تعیین الگوی نمونه برداری مکانی با استفاده از روش های مختلف (مطالعه ی موردی: شهرستان تفت)

نوع مقاله: مقاله پژوهشی

نویسنده

استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان

چکیده

طراحی الگوی نمونه­برداری مکانی از مراحل اصلی نقشه­برداری رقومی خاک به شمار می­رود. در این تحقیق از تکنیک­های مربع لاتین، تصادفی، شبکه منظم، فازی­کی­مینز، چاردرخت مرکزی و چاردرخت تصادفی جهت تعیین 151 نقطه­ی نمونه­برداری در منطقه­ای به وسعت 3500 هکتار در شهرستان تفت استفاده گردید. نتایج آماری داده­های محیطی از قبیل شاخص خیسی، شیب، جهت شیب، انحنای شیب، ارتفاع و شاخص گیاهی نرمال شده در نقاط نمونه­برداری شده توسط تکنیک­ها با جامعه اصلی مقایسه گردید. نتایج نشان داد که پارامترهای آماری میانگین و واریانس نمونه­ها نسبت به جامعه در روش چاردرخت مرکزی بیشترین شباهت را دارند؛ به طوری‌که اختلاف میانگین شاخص خیسی در تکنیک­های مربع لاتین، تصادفی، فازی­کی­مینز، شبکه منظم، چاردرخت مرکزی و چاردرخت تصادفی با جامعه به ترتیب 8/0 درصد، 2/2 درصد، 7/1 درصد، 4/1 درصد، 15/0 درصد، 6/5 درصد و 09/1 درصد می­باشد. در حقیقت الگوی نمونه­برداری چاردرخت مرکزی طوری محل نقاط را از جامعه انتخاب کرده است که توزیع نمونه­گیری در هیستوگرام یکنواخت باشد. در حالی که در روش­های دیگر شاهد نمونه­برداری بیشتر یا کمتر در بعضی از قسمت­های هیستوگرام­ها و یا به نوعی اریب هستیم. درک و تلقی عمومی از نمونه­برداری خوب آن است که می­باید پراکنش جغرافیایی خوبی از نقاط نمونه­برداری وجود داشته باشد. در حالی­که نتایج نشان داد که همیشه نمونه­برداری با توزیع جغرافیایی مناسب، تمام ویژگی­های منطقه را مشخص نمی­کند.

کلیدواژه‌ها


عنوان مقاله [English]

Determining Spatial Sampling Scheme Using Different Methods (Case study: Taft city)

نویسنده [English]

  • R. Taghizadeh-Mehrjardi
  1. Brungard, C.W., and Boettinger, J.L. 2010. Conditioned Latin Hypercube Sampling: Optimal Sample Size for Digital Soil Mapping of Arid Rangelands in Utah, USA. In Boettinger, J.L., Howell, D.W., Moore, A.C., Hartemink, A.E., and Kienast-Brown, S. (eds), Digital Soil Mapping: Bridging Research, Environmental Application, and Operation. Springer, Amsterdam, Netherlands. pp: 67-75. 
  2. Brus, D.J., de-Gruijter, J.J., and van-Groenigen, J.W. 2006. Designing spatial coverage samples using the k-means clustering algorithm. In Lagacherie, P., McBratney, A.B., Voltz, M. (eds), Digital Soil Mapping: An Introductory Perspective. Elsevier, Amsterdam, Netherland. pp: 183-192.
  3. Brus, D.J., Spatjens, L.E.E.M., and de-Gruijter, J.J. 1999. A sampling scheme for estimating the mean extractable phosphorus concentration of fields for environmental regulation. Geoderma, 89: 129–148.
  4. Gessler, P.E., Moore, I.D., McKenzie, N.J., and Ryan, P.J. 1995. Soil-landscape modeling and spatial prediction of soil attributes. International Journal of Geographical Information Science, 9: 421–432.
  5. Hengl T., Rossiter, D.G., and Stein, A. 2003. Soil sampling strategies for spatial prediction by correlation with auxiliary maps. Geoderma, 120: 75–93.
  6. Hengl, T., Huvelink, G.B.M., and Stein, A. 2004. A generic framework for spatial prediction of soil variables based on regression-kriging. Geoderma, 120: 75– 93.
  7. Heuvelink, G., Brus, D., and de-Gruijter, J. 2007. Optimisation of sample configurations for digital soil mapping with universal kriging. In Lagacherie, P., McBratney, A.B., Voltz, M. (eds), Digital Soil Mapping: An Introductory Perspective. Elsevier, Amsterdam, Netherland. pp: 137-152.
  8. Lark, R.M. 2000. Designing sampling grids from imprecise information on soil variability, an approach based on fuzzy kriging variance. Geoderma, 98: 35–59.
  9. McBratney, A.B., Mendonça-Santos, M.L., and Minasny, B. 2003. On digital soil mapping. Geoderma, 117: 3-52.
  10. McBratney, A.B. and Webster, R. 1981. The design of optimal sampling schemes for local estimation and mapping of regionalized variables. Computer and Geography, 7: 331–334.
  11. McBratney, A.B., Whelan, B.M., Walvoort, D.J.J., and Minasny, B. 1999. A purposive sampling scheme for precision agriculture. In Stafford, J.J. (ed), Precision Agriculture’99. Sheffield Academic Press, Sheffield, UK. pp. 101–110.
  12. McKenzie, N.J. and Ryan, P.J. 1999. Spatial prediction of soil attributes using terrain analysis. Geoderma, 89: 67–94.
  13. Minasny, B. and McBratney, A.B. 2002. FuzME version 3.0, Australian Centre for Precision Agriculture. McMillan Building A05, The University of Sydney, NSW 2006. http://www.usyd.edu.au/su/agric/acpa.
  14. Minasny, B. and McBratney, A.B. 2006. A conditioned Latin hypercube method for sampling in the presence of ancillary information. Computer and Geography, 32: 1378-1388.
  15. Minasny, B., McBratney, A.B., and Wavoort, D. 2007. The variance quadtree algorithm: Use for spatial sampling design. Computer and Geography, 33: 383–392.
  16. Minasny, B., McBratney A.B., and Hartemink, A.E. 2010. Global pedodiversity, taxonomic distance, and the World Reference Base. Geoderma, 155: 132-139.
  17. Rossiter, D.G. 2000. Methodology for soil resource inventories, 2nd revised version, Soil Science Division, International institude for Aerospace Survay and Earth Science (ITC). 132 pp.
  18. Roudier, P., Hewitt, A.E., and Beaudette, D.E. 2012. A conditioned Latin hypercube sampling algorithm incorporating operational constraints. In Minasney, B., Malone, BP., and McBratney, A. (eds), Digital Soil Mapping: Digital Soil Assessments and Beyond. Taylor and Francis Group, London, UK. pp: 227-231
  19. Samet, H. 1990. The Design and Analysis of Spatial Data Structures. Addision Wesley Publishing Compnay, Inc., Reading. 493pp.
  20. Simbahan, G.C. and Dobermann, A. 2006. Sampling optimization based on secondary information and its utilization in soil carbon mapping. Geoderma, 133: 345–362.
  21. Thomas, M., Odgers, N.P., Ringrose-Voase, A., Grealish, G., Glover, M., and Dowling, T. 2012. Soil survey design for management-scale digital soil mapping in a mountainous southern Philippine catchment. In Minasney, B., Malone, BP., and McBratney, A. (eds), Digital Soil Mapping: Digital Soil Assessments and Beyond. Taylor and Francis Group, London, UK. pp: 233-238.
  22. Van Groenigen, J.W., Siderius, W., and Stein, A. 1999. Constrained optimisation of soil sampling for minimisation of the kriging variance. Geoderma, 87: 239–259.