Open Access

Deriving regional pedotransfer functions to estimate soil bulk density in Austria

Cecilie Foldal
Cecilie Foldal
, 
Robert Jandl
Robert Jandl
, 
Andreas Bohner
Andreas Bohner
 and 
Ambros Berger
Ambros Berger
   | May 30, 2021
Die Bodenkultur: Journal of Land Management, Food and Environment's Cover Image
About this article
Previous Article
Next Article
Cite
Article Category: Research Article
Published Online: May 30, 2021
Page range: 241 - 252
Received: Dec 26, 2020
Accepted: Mar 02, 2021
DOI: https://doi.org/10.2478/boku-2020-0020
Keywords
© 2021 Cecilie Foldal et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Figure 1

Measured soil bulk densities from cropland (star), forest (triangle) and grassland (squares) soils versus A) soil organic content and B) squared root of soil organic carbonAbbildung 1. gemessene Bodenlagerungsdichten von Acker- (Sterne), Wald- (Triangel) und Grünlandböden (Quadrate) versus A) gemessenen organischen Bodenkohlenstoff und B) Wurzel des organischen Bodenkohlenstoffs
Measured soil bulk densities from cropland (star), forest (triangle) and grassland (squares) soils versus A) soil organic content and B) squared root of soil organic carbonAbbildung 1. gemessene Bodenlagerungsdichten von Acker- (Sterne), Wald- (Triangel) und Grünlandböden (Quadrate) versus A) gemessenen organischen Bodenkohlenstoff und B) Wurzel des organischen Bodenkohlenstoffs

Figure 2

Residuals versus predicted soil bulk densities (BD) with regression line (dashed) and lowest smoothing line (solid) of A) all data, B) cropland, C) forest and D) grassland sites.Abbildung 2. Die Residuen versus modellierten Bodenlagerungsdichten (BD) mit der lineare Regressionsline (gestrichelt) und LOWESS-Spline-Linie (durchgezogen) von A) ‚alle Daten‘, B) Ackerböden, C) Wald- und D) Grünlandböden.
Residuals versus predicted soil bulk densities (BD) with regression line (dashed) and lowest smoothing line (solid) of A) all data, B) cropland, C) forest and D) grassland sites.Abbildung 2. Die Residuen versus modellierten Bodenlagerungsdichten (BD) mit der lineare Regressionsline (gestrichelt) und LOWESS-Spline-Linie (durchgezogen) von A) ‚alle Daten‘, B) Ackerböden, C) Wald- und D) Grünlandböden.

Figure 3

Histograms showing the bias (relative error) of predicted soil bulk density (BD) of A) all data, B) cropland C) forest and D) grassland respectively Abbildung 3. Histogramm mit der Verzerrung (relative Fehler) der geschätzten Bodenlagerungsdichten (BD) bei A) ‚alle Daten‘, B) Ackerböden, C) Wald- und D) Grünlandböden
Histograms showing the bias (relative error) of predicted soil bulk density (BD) of A) all data, B) cropland C) forest and D) grassland respectively Abbildung 3. Histogramm mit der Verzerrung (relative Fehler) der geschätzten Bodenlagerungsdichten (BD) bei A) ‚alle Daten‘, B) Ackerböden, C) Wald- und D) Grünlandböden

Figure 4

Performance of measured versus predicted soil bulk density (BD) including regression line (dashed) for “all data”, “cropland”, “forest” and “grassland” datasets applying A – D the best of regional equations from this study, E – H the model of Manrique and Jones (1991) and I – L the model used by Weiss et al (2000). R2 and RMSE describe the goodness of the functionsAbbildung 4. Modellierte versus gemessene Bodenlagerungsdichten mit Regressionsline (gestrichelt) für alle Datensets (‚all data‘, ‚cropland‘, ‚forest‘ und ‚grassland‘) in A – D anhand der regional kalibrierten Gleichungen dieser Studie, E – H berechnet mit dem Modell von Manruiqe und Jones (1991) und I – L das Modell verwendet von Weiss et al. (2000). R2 und RMSE geben die Güte der Gleichungen wieder.
Performance of measured versus predicted soil bulk density (BD) including regression line (dashed) for “all data”, “cropland”, “forest” and “grassland” datasets applying A – D the best of regional equations from this study, E – H the model of Manrique and Jones (1991) and I – L the model used by Weiss et al (2000). R2 and RMSE describe the goodness of the functionsAbbildung 4. Modellierte versus gemessene Bodenlagerungsdichten mit Regressionsline (gestrichelt) für alle Datensets (‚all data‘, ‚cropland‘, ‚forest‘ und ‚grassland‘) in A – D anhand der regional kalibrierten Gleichungen dieser Studie, E – H berechnet mit dem Modell von Manruiqe und Jones (1991) und I – L das Modell verwendet von Weiss et al. (2000). R2 und RMSE geben die Güte der Gleichungen wieder.

List of datasets from Austria (AT), Switzerland (CH) and Italy (IT) naming sources, number of samples, land-use and mean, lowest (min) and highest (max) elevation of the sites sampledTabelle 1. listet die Datensammlungen aus Österreich (AT), Schweiz (CH) und Italien (IT) mit Quellen, Anzahl Bodenprobe, Landnutzung und mittlere (mean), minimale (min) und maximimale (max) Höhenlage der Probenstellen.

Country Made available by number of samples Land-use elevation (m asl)
mean min max
AT our own dataset 15 Grassland 909 672 - 1554
AT Upper Austria (BORIS) 567 cropland 540 400 - 1140
AT Upper Austria (BORIS) 656 Grassland 1047 410 - 2460
AT BAW (internal dataset) 348 Forest 1024 400 - 2050
AT A. Bohner (other studies) 18 Grassland 663 420 - 1830
CH J. Leifeld 116 Grassland 760 430 - 1220
IT EURAC 12 Grassland 1607 986 - 2043

Mean, minimum (min) and maximum (max) values of soil depth, organic carbon (SOC), sand, silt, clay and bulk density according to the datasets: all data, cropland, forest and grassland (n = number of samples)Tabelle 2. Mittlere (mean), minimale (min) und maximale (max) Werte der Bodenprobeentnahme, organischem Bodenkohlenstoff (SOC), Sand-, Schuff-, Tongehalten und der Bodenlagerungsdichten (BD) von ‚allen Daten‘, Ackerböden, Wald- und Grünlandböden (n = Anzahl Proben)

parameter all data (n = 1732) cropland (n = 567) forest (n = 348) grassland (n = 817)
mean min max mean min max mean min Max mean min max
Depth [cm] 20 1 - 70 26 10 - 50 27 8 - 60 12 1 - 70
SOC [mg g−1] 39 1 - 295 19 4 - 120 32 10 - 185 55 1 - 295
Sand [mg g−1] 280 0 - 910 217 0 - 721 35 21 - 717 289 18 - 910
Silt [mg g−1] 538 2 - 934 587 172 - 934 446 172 - 703 544 20 - 882
Clay [mg g−1] 184 1 - 701 197 35 - 467 207 36 - 701 167 10 - 560
BD [g cm−3] 1.2 0.3 - 2.2 1.4 0.5 - 1.7 1 0.4 - 2.2 1.1 0.3 - 1.7

Coefficients of the linear model equations (EQ) and the evaluation of the models by R squared (R2), root mean squared error (RMSE) and percentage of uncertainty (PU) together with the validation by the mean squared R (mR2) of the cross validation (CV)Tabelle 3. Die Koeffizienten der linearen Gleichungen (EQ) und die Evaluierung der Modelle anhand des Bestimmtheitsmaß (R2), Wurzel der Mittlere quadratische Abweichung (RMSE) und dem Prozent der Unsicherheit (PU) gemeinsam mit dem Ergebnis der Validierung durch mittleres Bestimmtheitsmaß (mR2) aus der Kreuzvalidierung (CV)

EQ landuse Intercept Depth [cm] SOC−0.5 [%]0.5 Silt [%] Clay [%] R2 RMSE PU [%] CV mR2
1 all data 1.650 −0.0022*** −0.3157*** 0.0028* 0.58 0.190 21 0.57
2 cropland 1.873 −0.0021*** −0.3042*** 0.43 0,105 9 0.41
3 forest 1.523 −0.3199*** 0.58 0.205 25 0.56
4 grassland 1.698 −0.2737*** 0.0009** −0.0020** 0.65 0.171 17 0.65
5 all data 1.682 −0.2738*** 0.55 0.197 24
6 cropland 1.720 −0.2306*** 0.41 0.107 9
7 grassland 1.693 −0.2635*** 0.65 0.157 18
eISSN:
2719-5430
Language:
English
Publication timeframe:
4 times per year
Journal Subjects:
Life Sciences, Ecology, other
Journal RSS Feed