consistió en las clases seco, fresco,

sustratos húmedos y mojados. La clase de humedad relativa fresca del suelo ocupada

aproximadamente 70%, clase húmeda alrededor del 20%, clase seca aproximadamente 8% y

clase húmeda alrededor del 2%.

Las clases de SMR secas y frescas tuvieron un tiempo de residencia bajo en agua

mientras; las clases SMR húmedas y húmedas tenían un tiempo de residencia alto en agua.

La densidad aparente probablemente aumenta en sitios con SMR húmedo y húmedo

clases debido a la alta compactación y la acumulación de materia orgánica del suelo debido

a sus posiciones de paisaje de depresión. En contraste, la densidad aparente es

probablemente disminuyó en sitios con clase SMR fresca debido a la baja compactación y baja materia orgánica
acumulada del suelo debido a su elevada

Posiciones de paisaje. Un aumento en la densidad aparente en sitios con humedad y

Las clases húmedas de SMR afectarán negativamente la disponibilidad de nutrientes de la planta,

profundidad de enraizamiento y actividad de microorganismos del suelo, reduciendo así

productividad.
La clase de humedad relativa del suelo húmedo se distribuyó por todo el

área de estudio y tuvo más ocurrencias en las partes orientales de la

región. Esto probablemente se deba a la depresión y al terreno plano al este del

región relativa al oeste. Esta tendencia es similar al estudio de la

cuenca en Chickasha, Oklahoma, donde se descubrió que la topografía era

Un factor importante que controla la distribución de la humedad del suelo.

(Hawley et al., 1983). La relación de ocurrencia del suelo seco relativo

la clase de humedad en comparación con la clase de humedad relativa del suelo húmedo fue

aproximadamente 4: 1. Las clases de humedad relativa del suelo fresco y seco ocuparon aproximadamente

70% del área de estudio en relación con la humedad relativa y húmeda del suelo

clases Esto sugiere que la región apoyaría bosques secos y frescos.

como el bosque dominado de piceas de pino negro, madera dura de abedul y álamo temblón

y tipos de bosques de madera mixta (Sims et al., 2002; Sims et al., 1989).
Tabla 5

Tabla de matriz de errores de las clases de régimen de humedad del suelo predichas derivadas de modelos de SIG
basados en reglas

Sin embargo, además del régimen de humedad relativa del suelo, otros edáficos

factores como la profundidad del suelo y la geología glacial cuaternaria también son

Factores importantes en la formación de diferentes tipos de bosques. Las clases dominadas de régimen de humedad
relativa del suelo seco a fresco en la región

junto con el alto contenido de limo en los suelos arcillosos se espera que

Apoyar el crecimiento de árboles altos adecuados para la extracción de madera y

administración.

Para las clases SMR derivadas del índice de humedad topográfica

(Fig. 8), la clase húmeda ocupaba alrededor del 50%, la clase húmeda alrededor del 30%,
clase seca aproximadamente 18% y clase fresca aproximadamente 2%. Por lo tanto, este enfoque generó diferentes
grados de cobertura en la humedad relativa del suelo.

clases de régimen en comparación con el enfoque de modelado basado en reglas. los

umbral y reclasificación del método de índice de humedad topográfica es

diferente del enfoque basado en reglas porque se basaba en datos de la trama para

calibre los umbrales dentro de los valores del índice de humedad. Pariente generador

humedad del suelo basada en el umbral y reclasificación de topografía

Fig. 8. Clases de humedad relativa del suelo predichas derivadas del umbral y la reclasificación del índice de humedad
topográfica
Tabla 6

Tabla de matriz de errores de las clases de régimen de humedad del suelo predichas derivadas de

umbral y reclasificación del índice de humedad topográfica

El índice de humedad probablemente depende de la técnica en la que se derivó el índice de humedad topográfica, como
se discutió anteriormente, pero también del

umbrales utilizados. El índice de humedad topográfica se ha utilizado de manera similar para

predecir otras propiedades del suelo en Canadá, incluida la textura del suelo (Akumu

et al., 2015; Temimi et al., 2010; Webster et al., 2011).

Las clases de régimen de humedad del suelo generadas a partir del SIG basado en reglas

el modelado tuvo una precisión general y estadísticas kappa de 65% y 54%

respectivamente (tabla 5). En contraste, las clases de régimen de humedad del suelo

derivado del umbral y la reclasificación de la humedad topográfica

El índice tenía una precisión general y estadísticas kappa de 54% y 33% respectivamente (Tabla 6). Las estadísticas muy
bajas de kappa (33%) del suelo

Clases de régimen de humedad derivadas del umbral y reclasificación de

El índice de humedad topográfica indicó una pobre correlación entre el

clases de humedad relativa del suelo previstas y los datos de referencia utilizados en

evaluación de precisión. Además, la precisión general de la humedad del suelo

las clases de régimen generadas a partir del modelado de SIG basado en reglas

20% más alto que la precisión general de las clases de régimen de humedad del suelo

generado a partir del umbral y la reclasificación del índice de humedad topográfica. Esto implica que las clases de
régimen de humedad del suelo previstas

derivados del modelado de SIG basado en reglas fueron más confiables en relación con el

clases de régimen de humedad del suelo previstas derivadas del umbral y

reclasificación del índice de humedad topográfica. Además, sugiere

las variables de terreno derivadas de DEM, como la curvatura, la posición de la pendiente

Las clases y el índice de humedad del suelo utilizados en el modelado de SIG basado en reglas fueron

importante en la predicción de las clases de humedad relativa del suelo en el

paisaje boscoso Otros estudios también han encontrado terreno derivado de DEM
atributos útiles en la predicción de las propiedades del suelo, incluido el carbono,

masa, profundidad y textura del suelo (Akumu et al., 2015; Gessler et al., 2000;

Odeha et al., 1994; Webster et al., 2011).

Las precisiones del productor que representaban la probabilidad, con

que el modelo predijo con precisión las clases de régimen de humedad del suelo,

fueron: 20%, 82%, 100% y 36% para las clases de régimen de humedad del suelo seco,

fresco, húmedo y húmedo respectivamente del modelado de SIG basado en reglas

técnica. En contraste, las precisiones del productor fueron 33%, 67%, 33%,

y 100% para las clases de régimen de humedad del suelo seco, fresco, húmedo y húmedo

respectivamente desde el umbral y la reclasificación de la humedad topográfica

enfoque de índice. Esto sugirió que la clase de humedad relativa del suelo

la humedad era 100% predicha con precisión por el enfoque SIG basado en reglas

mientras; la humedad relativa del suelo clase húmeda fue 100% predicha por el

umbral y reclasificación del enfoque del índice de humedad topográfica.

Esto probablemente implica que el enfoque SIG basado en reglas de asignar suelo

las clases de texturas y las áreas de recepción de agua alta adecuadas tuvieron un alto

confianza en la predicción de la clase de humedad del suelo húmedo.

Generalmente, la precisión promedio del productor del régimen de humedad del suelo

Las clases derivadas del modelado de SIG basado en reglas fueron aproximadamente un 2% más altas que

La precisión promedio del productor de las clases de régimen de humedad del suelo derivadas

desde el umbral y la reclasificación del índice de humedad topográfica.

El pequeño número de datasets de parcela disponibles utilizados en la calibración y

validación de las clases de humedad relativa del suelo derivadas del umbral y

La reclasificación del índice de humedad topográfica puede haber contribuido a

Las bajas precisiones globales del productor. Sin embargo, falta de logística y pobre

El acceso al terreno desafiante inhibió la adquisición de más

parcelas de muestra para usar para la calibración y validación del modelo.

La precisión del usuario representaba la probabilidad de que una etiqueta de píxeles para un

La clase de humedad relativa del suelo dada es correcta en el suelo. El relativo

la clase de humedad del suelo fresca tuvo la mayor precisión del usuario (75%) y seca

tuvo la precisión de usuario más baja (33%) del modelado de SIG basado en reglas

enfoque. En contraste, la clase de humedad relativa del suelo fresca de

umbral y reclasificación del índice de humedad topográfica tuvo el

mayor precisión del usuario del 67% y la clase de humedad tenía el usuario más bajo

precisión del 33%. La precisión promedio del usuario del régimen de humedad del suelo

las clases derivadas del modelado de SIG basado en reglas fueron aproximadamente un 12% más altas

que la precisión promedio del usuario de las clases de régimen de humedad del suelo derivadas

desde el umbral y la reclasificación del índice de humedad topográfica. Esta

implica que las clases de humedad relativa del suelo derivadas del nuevo modelo de SIG basado en normas fueron más
confiables en paisajes forestales que las clases de humedad relativa del suelo derivadas del umbral y la reclasificación
del índice de humedad topográfica.

Sin embargo, hubo una limitación en el número de parcelas de tamaño de muestra

utilizado en los esfuerzos de validación. Por ejemplo, se usaron 43 parcelas para validar SMR derivado del modelado
basado en reglas, mientras que; solo 13 parcelas

se usaron para validar SMR derivado del umbral y la reclasificación del índice de humedad topográfica. Esto es porque
un significativo

cantidad de parcelas (30) se utilizaron para calibrar el umbral y la reclasificación del índice de humedad topográfica
mientras que; Se requirió un diagrama cero en la técnica de modelado basada en reglas. No obstante, el enfoque de
modelado de SIG basado en reglas demostró ser más robusto que el umbral

y reclasificación del índice de humedad topográfica. Aumentando el

número de variables de entrada en el enfoque de modelado basado en reglas podría

Mejorar aún más la predicción y precisión del modelo. Además, desarrollar las reglas basadas en SIG para predecir SMR
en sistemas difusos podría

También mejorar la predicción y validación del modelo en paisajes forestales.

Esta es un área para futuras investigaciones.

4. Conclusion We successfully developed a rule-based GIS modeling technique to predict relative soil moisture classes in
forested landscape with overall accuracy of about 65% relative to around 54% from threshold and reclassification of
topographic wetness index. The high overall accuracy from our novel rule-based GIS approach relative to threshold and
reclassification of topographic wetness index approach makes the technique more reliable. Additional information
beyond the specific contribution area and slope that go into the calculation of topographic wetness index are important.
The study found DEM derived environmental variables such as wetland, surface curvature, slope position classes, and
topographic wetness index in combination with soil textural classes very useful in the prediction of relative soil moisture
classes in forested landscape. Furthermore, we found the relative soil moisture classes i.e. dry, fresh, moist, and wet
distributed throughout the area of study with the relative soil moisture class fresh being the most dominant in
occurrence and most user accurate in prediction. This is probably because the substrate in the region consisted mostly
of coarse sand and coarse loamy sediments with rapid perviousness as a result of open pore pattern. This substrate type
and fresh relative soil moisture class could support a variety of forested ecosites including red pine-white pine conifer,
aspen-birch hardwood, maple hardwood and mixed wood forests (Sims et al., 1989). The overall accuracy of the rule-
based GIS model prediction could be improved by increasing the number of input variables and refining the rule-based
datasets. Furthermore, incorporating the spatial data with fuzzy logic prediction systems could also enhance modeling
outcomes. The rule-based GIS modeling Table 6 Error matrix table of predicted soil moisture regime classes derived from
threshold and reclassification of topographic wetness index. Dry Fresh Moist Wet Total Dry 1 1 0 2 Fresh 1 4 1 0 6 Moist
1 1 1 0 3 Wet 0 0 1 1 2 Total 3 6 3 1 13 Producer accuracy (%) User accuracy (%) Overall accuracy (%) Overall kappa
statistics (%) Dry 33 50 Fresh 67 67 Moist 33 33 Wet 100 50 54 33 C.E. Akumu, et al. Geoderma 351 (2019) 25–35 34
approach could be used by soil scientists in other regions involved in mapping relative soil moisture conditions in
forested landscapes. This rule-based GIS approach is preferable over machine learning approaches such as random
forest because the need for training data is not required.