Statistische modellering van analytische enspectrale meetfouten in bodemdata

Samenvatting

De bodem is een essentiële hulpbron voor planten, dieren en mensen. De afgelopen decennia hebben menselijke activiteiten de bodem wereldwijd snel aangetast. Er zijn verschillende regionale en mondiale initiatieven gelanceerd om de bodemkwaliteit te verbeteren en duurzaam landbeheer te bevorderen. Om deze initiatieven te laten slagen zijn vergelijkbare en betrouwbare bodemdata nodig op een passend schaalniveau. Helaas bevatten laboratoriumdata vaak meetfouten, veroorzaakt door bijvoorbeeld een slordige analist of omgevingsfactoren in het laboratorium. In dit proefschrift zijn analytische en spectrale meetfouten in bodemdata gekwantificeerd, wat het belang benadrukt van het informeren van datagebruikers over deze fouten voordat modellen met foutieve data worden gekalibreerd en gevalideerd. Meetfouten planten zich voort in bodemmodellen en kunnen de prestaties van dergelijke modellen drastisch verminderen. Dit proefschrift onderzoekt ook hoe gevoelig veelgebruikte bodemmodellen zijn voor analytische en spectrale meetfouten.