4. Resultater - KUPA projektet

samme for kKf-kombination 1, 4 og 7, selvom der er tendens til to grupper i forhold til nr. 4,
og meget stor spredning i punkterne for kombinationen af nr. 2 og 7.
Vigtigste jordegenskaber for beskrivelsen af de hydrauliske forhold
Ved anvendelse af neurale netværk, er det som tidligere angivet, ikke muligt at få
information om hvilke sammenhænge der er i datasættet, og hvilke variable der har
hvilken indflydelse på de hydrauliske input parametre. For at få denne information er det
forsøgt at lave en multivariat korrelationsanalyse på et at kKf kombinationerne, og der er
her valgt nummer 2 der giver en god spredning på udvaskning. Ved at fastholde binding
og forsvinding er udvaskningen alene afhængig af de hydrauliske forhold.
Ved at opdele de 111 indgåede profiler fra profildatabasen i tre klasser baseret på højt
lerindhold, mellem lerindhold og lavt lerindhold, er det muligt at etablere en god korrelation
mellem udvaskningen og kulstof, tekstur og volumenvægt .
Hvis man ser på regressionen for de tre klasser, figur 20, viser det sig at de variable der
har den største betydning har nogenlunde samme indflydelse på hydraulikken. Det gælder
ler, sil og volumenvægt, der alle har en negativ regression, mens der for humus
vedkommen er en klasse hvor denne variabel ikke har betydning, den høje lergruppe, og
to hvor der er positiv regression. For de øvrige variable fremstår et mere rodet billede, og
ingen af disse har stor betydning for alle klasserne.
regressions koefficient
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
-0,4
-0,5
-0,6
ler
silt
grovsilt
finsand1
finsand2
grovsand1
humus
vol.vægt
Figur 20. Den relative betydning af jordegenskaber (regressionsvektorer) for
korrelationener af simuleret koncentration i 2 meters dybde for kKf-kombination 2 for
henholdsvis den høje lergruppe (blå), gruppen med mellemhøjt indhold af ler(grøn) og
gruppen med lavt indhold af ler(rød). Variablene er midlet over den øverste meter i
profilet.
49