یک پایگاه جغرافیایی GIS در مقیاس بزرگ از پارامترهای خاک که از مدل‌سازی جایگزین‌های عملیات حفاظتی در ایالات متحده پشتیبانی می‌کند

مدل‌سازی کیفیت آب نیاز به پشتیبانی گسترده از عناصر دیجیتالی خاک و پارامترهای شبیه‌سازی دارد. این مقاله توسعه بی‌سابقه‌ای از پوشش پایگاه ژئودیتابیس ArcGIS در مقیاس فضایی بزرگ (1:250000) را ارائه می‌کند که به عنوان مخزن عملکردی پارامترهای خاک برای مدل‌سازی و مقایسه نتایج کیفیت آب در ایالات متحده طراحی شده است. مجموعه مدل‌های هدف عبارتند از: SWAT (ابزار ارزیابی خاک و آب)، APEX (توسعه‌دهنده محیط‌زیست سیاست کشاورزی)، و ALMANAC (جایگزین‌های مدیریت زمین کشاورزی با معیارهای ارزیابی عددی). این توسعه بر روی نقشه دیجیتالی خاک عمومی (DGSM) به عنوان منبع اطلاعات خاک متکی است. و اهرم‌هایی بر روی طراحی معماری و ابزارهای مرتبط ایجاد شده برای یک محصول همراه با وضوح بالاتر که از آن روشی برای پر کردن مجدد تعداد زیادی از پارامترهای مشتق شده از دست رفته گسترش یافته است. محصول اصلی که توسط طرح‌بندی‌های حوزه آبخیز منطقه‌ای مشخص شده و توسط لایه‌های کاربری زمین GIS پشتیبانی می‌شود، با استفاده از ساختار داده‌ای File Geodatabase (FGDB) توسعه می‌یابد که از طریق ابزارهای سفارشی مبتنی بر پایتون، داده‌ها را مستقیماً به جریان‌های کاری پردازش جغرافیایی می‌آورد. پیاده‌سازی FGDB به طور موثر ویژگی‌های خاک فضایی، عناصر مدل جدولی و روابط مرتبط را ذخیره می‌کند، در حالی که به طور یکپارچه محیطی را برای استخراج، تجزیه و تحلیل فضایی و نقشه‌برداری پارامترهای مدل‌ها فراهم می‌کند. به عنوان یک جایگزین، عناصر فضایی، چند ضلعی ها و شطرنجی های چند رزولیشن ترکیبی، و المان‌های مدل‌ها به‌عنوان یک سیستم فایل-پوشه از داده‌ها با فرمت‌های کاملاً منبع باز ارائه می‌شوند. در نهایت، این پوشش پایگاه داده جغرافیایی، پشتیبانی از کاربردهای سنتی و هماهنگ مدل‌ها را در مقیاس بزرگ و همچنین جایگزینی برای همراهی با وضوح بالاتر برای مناطقی که این اطلاعات هنوز در حال توسعه هستند، فراهم می‌کند.

کلید واژه ها

پایگاه ژئودیتابیس ، خاک ، SWAT ، APEX ، ALMANAC

1. مقدمه

مدل‌های شبیه‌سازی مبتنی بر هیدرولوژی مدرن نیاز به در دسترس بودن پارامترهای کلیدی چشم‌انداز ذخیره شده در پایگاه‌های اطلاعاتی سیستم اطلاعات جغرافیایی کافی (GIS) دارند. پارامترهای مدل مربوط به خاک به طور سنتی از سوابق دیجیتالی بررسی‌های میدانی مشتق می‌شوند.

در ایالات متحده، دقیق ترین منبع چنین اطلاعاتی در منطقه گسترده ای از کشور توسط پایگاه داده جغرافیایی بررسی خاک (SSURGO) [ 1 ] ارائه شده است. SSURGO یک پایگاه داده فضایی دیجیتالی سراسری مبتنی بر طبقه بندی است که توسط وزارت کشاورزی ایالات متحده خدمات حفاظت از منابع طبیعی (USDA-NRCS) در مقیاس های بین 1:12000 تا 1:24000 توسعه یافته است. پارامترهای مشتق شده به طور گسترده برای ارائه ورودی به مدل های هیدرولوژیکی مختلف [ 2 ] [ 3 ] از جمله مدل های شبیه سازی هیدرولوژی کشاورزی [ 4 ] استفاده شده است.] . کاربرد یکپارچه فضایی داده های مبتنی بر SSURGO در حال حاضر به دلیل ناقص بودن جزئی آن مانع شده است. در واقع، فرآیند جمع آوری داده های بررسی خاک و تکمیل بدون درز ذاتا طولانی و پیچیده است. این فرآیند می‌توانست به تعویق بیفتد، زیرا USDA-NRCS اطلاعات بررسی خاک را ترجیحاً برای زمین‌های دارای مالکیت خصوصی جمع‌آوری، ذخیره، نگهداری و توزیع می‌کند. با این وجود، توسعه SSURGO به طور مداوم در حال رشد است و وضعیت انتشار به روز شده و به صورت آنلاین به اشتراک گذاشته می شود [ 5] . یک راه حل اساسی برای کمبود اطلاعات در مناطق ناقص با استفاده از منابع اطلاعاتی در مقیاس بزرگ ارائه می شود. این رویکرد که برای مدل‌های هیدرولوژی کشاورزی در حوزه‌های آبخیز و حوزه‌های جغرافیایی بزرگ اعمال می‌شود، نتایج شبیه‌سازی بحث‌برانگیزی را در مقایسه با نمونه‌های به‌دست‌آمده با اطلاعات وضوح بالاتر [ 4 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] ارائه می‌کند. با این حال، ویژگی‌های خاک در مقیاس بزرگ، با موفقیت در هیدرولوژی در تعداد زیادی از مطالعات به کار گرفته شده‌اند، و ارزش و استفاده از داده‌های خاک در مقیاس بزرگ هنوز مرتبط در نظر گرفته می‌شود [ 11 ].] . توجه به این نکته حائز اهمیت است که بیشتر این کاربردها با استفاده از منابع داده تاریخ‌گذاری شده، مانند State Soil Geographic (STATSGO) [ 12 ] و روش‌هایی برای استخراج پارامترهای خاک برای کاربردهای هیدرولوژی توسعه داده شده‌اند. به طور کلی، کمبود مخازن به روز، مستند و کاربردی مبتنی بر GIS پارامترهای مدل سازی در مقیاس بزرگ برای مدل های هیدرولوژی کشاورزی وجود دارد.

در این مقاله ما توسعه و نگهداری یک پوشش پایگاه داده جغرافیایی را معرفی می‌کنیم که برای تحقق این اهداف ساخته شده است و بنابراین یک مخزن از ویژگی‌های فضایی در مقیاس بزرگ و پارامترهای خاک برای مجموعه‌ای از مدل‌های هیدرولوژی کشاورزی (SWAT، APEX، و ALMANAC) ارائه می‌کنیم. پایگاه جغرافیایی اصلی در اینجا US-ModSoilParms-TEMPLE250000 نام دارد.

رویکرد کاربردی مبتنی بر بکارگیری یک گردش کار پردازش داده مبتنی بر GIS برای مجموعه منتخبی از اطلاعات مکانی منبع است. رویه کلی شبیه توسعه انجام شده در وضوح بالاتر است و آن را گسترش می دهد [ 13 ]. تفاوت‌های اساسی با چنین توسعه‌ای شامل داده‌های ورودی منبع (بخش 2.1.1) و روش‌شناسی اقتباس شده برای پر کردن شکاف‌های داده منبع (بخش 2.3.2) است. چارچوب کلی در شکل 1 و بخش های بعدی مشخص شده است.

در بخش اول ویژگی‌های داده‌های منبع پیاده‌سازی شده، مدل‌ها، ویژگی‌های GIS و کد را ارائه می‌کنیم. در بخش بعدی نتایج را ارائه می کنیم و در بخش پایانی به نکات برجسته می پردازیم.

2. مواد و روشها

2.1. منابع داده

2.1.1. نقشه خاک عمومی دیجیتال

بررسی خاک تعاونی ملی USDA-NRCS (NCSS) نقشه دیجیتالی خاک عمومی (DGSM) یا STATSGO2 را توسعه داد [ 14 ]]، به عنوان یک نمایش نمایه شده با طبقه بندی خاک از الگوهای خاک در چشم انداز. DGSM به درستی در مقیاس 1:250000 در قاره ایالات متحده (CONUS)، هاوایی، پورتوریکو، و جزایر ویرجین و 1:1،000،000 در آلاسکا ترسیم شده است. DGSM جایگزین مجموعه داده State Soil Geographic (STATSGO) می‌شود که شامل تعداد محدودی از ویژگی‌های خاک و ویژگی‌های فضایی قدیمی است. DGSM شامل فهرست گسترده ای از خاک ها و مناطق بدون خاک است که برای استفاده های برنامه ریزی و مدیریت عمومی طراحی شده است که مناطق ایالتی، منطقه ای و چند ایالتی را پوشش می دهد. داده ها در قالب بسته بندی و ویژگی های داده های فعلی SSURGO توزیع می شوند که شامل داده های مکانی و جدولی است. داده‌های مکانی در قالب فایل شکل ESRI و سیستم مختصات جغرافیایی سیستم جهانی ژئودتیک 1984 (WGS84) ارائه می‌شوند. داده های جدولی در فایل های متنی ASCII و فیلدهای جدا شده از لوله هستند. ویژگی‌های فضایی واحدهای تداعی کلی خاک یا واحدهای نقشه (MUs) را نشان می‌دهند که به گروه‌های زیر واحد غیر ارجاعی جغرافیایی (اجزای خاک، COMPs) اشاره دارد که به عنوان درصدی از مساحت MU مربوطه محاسبه می‌شود. داده های جدولی به طور منطقی با ویژگی های فضایی مرتبط هستند و ویژگی های فیزیکی و شیمیایی خاک را به عنوان محدوده و مقادیر معرف گزارش می کنند. اطلاعات هفت (7) از شصت و هشت (68) جدول خاک

در این اثر از ویژگی هایی استفاده شده است، یعنی: 1) افسانه; 2) Mapunit; 3) جزء؛ 4) افق 5) Chfrags; 6) Chtexturegrp; و 7) موآگات. DGSM به عنوان یک مجموعه داده فضایی و جدولی ملی یکپارچه از اینترنت در https://websoilsurvey.sc.egov.usda.gov دانلود شد.

2.1.2. پشتیبانی از لایه های فضایی

مجموعه داده مرزی حوضه ملی (WBD) [ 15 ] برای تعریف مرزهای واحد هیدرولوژیکی مبتنی بر توپوگرافی که حوزه‌های جریان آب سطحی را مشخص می‌کند، اجرا شد. ویژگی های WBD مورد استفاده در این کار عبارتند از: الف) مرزهای 21 منطقه (تشخیص با اعداد 2 رقمی): مناطق 01-18 CONUS، آلاسکا (19)، هاوایی (20)، کارائیب (21) را تشکیل می دهند، در حالی که مناطق جنوبی جزایر اقیانوس آرام (منطقه 22) تحت پوشش لایه DGSM نیستند. و ب) در مجموع 2297 زیرحوضه که با اعداد 8 رقمی مشخص شده اند. کل مجموعه داده WBD GIS از https://www.nrcs.usda.gov/wps/portal/nrcs/main/national/water/watersheds/dataset به دست آمده است.

لایه‌های فضایی پوشش زمین کاربری (LULC) برای ایجاد آمار فضایی محلی (سطح MU) و سوگیری پارامترهای بررسی شده اولیه در زمانی که این پارامترها به احتمال زیاد تکامل یافته‌اند، از تاریخ جمع‌آوری اولیه (مثلاً ماده آلی) استفاده شد. Cropland Data Layer (CDL) یک محصول پوشش زمین با بیش از صد (133) کلاس، شبکه مبتنی بر شطرنجی با وضوح 30 متر است که CONUS را در بر می گیرد، با انواع پوشش کشاورزی با جزئیات دقیق و با طبقات باقیمانده با جزئیات کمتر [ 16 ] [ 17] . این مجموعه داده‌ها از سرور داده NASS (سرویس ملی آمار کشاورزی) در https://nassgeodata.gmu.edu/CropScape به همراه لایه کشت شده (CL) به‌دست آمدند، که به‌صراحت زمین‌های کشت‌شده را از غیر کشت‌شده متمایز و بررسی می‌کند. مجموعه داده ملی پوشش زمین (NLCD) برای سال 2001 [ 18 ]، یک طبقه بندی پوشش زمین 16 طبقه (چهار طبقه اضافی فقط در آلاسکا استفاده می شود) با وضوح فضایی 30 متر است که از ویژگی های زمین با وضوح چندگانه به دست آمده است. کنسرسیوم (MRLC) در www.mrlc.gov برای مشخص کردن پوشش کاربری زمین در مناطق خارج از CONUS، مانند مناطق 19-21.

2.2. مدل ها

مجموعه مدل‌های شبیه‌سازی کشاورزی-هیدرولوژی عبارتند از: 1) مدل SWAT (ابزار ارزیابی خاک و آب) [ 19 ] که برای شبیه‌سازی هیدرولوژی حوضه رودخانه و حوضه آب، رسوب، مواد مغذی، آفت‌کش‌ها و باکتری‌های مدفوع در مناظر تحت سلطه کشاورزی طراحی شده است. کانال های تخلیه؛ 2) APEX (Agricultural Policy Environmental Extender) [ 20 ]، برای شبیه سازی در مقیاس مزرعه و مزرعه تمام فرآیندهای اساسی هیدرولوژیکی و شیمیایی سیستم های کشاورزی و تعاملات آنها طراحی شده است. و 3) ALMANAC (جایگزین های مدیریت اراضی کشاورزی با معیارهای ارزیابی عددی) [ 21] برای شبیه سازی در مقیاس مزرعه ای رشد محصول طیف وسیعی از گونه های گیاهی و رقابت آنها طراحی شده است. معمولاً، این مدل‌ها به دو نوع پارامتر ورودی نیاز دارند: اولی (سطح جزء) خاک را به‌عنوان یک کل نشان می‌دهد، در حالی که مدل دوم خاک را در طول پروفیل عمودی (سطح لایه) نشان می‌دهد.

2.3. پردازش داده ها

2.3.1. پایگاه ژئودیتابیس و پایتون

ESRI ArcGIS File Geodatabase (FGDB) [ 22 ] نسخه 10.1 قابلیت مدیریت و بهینه سازی عملکرد مجموعه داده های میزبان را فراهم می کند، در حالی که هندسه ویژگی و ذخیره سازی شطرنجی را در مقایسه با فایل های شکل سنتی و پایگاه های جغرافیایی شخصی کاهش می دهد. زبان Python نسخه 2.7 [ 23 ] و ماژول ArcPy ارائه شده توسط ArcGIS برای دسترسی به روال‌های پردازش جغرافیایی داخلی و سایر ابزارهای ارائه‌شده توسط افزونه Spatial Analyst [ 24 ] و ArcGIS 10.1 استفاده شد. به این ترتیب، سازگاری با تمام نسخه های بعدی حفظ شد.

2.3.2. پر کردن شکاف

توسعه همراه با وضوح بالا تعداد نسبتاً زیادی حفره را در داده های منبع شناسایی کرد که منجر به تعداد زیادی شکاف در رکوردهای پایگاه داده کامپایل شده شد [ 13 ]. این روش به ارائه مجموعه ای نمایه شده از پارامترهای جایگزین امتیاز برای سه مدل (SWAT، APEX و ALMANAC) در سطح مؤلفه و لایه اجازه می دهد.

در سطح اول، این کار با استفاده از روش شناسی مبتنی بر سلسله مراتب با اعمال نفوذ بر اطلاعات طبقه بندی خاک و مکان های جغرافیایی شکاف ها انجام شد. رکوردهای جایگزینی مبتنی بر بافت ساخته شدند و جایگزینی در سطح لایه ارائه کردند. علاوه بر این، سوابق پارامترهای پیش‌فرض مناسب برای مؤلفه‌هایی که به دسته‌های غیرخاکی اشاره می‌کنند (مثلاً سرزمین بد، زمین خندق، جریان گدازه، گودال، و آب) ادغام شدند. مجموعه کلی جایگزین ها یک پایگاه داده از طبقه بندی خاک و بافت خاک نمایه شده با وضوح بالا ارزش های نماینده تشکیل شده است. این پایگاه داده برای پر کردن شکاف‌های پارامتر مدل‌ها که از شکاف‌های اصلی موجود در اطلاعات منبع DGSM مشتق شده‌اند استفاده شد.

مقدار نماینده (بالاترین امتیاز) هر پارامتر مدل گمشده با تطبیق بازیابی شد: الف) ویژگی طبقه‌بندی خاک موجود از DGSM در جستجوی پایین در پایگاه داده سازمان‌یافته طبقه‌بندی خاک (پارامتر سطح مؤلفه). و ب) ویژگی بافت موجود (پارامتر سطح لایه).

3. نتایج

کاربرد روشی که در بخش 2.3.2 مشخص شده است، تعداد کل خلأهای پارامتر نشان داده شده برای هر مدل در جدول 1 را دوباره پر کرد .

این مرحله منجر به یک نتیجه یکپارچه فضایی و جدولی شد که به سه روش ارائه می شود:

1) FGDB‌های 21 منطقه‌ای (2 رقمی WBD HUC) با کاشی‌هایی که توسط چند ضلعی 8 رقمی WBD بافر 1 کیلومتری مشخص شده‌اند. هر کاشی شامل عناصر زیر است: الف) بخش فضایی به عنوان کلاس ویژگی (فرمت ArcGIS برای داده های برداری) و مختصات WGS84 سیستم مختصات جغرافیایی (GCS). ب) بخش فضایی به صورت رستر (Raster Datasets) در دو وضوح (10 متر و 30 متر) در یک سیستم مختصات پیش بینی شده محلی (PCS). ج) ویژگی های سه مدل به عنوان جداول FGDB با مولفه و سطح لایه مرتبط و در رابطه با ویژگی های MU ( شکل 2)) د) فراداده به عنوان کمیته داده های جغرافیایی فدرال (FGDC) فایل XML زبان نشانه گذاری توسعه پذیر، به عنوان مستندات فنی دقیق حاوی راهنمای کاربر و سند آموزشی. و ه) مجموعه ای از ابزارهای مبتنی بر پایتون، یعنی مجموعه ابزار SoilDatabases، گروه بندی شده در جعبه ابزار ArcGIS، یعنی GeoTEMPLE، که می تواند برای دستکاری و صادرات داده ها در صورت نیاز استفاده شود. مجموعه پایگاه های داده ساخته شده شامل تعداد کل تقریباً 9569 MU و 103626 جزء / فاز سری خاک است. توزیع تعداد مولفه ها در MU مربوطه برای کل مجموعه پایگاه های جغرافیایی در شکل 3 نشان داده شده است.. توزیع ژئوفیزیکی اریب اجزاء بر عملکرد پایگاه ژئودیتابیس تأثیر نمی گذارد. حجم کل ذخیره سازی حاصل برای 21 FGDB منطقه ای 6.2 گیگابایت برای نسخه کامل و کمی کمتر (5.8 گیگابایت) برای نسخه Lite است که فقط شامل اجزای غالب (بالاترین اشغال منطقه در چند ضلعی MU مربوطه) و لایه های مرتبط است. از نظر طراحی، ساختار و عناصر شبیه ابزارها هستند و با توسعه با وضوح بالا [ 13 ] و پیوند داده نشان داده شده در شکل 4 به اشتراک می گذارند .

2) دو FGDB منفرد که CONUS (1 – 18) و تمام ویژگی ها و سازماندهی داخلی ذکر شده در بالا در نقطه “1” را پوشش می دهند. یک FGDB در نسخه Lite (کامپوننت های غالب) با حجم ذخیره سازی 2.66 گیگابایت و دومی با مجموعه کامل اجزا (2.69 گیگابایت) ارائه شده است.

3) یک چارچوب مبتنی بر فایل-پوشه ( شکل 5 )، که میزبان ویژگی های فضایی 8 رقمی قالب بندی شده منبع باز و جداول مدل مرتبط است. ما از فایل‌های شطرنجی GeoTIFF (فرمت فایل تصویر برچسب‌گذاری شده جغرافیایی) در اندازه سلول 10 متری و 30 متری برای نمایش فایل‌های PCS MU و فایل‌های اشکال ESRI مطابق با کلاس‌های ویژگی نقشه پایگاه داده جغرافیایی در GCS استفاده کردیم. ویژگی های مدل با استفاده از جداول dBASE ذخیره شدند. سیستم کامل 24 گیگابایت فضای ذخیره سازی را اشغال می کند.

4. بحث

در این کار، یک جریان کار ژئوفرآوری، که قبلا با استفاده از بررسی خاک توسعه داده شده است

داده ها با وضوح بالا (SSURGO)، با استفاده از اطلاعات در مقیاس بزرگتر (DGSM) پیاده سازی و گسترش یافتند. پوشش حاصل، ویژگی‌های یکپارچه‌ای را برای سه مدل هیدرولوژی کشاورزی با عملکرد جغرافیایی-مکانی در مقیاس فضایی 1:250000 در سراسر ایالات متحده فراهم می‌کند. نتایج به سه روش جایگزین ارائه می شوند که هر کدام دارای اهداف و کارکردهای خاصی هستند.

اولین جایگزین، محصول اصلی این توسعه، از مجموعه ای از بیست و یک (21) FGDBهای منطقه ای با زهکشی تشکیل شده است که در سطح زیر حوضه کاشی کاری شده (8 رقمی)، هر یک شامل موارد ضروری برای کاربردهای پردازش جغرافیایی است. مانند: خاک MU به عنوان چند ضلعی کلاس های ویژگی، مجموعه داده های رستر در دو وضوح (10 متر و 30 متر) و جداول سه مدل از پارامترهای خاص. بخش‌بندی، مدیریت و کاربرد داده‌های سازمان‌دهی‌شده در چارچوبی را که توسط همان معماری و طرح توسعه همراه با وضوح بالا به ارث رسیده و به اشتراک گذاشته شده است، تسهیل می‌کند. سوابقی که قبلاً با وضوح بالا پردازش شده بودند، یک سیستم پایگاه داده طبقه‌بندی خاک از گروه‌های جایگزین رتبه‌بندی شده و سوابق ارائه می‌کردند که برای پر کردن پارامترهای گمشده متعددی که در سطح DGSM منشأ می‌گرفتند مؤثر بودند. اگرچه مقیاس و چگالی ویژگی‌های MU نیازی به آن نداشت، استراتژی کاشی‌کاری برای ارائه راه‌حل‌های همه‌جانبه در مقیاس گسترده حفظ شد. در واقع، در حالی که نگهداری مجموعه داده‌های کاشی آسان‌تر است و در چارچوب‌های پردازش جغرافیایی گنجانده می‌شود، قراردادهای نام‌گذاری قبلی و آیتم‌های پایگاه جغرافیایی به طور مستقیم قابل حمل و به همان اندازه در این توسعه جدید قابل استفاده بودند.شکل 6 ). چنین مواردی به طور خاص عبارتند از: الف) مجموعه ابزاری برای ArcGIS و اسکریپت های پایتون مرجع مرتبط برای جمع آوری چندین کاشی و/یا هر زیر مجموعه ای از کلاس های ویژگی همراه با ویژگی ها و روابط مدل و/یا استخراج و انتقال به محیط های رابط مدل خارجی. ب) فراداده و راهنمای کاربر همراه با آموزش.

جایگزین دوم، آیتم های داده های ترکیبی (کلاس ویژگی، مجموعه داده های رستر، و جداول مدل) را در یک FGDB های ArcGIS منفرد، که هر یک CONUS را پوشش می دهند، ارائه می دهد. این گزینه اقلام یکسان و در عین حال یکپارچه را فراهم می کند

پایگاه های جغرافیایی کاشی کاری شده منطقه ای این ساختار برای کاربردهای تعاملی سریع و یا تجزیه و تحلیل در گستره جغرافیایی کل CONUS سودمند است. یک مثال ساده در شکل 7 برای پارامتر چگالی ظاهری خاک رویی SWAT نشان داده شده است، اما هر پارامتر مدل، هم در سطح جزء و هم در سطح لایه، می‌تواند به راحتی نقشه‌برداری شود و توزیع آن بلافاصله ارزیابی و/یا برای تجزیه و تحلیل بیشتر و/ صادر شود. یا ژئوپردازش

گزینه سوم به جامعه نرم افزار منبع باز دسترسی در US-ModSoilParms-TEMPLE250000 ارائه می دهد. در واقع، نرم افزار ESRI برای زبان های برنامه نویسی مانند پایتون و R (https://www.r-project.org) قابلیت دسترسی و ویرایش FGDB ها را با استفاده از بسته های سایت ArcGIS (مانند ArcPy و Bridge) فراهم می کند. با این حال، چارچوب پایگاه داده مبتنی بر پوشه همراه که با استفاده از فایل‌های Shape، رسترهای GeoTIFF و جداول dBASE توسعه یافته است، فضایی قابل مقایسه و در عین حال با فضای ذخیره‌سازی گسترده فراهم می‌کند و دسترسی مستقیم به محتوای اصلی این توسعه را ارائه می‌دهد.

5. نتیجه گیری

کار ما یک مخزن بی‌سابقه، مقیاس فضایی، یکپارچه و عملکردی پایگاه‌داده جغرافیایی پارامترهای خاک برای سه مدل شبیه‌سازی کشاورزی-هیدرولوژی پرکاربرد در ایالات متحده فراهم می‌کند. داده‌ها که در سه حالت مختلف جمع‌آوری شده‌اند، همراه با ابزارهای سفارشی‌شده، راهنمای کاربر و جزئیات این توسعه، برنامه‌ریزی شده‌اند تا در https://soilandwaterhub.org/GeoTEMPLE در دسترس و به‌طور مداوم به‌روزرسانی شوند.

 

[ 1 ]	پایگاه داده جغرافیایی بررسی خاک (SSURGO) USDA-NRCS (2016). وزارت کشاورزی ایالات متحده، خدمات حفاظت از منابع طبیعی: واشنگتن دی سی، ایالات متحده آمریکا. https://websoilsurvey.sc.egov.usda.gov
[ 2 ]	Anderson, RM, Koren, VI and Reed, SM (2006) با استفاده از داده های SSURGO برای بهبود تخمین های پارامتر پیشینی مدل ساکرامنتو. مجله هیدرولوژی، 320، 103-116.
[ 3 ]	Zhang, Y., Zhang, Z., Reed, S. and Koren, V. (2011) یک رویکرد پیشرفته و خودکار برای استخراج پارامترهای قبلی SAC-SMA از پایگاه داده جغرافیایی بررسی خاک. کامپیوتر و علوم زمین، 37، 219-231.
[ 4 ]	Mednick، AC، Sullivan، J. و Watermolen، DJ (2008) مقایسه استفاده از داده‌های خاک STATSGO و SSURGO در مدل‌سازی کیفیت آب: مروری بر ادبیات. یافته های تحقیق/مدیریت، 60، دپارتمان منابع طبیعی ویسکانسین. دفتر خدمات علمی، مدیسون، WI.
[ 5 ]	(2017) نقشه وضعیت خاک بررسی های موجود از وب سایت بررسی خاک. https://Websoilsurvey.nrcs.usda.gov/DataAvailability/SoilDataAvailabilityMap.pdf
[ 6 ]	Peschel, JM, Haan, PK and Lacey, RE (2006) تأثیرات تفکیک مجموعه داده خاک بر مدلسازی هیدرولوژیکی. مجله انجمن منابع آب آمریکا، 42، 1371-1389.
[ 7 ]	Geza، M. و McCray، JE (2008) اثرات تفکیک داده های خاک بر پیش بینی های جریان جریان و کیفیت آب مدل SWAT. مجله مدیریت محیط زیست، 88، 393-406.
[ 8 ]	Kumar, S. and Venkatesh, M. (2009) تأثیر تقسیم بندی حوضه و تفکیک داده های خاک بر کالیبراسیون مدل SWAT و عدم قطعیت پارامتر. مجله انجمن منابع آب آمریکا، 45، 1179-1196. https://doi.org/10.1111/j.1752-1688.2009.00353.x
[ 9 ]	Mednick, AC (2010) آیا وضوح داده های خاک اهمیت دارد؟ پایگاه داده های جغرافیایی خاک در مقابل پایگاه داده های جغرافیایی بررسی خاک در مدل سازی بارش-رواناب در سراسر ویسکانسین. مجله حفاظت از خاک و آب، 65، 190-199. https://doi.org/10.2489/jswc.65.3.190
[ 10 ]	Sheshukov, AY, Daggupati, P., Douglas-Mankin, KR and Lee, M. (2011) داده های خاک با وضوح فضایی بالا برای مدلسازی حوضه: 2. ارزیابی تأثیرات بر پاسخ هیدرولوژیکی حوضه. مجله علوم طبیعی و محیطی، 2، 32-41.
[ 11 ]	Williamson، TN، Taylor، CJ و Newson JK (2013) اهمیت تبادل داده‌های SSURGO و STATSGO هنگام مدل‌سازی هیدرولوژی در زمین‌های فیزیوگرافی متنوع. Soil Science Society of America Journal, 77, 877-889. https://doi.org/10.2136/sssaj2012.0069
[ 12 ]	USDA-SCS (1994) پایگاه داده های جغرافیایی خاک ایالتی (STATSGO). نشریه شماره 1492. وزارت کشاورزی ایالات متحده، خدمات حفاظت از خاک، مرکز ملی بررسی خاک، واشنگتن دی سی، ایالات متحده آمریکا.
[ 13 ]	دی لوزیو، ام.، وایت، جی ام، آرنولد، جی جی، ویلیامز، جی آر و کیناری، جی آر (2017) پیشرفت یک پایگاه ژئودیتابیس پارامترهای خاک برای ارزیابی مدل‌سازی نتایج عملکرد حفاظتی در ایالات متحده. مجله بین المللی تحقیقات زمین فضایی و محیطی، 4، 1-13. https://dc.uwm.edu/ijger/vol4/iss1/2
[ 14 ]	USDA-NRCS (2017) خدمات حفاظت از منابع طبیعی ایالات متحده، وزارت کشاورزی ایالات متحده. کارکنان بررسی خاک بررسی خاک وب. https://websoilsurvey.nrcs.usda.gov/
[ 15 ]	USDA-NRCS، USGS و USEPA (2016) وزارت کشاورزی ایالات متحده (USDA) خدمات حفاظت از منابع طبیعی (NRCS)، سازمان زمین شناسی ایالات متحده (USGS) و آژانس حفاظت از محیط زیست ایالات متحده (USEPA) مجموعه داده های مرزی حوضه آبخیز برای ایالات متحده ایالات، واشنگتن دی سی، ایالات متحده آمریکا https://datagateway.nrcs.usda.gov
[ 16 ]	Boryan, CG, Yang, Z., Di, L. and Hunt, K. (2014) یک روش طبقه بندی خودکار جدید برای ساخت قاب نمونه برداری از مناطق کشاورزی ایالات متحده بر اساس لایه داده های زمین زراعی. مجله IEEE از موضوعات منتخب در مشاهدات کاربردی زمین و سنجش از دور، 7، 4317-4327. https://doi.org/10.1109/JSTARS.2014.2322584
[ 17 ]	جانسون، DM (2016) یک ارزیابی جامع از همبستگی بین بازده محصول مزرعه و محصولات متداول MODIS. مجله بین المللی مشاهده کاربردی زمین و اطلاعات جغرافیایی، 52، 65-81.
[ 18 ]	Homer, C., Huang, C., Yang, L., Wylie, B. and Coan, M. (2004) توسعه یک پایگاه داده ملی پوشش زمین در سال 2001 برای ایالات متحده. مهندسی فتوگرامتری و سنجش از دور، 70، 829-840. https://www.mrlc.gov/pdf/July_PERS.pdf https://doi.org/10.14358/PERS.70.7.829
[ 19 ]	آرنولد، جی جی و فوهرر، ن. (2005) SWAT2000: قابلیت‌های فعلی و فرصت‌های پژوهشی در مدل‌سازی کاربردی حوزه آبخیز. فرآیندهای هیدرولوژیکی، 19، 563-572. https://doi.org/10.1002/hyp.5611
[ 20 ]	Williams, JR, Harman, WL, Magre, M., Kizil, U., Lindley, JA, Padmanabhan, G. and Wang, E. (2006) شبیه سازی کیفیت آب APEX Feedlot. معاملات ASAE، 49، 61-73. https://doi.org/10.13031/2013.20244
[ 21 ]	Kiniry, JR, Williams, JR, Gassman, PW and Debaeke, P. (1992) یک مدل فرآیند گرا برای دو گونه گیاهی رقیب. معاملات ASAE، 35، 801-810. https://doi.org/10.13031/2013.28665
[ 22 ]	موسسه تحقیقاتی سیستم های محیطی (ESRI) (2009) نه دلیل برتر برای استفاده از یک پایگاه جغرافیایی فایل. https://www.esri.com/news/arcuser/0309/files/9reasons.pdf
[ 23 ]	van Rossum, G. (2017) Guido van Rossum—Personal Home Page. https://www.python.org/~guido/
[ 24 ]	موسسه تحقیقات سیستم های محیطی (ESRI) (2013) تحلیلگر فضایی ArcGIS.