MARC

 008240612s2021      us  |||||||||||||||c||eng  d
■001000016931871
■00520240214100319
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380392778
■035    ▼a(MiAaPQ)AAI28721887
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a631.4
■1001  ▼aLooker,  Nathaniel  T.
■24510▼aConstraining  Above-  and  Belowground  Uncertainties  in  Tropical  Montane  Biogeochemistry  =▼bLa  limitacion  de  las  incertidumbres  de  procesos  superficiales  y  subterraneos  en  la  biogeoquimica  de  las  montanas  tropicales▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  Minnesota.  ▼c2021
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2021
■300    ▼a1  online  resource(171  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  B.
■500    ▼aAdvisor:  Kolka,  Randy;Nater,  Ed.
■5021  ▼aThesis  (Ph.D.)--University  of  Minnesota,  2021.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aSustaining  water  resources  and  soil  organic  carbon  (SOC)  storage  in  the  face  of  global  change  requires  understanding  how  vegetation  and  soils  function  across  landscapes.  Field-based  characterization  of  vegetation  and  soils  is  increasingly  complemented  or  substituted  by  the  use  of  satellite  imagery  or  geospatial  products  derived  from  statistical  models.  This  dissertation  comprises  three  studies  presenting  strategies  for  drawing  inferences  on  vegetation  and  soils  from  field-,  satellite-,  and  model-based  sources  of  information  while  quantifying  associated  uncertainties  and  biases.  All  studies  focused  on  a  mountainous  region  in  central  Veracruz,  Mexico.The  first  study  evaluated  parameter  uncertainty  in  satellite-based  analysis  of  the  seasonality,  or  phenology,  of  tropical  montane  vegetation.  Phenological  parameters  and  uncertainties  were  estimated  using  imagery  with  high  spatial  resolution  (5  m)  but  low  temporal  resolution.  The  double-logistic  phenology  model  performed  well  for  cloud  forest  vegetation  but  poorly  characterized  the  dynamics  of  other  land-cover  types,  as  reflected  in  large  parameter  uncertainties.  Significant  trends  were  detected  in  cloud  forest  phenology  across  gradients  of  topoclimate  and  forest  composition.  Accounting  for  parameter  uncertainty  was  critical  to  the  unbiased  quantification  of  these  trends.The  second  study  assessed  potential  improvements  in  landscape-specific  SOC  predictions  through  the  integration  of  regional-to-global  statistical  models  and  local  soil  data.  Off-the-shelf  models  underestimated  SOC  stocks  by  a  factor  of  three,  on  average.  Calibration  using  local  soil  data  included  within  global  databases  corrected  this  linear  bias,  while  calibration  using  a  more  representative  dataset  corrected  disproportionate  underestimation  in  SOC  storage  hotspots.  The  calibration  approach  permitted  joint  prediction  of  top-  and  subsoil  SOC  storage  and  can  accommodate  auxiliary  field  data  to  reduce  prediction  uncertainties.The  third  study  quantified  bias  in  SOC  stocks  and  radiocarbon  activity  due  to  soil  volume  change  across  land-use  gradients,  using  novel  and  existing  approaches  to  estimate  volume  change.  Ignoring  volume  change  associated  with  deforestation  and  grazing  inflated  SOC  stocks  and  introduced  a  previously  unrecognized  negative  bias  in  radiocarbon  activity,  causing  SOC  appear  to  older.  Post  hoc  adjustments  for  volume  change,  using  the  same  data  required  to  calculate  SOC  stocks,  may  improve  confidence  in  estimates  of  land-use  impacts  on  SOC  dynamics.Collectively,  these  results  underscore  the  importance  of  accounting  for  uncertainty  when  integrating  multiple  information  sources  to  characterize  the  spatial  and  temporal  heterogeneity  of  vegetation  and  soils  in  complex  landscapes.
■520    ▼amantenimiento  de  los  recursos  hidricos  y  del  almacenamiento  de  carbono  organico  del  suelo  (COS)  frente  al  cambio  global  requiere  la  comprension  del  funcionamiento  de  la  vegetacion  y  de  los  suelos  al  nivel  del  paisaje.  Los  levantamientos  de  vegetacion  y  de  suelos  se  complementan  o  sustituyen  cada  vez  mas  con  el  uso  de  las  imagenes  satelitales  o  productos  geoespaciales  derivados  de  modelos  estadisticos.  Esta  disertacion  comprende  tres  investigaciones  que  presentan  estrategias  para  hacer  inferencias  sobre  la  vegetacion  y  los  suelos  a  partir  de  fuentes  de  informacion  basadas  en  las  observaciones  de  campo,  en  las  imagenes  satelites,  y  en  los  productos  de  modelos  estadisticos,  a  la  vez  cuantificando  las  incertidumbres  y  los  sesgos  asociados.  Las  tres  investigaciones  se  realizaron  en  una  region  montanosa  del  centro  de  Veracruz,  Mexico.El  primer  estudio  evaluo  la  incertidumbre  de  los  parametros  en  el  analisis  basado  en  satelites  de  la  estacionalidad,  o  la  fenologia,  de  la  vegetacion  montanosa  tropical.  Los  parametros  fenologicos  y  las  incertidumbres  se  estimaron  utilizando  imagenes  de  alta  resolucion  espacial  (5  m)  pero  baja  resolucion  temporal.  El  modelo  logistico  de  fenologia  funciono  bien  para  la  vegetacion  del  bosque  mesofilo,  pero  caracterizo  mal  la  dinamica  de  otros  tipos  de  cobertura  de  suelo,  como  se  refleja  en  las  grandes  incertidumbres  de  los  parametros.  Se  detectaron  tendencias  significativas  en  la  fenologia  del  bosque  mesofilo  a  lo  largo  de  gradientes  de  topoclima  y  de  la  composicion  arborea  del  bosque.  Tener  en  cuenta  la  incertidumbre  de  los  parametros  fue  fundamental  para  la  cuantificacion  imparcial  de  estas  tendencias.El  segundo  estudio  evaluo  las  mejoras  potenciales  en  las  predicciones  del  COS  al  nivel  del  paisaje  a  traves  de  la  integracion  de  los  datos  edaficos  locales  con  los  modelos  estadisticos  desarrollados  a  los  niveles  regionales  a  globales.  Los  modelos  no  calibrados  subestimaron  los  almacenes  de  COS  por  un  factor  de  tres,  en  promedio.  La  calibracion  utilizando  datos  edaficos  locales  incluidos  en  bases  de  datos  globales  corrigio  este  sesgo  lineal,  mientras  que  la  calibracion  utilizando  un  conjunto  de  datos  mas  representativo  corrigio  la  subestimacion  desproporcionada  en  las  zonas  criticas  del  almacenamiento  de  COS.  El  procedimiento  de  calibracion  permitio  la  prediccion  simultanea  de  los  almacenes  de  COS  de  la  capa  superior  y  del  subsuelo  y  puede  acomodar  datos  de  campo  auxiliares  para  reducir  las  incertidumbres  de  la  prediccion.El  tercer  estudio  cuantifico  el  sesgo  en  los  almacenes  de  COS  y  en  la  actividad  de  radiocarbono  debido  al  cambio  de  volumen  del  suelo  en  los  gradientes  de  uso  de  suelo,  utilizando  metodos  nuevos  y  existentes  para  estimar  el  cambio  de  volumen.  Ignorar  el  cambio  de  volumen  asociado  a  la  deforestacion  y  el  pastoreo  inflo  las  almacenes  de  COS  e  introdujo  un  sesgo  negativo  previamente  no  reconocido  en  la  actividad  de  radiocarbono,  lo  que  hizo  que  el  COS  pareciera  mas  antiguo.  Los  ajustes  post  hoc  para  el  cambio  de  volumen,  utilizando  los  mismos  datos  necesarios  para  calcular  los  almacenes  de  COS,  pueden  mejorar  la  confianza  en  las  estimaciones  de  los  impactos  del  uso  de  suelo  en  la  dinamica  del  COS.En  conjunto,  estos  resultados  demuestran  la  importancia  de  tener  en  cuenta  la  incertidumbre  al  integrar  multiples  fuentes  de  informacion  para  caracterizar  la  heterogeneidad  espacial  y  temporal  de  la  vegetacion  y  de  los  suelos  en  los  paisajes  complejos.
■590    ▼aSchool  code:  0130.
■650  4▼aSoil  sciences.
■650  4▼aRemote  sensing.
■650  4▼aGeography.
■653    ▼aLand  surface  phenology
■653    ▼aRadiocarbon
■653    ▼aSoil  organic  carbon
■653    ▼aCloud  forest
■653    ▼aSoil  data
■690    ▼a0481
■690    ▼a0799
■690    ▼a0366
■71020▼aUniversity  of  Minnesota▼bSoil  Science.
■7730  ▼tDissertations  Abstracts  International▼g85-03B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0130
■791    ▼aPh.D.
■792    ▼a2021
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16931871▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서