Hochauflösende Bodenkarten für den ­Schweizer Wald

Baltensweiler, Andri; Walthert, Lorenz; Zimmermann, Stephan; Nussbaum, Madlene (2022). Hochauflösende Bodenkarten für den ­Schweizer Wald Schweizerische Zeitschrift für Forstwesen, 173(6), pp. 288-291. Schweizerischer Forstverein 10.3188/szf.2022.0288

[img] Text
SZF Baltensweiler et al 2022.pdf - Published Version
Restricted to registered users only
Available under License Publisher holds Copyright.

Download (1MB) | Request a copy

Bei der Beurteilung von Standortsbedingungen im Schweizer Wald spielt der Boden neben Klima und Relief eine entscheidende Rolle. Flächige Bodeninformationen für den Schweizer Wald sind jedoch nur in grober Form verfügbar. Basierend auf rund 2000 Waldbodenprofilen haben wir mittels maschinellen Lernens verschiedene Bodeneigenschaften (z.B. pH- und Sandgehalt) von sechs Bodentiefen für die gesamte Waldfläche der Schweiz mit einer Auflösung von 25 m × 25 m vorausgesagt. Während die Güte der Modellierung für die Bodendichte zufriedenstellend war, waren der Gehalt an organischem Kohlenstoff und die Bodengründigkeit schwieriger vorauszusagen. Zu jeder Bodenkarte berechneten wir zudem eine Unsicherheitskarte, sodass die Qualität der Bodenkarten auch räumlich beurteilt werden kann.

Item Type:

Journal Article (Original Article)

Division/Institute:

School of Agricultural, Forest and Food Sciences HAFL
School of Agricultural, Forest and Food Sciences HAFL > Multifunctional Forest Management > Forest Ecosystem and Management
School of Agricultural, Forest and Food Sciences HAFL > Agriculture > Soils and Geoinformation

Name:

Baltensweiler, Andri;
Walthert, Lorenz;
Zimmermann, Stephan and
Nussbaum, Madlene0000-0002-6808-8956

Subjects:

G Geography. Anthropology. Recreation > G Geography (General)
G Geography. Anthropology. Recreation > GA Mathematical geography. Cartography
G Geography. Anthropology. Recreation > GB Physical geography
G Geography. Anthropology. Recreation > GE Environmental Sciences
Q Science > Q Science (General)
S Agriculture > SD Forestry

ISSN:

0036-7818

Publisher:

Schweizerischer Forstverein

Language:

German

Submitter:

Madlene Nussbaum

Date Deposited:

02 Nov 2022 09:23

Last Modified:

11 Dec 2023 15:28

Publisher DOI:

10.3188/szf.2022.0288

Uncontrolled Keywords:

digital soil mapping, forest soil, random forest, spatial prediction

ARBOR DOI:

10.24451/arbor.17876

URI:

https://arbor.bfh.ch/id/eprint/17876

Actions (login required)

View Item View Item
Provide Feedback