Mapping Soil Salinity Using Calibrated Electromagnetic Measurements

Abstract

A statistical modeling approach is presented that predicts spatial soil salinity patterns from aboveground electromagnetic induction (EM) readings. In this approach, EM readings are obtained from a field sampled on a uniform (centric systematic) grid. A small number of these sample sites are chosen for soil sampling, based on the observed EM field pattern. The salinity levels for these soil samples are determined and then the remaining nonsampled salinity values are predicted from the corresponding EM readings through a multiple linear regression equation. Experimental results suggest that this approach will work well in fields having low to moderate levels of soil textural variability. For example, 95% of the spatial variability in soil salinity within typical 16.2‐ha (40‐acre) cotton (Gossypium hirsutum L.) fields could be accounted for with only 36 soil samples, as opposed to the 200 to 300 soil samples typically required if no EM readings were available. This approach makes EM readings a more practical and cost‐effective tool by substantially reducing the number of soil samples needed for accurate mapping of spatial salinity patterns at the field scale.

Avaliação da salinidade de neossolo usando-se dispositivo de indução eletromagnética

“…Na Figura 3A se acham as leituras de condutividade elé-trica aparente transformadas pela aplicação do logaritmo, podendo-se constatar uma colinearidade elevada entre as leituras, nos modos horizontal e vertical. A adoção da diferença (ln EM H -ln EM V ), proposta por Lesch et al (1992), foi eficiente na remoção de tal dependência, conforme a Figura 3B.…”

“…b) Funções, segundo Rhoades et al (1989): Tais Eq. (2) estão baseadas na transformação de raiz quarta das leituras horizontais e verticais, considerando-se o equipamento posicionado apenas na superfície do solo e estão apresentadas na Tabela 1. c) Funções, segundo Rhoades et al (1999): Rhoades et al (1999) desenvolveram relações lineares entre o logaritmo neperiano de EM H e a diferença entre (ln EM H -ln EM V ), de modo a remover a colinearidade entre a leitura horizontal e vertical do EM38, detectada por Lesch (1a) Lesch et al (1992) e utilizadas também por Rhoades et al (1999). As regressões múltiplas foram construídas através do Software Statistica (Statsoft, 2001), com a forma da Eq.…”

“…Na tentativa de generalização das equações de resposta do EM38, Rhoades et al (1989) classificaram os perfis de salinidade do solo em normais ou invertidos, conforme a relação entre as leituras do EM38 no modo horizontal (EM h ) e no modo vertical (EM v ); assim, para EM h < EM v os perfis eram normais e invertidos no caso contrário, razão por que se desenvolveram regressões múltiplas para estimativa da condutividade elétrica do solo (CE r ) para diferentes camadas do solo em função das condutividades elé-tricas aparentes no modo horizontal e vertical EM h e EM v . Lesch et al (1992), por sua vez, verificaram que melhores resultados podiam ser obtidos utilizando-se a transformação do logaritmo neperiano nas leituras aparentes EM h e EM v , nos modos horizontal e vertical, respectivamente. Adicionalmente, esses autores detectaram a existência de colinearidade entre as leituras nos dois modos de posicionamento e propuseram regressões considerando a diferença entre os logaritmos das condutividades aparentes, como forma de corrigir tal dependência; posteriormente, Rhoades et al (1999) revisaram a classificação de perfil normal e invertido, com base na diferença entre os logaritmos neperianos das condutividades elé-tricas aparentes medidas na superfície, para um grande nú-mero de amostras.…”

GIS Applications of Deterministic Solute Transport Models for Regional-Scale Assessment of Non-Point Source Pollutants in the Vadose Zone

“…Nevertheless, there is evidence that remote sensing applications for quantitative and temporal analysis of near and subsurface processes will be a future possibility. Geophysical resistivity methods (e.g., electromagnetic induction, electrical resistivity tomography, and others) have been used to study the spatial variability of the electrical properties of soils as a substitute for the variability of various soil physical properties such as soil water content (Kachanoski et al, 1988) saturated hydraulic conductivity (Mazac et al, 1988), soil salinity (DeJong et al, 1979;Rhoades & Corwin, 1981;Williams & Hoey, 1987;Lesch et al, 1992), clay content (Williams & Hoey, 1987), depth to claypan (Sudduth & Kitchen, 1993), herbicide partition coefficient (Jaynes et al, 1995), forest soil quality (McBride et al, 1990), and water flow in a hydrogeologic environment (Dailey et al, 1992). The nondestructive quantification of soil bulk density and water content with x-ray computed tomography has shown some promise particularly for determining bulk density, but is less accurate for water content (Tollner, 1994).…”

Abiotic water quality control on mangrove distribution in estuarine river channels assessed by a novel boat-mounted electromagneticinduction technique

“…EMI measurements are closely related to salinity (Triantafilis et al, 2000). Many studies have shown a strong correlation between EMI measurements and electrical conductivity of water, soil, therefore EMI signals can be used as proxies of salinity (Cameron et al, 1981;Rhoades et al, 1989;Williams and Fiddler, 1983;Wollenhaupt et al, 1986;McKenzie et al, 1989;Williams and Arunin, 1990;Slavich and Petterson, 1990;Lesch et al, 1992). The EMI's mode of operation depends on coil orientation, spacing and operation frequency (McNeill, 1980;Doolittle et al, 1994;Atwell et al 2013).…”