Korrelation af KUPA data Pesticid udvaskning Koncept Hyd

  • Slides: 13
Download presentation
Korrelation af KUPA data Pesticid udvaskning Koncept Hyd Sorp Nedbryd Pedotransfer funktioner Jorddata

Korrelation af KUPA data Pesticid udvaskning Koncept Hyd Sorp Nedbryd Pedotransfer funktioner Jorddata

Formål med korreleringen • Med så få simple (iboende) parametre som muligt, at prediktere

Formål med korreleringen • Med så få simple (iboende) parametre som muligt, at prediktere Kf og DT 50 for de fire Kupa stofgrupper.

Metode • Multivariat regression ved hjælp af Partial Least Squares Regression (PLSR) Korrelationsmodel Simple

Metode • Multivariat regression ved hjælp af Partial Least Squares Regression (PLSR) Korrelationsmodel Simple iboende parametre Kf og DT 50

Arbejdsmetode • Kupa datasættet(læresættet) anvendes til etablering af korrelationsmodel. • Profildata undersøges for statistisk

Arbejdsmetode • Kupa datasættet(læresættet) anvendes til etablering af korrelationsmodel. • Profildata undersøges for statistisk tilhørsforhold til læresættet, baseret på input variable. • Hvis tilhørsforhold bekræftes predikteres Kf eller DT 50. • Evt. outliers undersøges separat.

MCPA: Kf på Kupa datasættet 431 prøver 3 outliers 89% variation forklaret Anvendte variable:

MCPA: Kf på Kupa datasættet 431 prøver 3 outliers 89% variation forklaret Anvendte variable: C total stor betydning Tekstur lille betydning p. H medium betydning

Anvendelse på kvadratnettet Delkonklusion: Kf kan predikteres på kvadratnettet Indenfor modellens 95% konfidensniveau

Anvendelse på kvadratnettet Delkonklusion: Kf kan predikteres på kvadratnettet Indenfor modellens 95% konfidensniveau

Kf modellering • Metribuzin • Methyltriazinamin

Kf modellering • Metribuzin • Methyltriazinamin

Kf samlet Strategi: MCPA: Robust model, data kan umiddelbart modelleres. Metribuzin: Lave Kf værdier

Kf samlet Strategi: MCPA: Robust model, data kan umiddelbart modelleres. Metribuzin: Lave Kf værdier identificers statistisk og tildeles lav værdi, resten modelleres direkte. Methyltriazinamin: Det undersøges om simpel model kan anvendes, ellers skaffes jern og aluminium data. Glyphosat: Alle data tildeles en værdi for Kf, der er så høj at variationen på den i beregning af udvaskning, er uden betydning.

MCPA: k (DT 50) på Kupa datasættet Kun overjorde: 14 prøver 3 outliers 93%

MCPA: k (DT 50) på Kupa datasættet Kun overjorde: 14 prøver 3 outliers 93% variation forklaret Anvendte variable: p. H lille betydning c-total stor betydning H ombyt stor betydning Al 2 O 3 -dcb stor betydning

MCPA: k (DT 50) på Kupa datasættet Alle horisonter: 35 prøver 8 outliers 82%

MCPA: k (DT 50) på Kupa datasættet Alle horisonter: 35 prøver 8 outliers 82% variation forklaret Anvendte variable: p. H lille betydning c-total stor betydning H ombyt lille betydning Al 2 O 3 og Fe 2 O 3 oxa stor betydning Tekstur stor betydning asa stor betydning

DT 50 modellering • Metribuzin • Methyltriazinamin

DT 50 modellering • Metribuzin • Methyltriazinamin

DT 50 (k) samlet * Angivelser i parentes er for over og underjorde. Strategi:

DT 50 (k) samlet * Angivelser i parentes er for over og underjorde. Strategi: MCPA: Det undersøges om model for overjorde kan bruges, ellers anvendes den lidt mindre robuste model for alle jorde. Metribuzin: Model anvendes med relevante data. Methyltriazinamin: Model anvendes med relevante data. Glyphosat: Endnu ikke etableret.

Konklusion • Kf og DT 50 kan modelleres ved hjælp af simple iboende parametre

Konklusion • Kf og DT 50 kan modelleres ved hjælp af simple iboende parametre (DT 50 for glyphosat udestår). • Der skal anvendes forskellige strategier for de fire grupper. • DT 50 modellerne for glyphosat og MCPA søges forbedret gennem indragelse af m 64.