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
- 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.
- 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.
- 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.
- 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.
- Hengl T., Rossiter, D.G., and Stein, A. 2003. Soil sampling strategies for spatial prediction by correlation with auxiliary maps. Geoderma, 120: 75–93.
- 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.
- 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.
- Lark, R.M. 2000. Designing sampling grids from imprecise information on soil variability, an approach based on fuzzy kriging variance. Geoderma, 98: 35–59.
- McBratney, A.B., Mendonça-Santos, M.L., and Minasny, B. 2003. On digital soil mapping. Geoderma, 117: 3-52.
- 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.
- 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.
- McKenzie, N.J. and Ryan, P.J. 1999. Spatial prediction of soil attributes using terrain analysis. Geoderma, 89: 67–94.
- 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.
- 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.
- Minasny, B., McBratney, A.B., and Wavoort, D. 2007. The variance quadtree algorithm: Use for spatial sampling design. Computer and Geography, 33: 383–392.
- Minasny, B., McBratney A.B., and Hartemink, A.E. 2010. Global pedodiversity, taxonomic distance, and the World Reference Base. Geoderma, 155: 132-139.
- 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.
- 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
- Samet, H. 1990. The Design and Analysis of Spatial Data Structures. Addision Wesley Publishing Compnay, Inc., Reading. 493pp.
- Simbahan, G.C. and Dobermann, A. 2006. Sampling optimization based on secondary information and its utilization in soil carbon mapping. Geoderma, 133: 345–362.
- 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.
- 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.
)