مهندسی زراعی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

بزرگ مقیاس سازی مکانی در نقشه برداری رقومی کربن آلی خاک با استفاده از داده های کمکی (مطالعه موردی: منطقه بانه)

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار خاکشناسی دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان، ایران

چکیده

مقیاس مکانی مورد نیاز اطلاعات منابع طبیعی با  آن مقیاسی که در دسترس می‌باشد، بسیار متفاوت است. یک روش برای تطابق مقیاس­ها، استفاده از مفهوم مقیاس­سازی است. در این مطالعه با استفاده از روشی جدید یزرگ­مقیاس­سازی نقشه رقومی کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر در منطقه­ای به وسعت 3000 هکتار واقع در استان کردستان انجام شد. در ابتدا، نقشه رقومی کربن آلی خاک با قدرت تفکیک مکانی 30 متر با استفاده از داده­های نمونه‌برداری شده از سطح خاک، داده­های کمکی (استخراج شده از مدل رقومی ارتفاع و تصاویر ماهواره لندست) و مدل درختی به‌دست آمد؛ سپس، با استفاده از روش کوچک­مقیاس سازی ساده­ای به نام میان‌گیری بلوکی نقشه کربن آلی خاک با قدرت تفکیک مکانی 150 متر تهیه گردید. در مرحله بعد، با استفاده از الگوریتم بزرگ­مقیاس­‌ازی، نقشه کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر تبدیل گردید. با فرض این­که ارتباط داده­های کمکی و کربن آلی خاک می‌تواند یک رابطه غیر خطی باشد، در این مطالعه از روش رگرسیون تعمیم داده شده و شبکه عصبی مصنوعی استفاده گردید. برای ارزیابی الگوریتم بزرگ­مقیاس­سازی از ضریب تبیین بین نقشه حاصل از مدل درختی و نقشه بزرگ­مقیاس­سازی بهره گرفته شد. نتایج مدل­سازی در مرحله اول نشان داد که بعضی از متغیرهای کمکی مانند شاخص گیاهی نرمال شده، شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا و انحنای طولی شیب بیشترین تاثیر را بر پیش­بینی کربن آلی خاک دارند. نتایج پیش­بینی رگرسیون درختی در مرحله آزمون نیز نشان داد که مدل به خوبی توانسته کربن آلی خاک با دقت مکانی 30 متر را مدل­سازی کند (ریشه مربعات خطا برابر با 15/0 و ضریب تبیین 78/. می‌باشد). نتایج بزرگ­مقیاس­سازی نیز نشان داد که روش مورد استفاده جهت بزرگ­مقیاس­سازی (شبکه عصبی مصنوعی و رگرسیون تعمیم داده شده) به خوبی با ضریب تبیین 81/0 و 70/0 توانسته­اند تغییرات مکانی کربن آلی خاک را در مقیاس بزرگ­تر مدل­سازی کنند. 

کلیدواژه‌ها

عنوان مقاله [English]

Spatial down-scaling in digital mapping of soil organic carbon using auxiliary data (case study: Baneh region)

نویسنده [English]

  • R. Taghizadeh-Mehrjardi

Faculty of Agriculture and Natural Resources, Ardakan University, Iran

مراجع
  1. Banaei, M.H. 1998. Soil moisture and temperature regime map of Iran. Soil and Water Research Institute. Ministry of Agriculture, Tehran, Iran.
  2. Bierkens, M.F.P., Finke, P.A., and de-Willigen, P. 2000. Up-scaling and Down-scaling Methods for Environmental Research. Kluwer Academic Publishers, Dordrecht, The Netherlands.
  3. Bishop, T.F.A., McBratney, A.B., and Whelan, B.M. 2001. Measuring the quality of digital soil maps using information criteria. Geoderma, 103:95–111.
  4. Bloschl, G. 2005. Statistical up-scaling and downscaling in hydrology. In Anderson M.G., and McDonnell J.J. (ed.) Encyclopedia of Hydrological Sciences. John Wiley & Sons, Chichester, West Sussex, England.
  5. Boettinger, J.L., Ramsey, R.D., Bodily, J.M., Cole, N.J., Kienast-Brown, S., Nield, S.J., Saunders, A.M., and Stum, A.K. 2008. Landsat spectral data for digital soil mapping. p. 193–203. In A.E. Hartemink et al. (ed.) Digital soil mapping with limited data. Springer Science, Rio de Janiero, Brazil.
  6. Bou-Kheir, R., Greve, M.H., Bøcher, P.K., Greve, M.B., Larsen, R., and McCloy, K. 2010. Predictive mapping of soil organic carbon in wet cultivated lands using classification-tree based models: the case study of Denmark. Journal of Environment and Management, 91:1150–1160.
  7. Gallant, J.C., and Dowling, T.I. 2003. A multi-resolution index of valley bottom flatness for mapping depositional areas. Water Resources Research, 39:1347-1360.
  8. Gee, G.W., and Bauder, J.W. 1986. Particle size analysis. p. 383-411. In: A. Klute. (ed.) Methods of Soil Analysis. Part 1. Agron. Monogr. 9. ASA and SSSA, Madison, WI.
  9. Geological Survey of Iran. 2014. Research Institute of GSI, Tehran, Iran. Available at www.gsi.ir (visited 5 September 2014).
  10. Liu, D.S., and Pu, R.L. 2008. Downscaling thermal infrared radiance for sub-pixel land surface temperature retrieval. Sensors, 8:2695–2706.
  11. Liu, F., Zhang, G., Sun, Y., Zhao, Y., and Li, D. 2013. Mapping the Three-Dimensional Distribution of Soil Organic Matter across a Subtropical Hilly Landscape. Soil Science Society America Journal, 77:1241-1253.
  12. Malone, B.P., McBratney, A.B., and Minasny, B. 2014. Spatial scaling for digital soil mapping. Soil Science Society America Journal, 77:890-902.
  13. Malone, B.P., McBratney, A.B., Minasny, B., and Wheeler, I. 2012. A general method for downscaling earth resource information. Computers and Geosciences, 41:119–125.
  14. McBratney, A.B. 1998. Some considerations on methods for spatially aggregating and disaggregating soil information. Nutrient Cycling in Agroecosystems, 50:51–62.
  15. McBratney, A.B., Mendonça-Santos, M.L., and Minasny, B. 2003. On digital soil mapping. Geoderma, 117:3– 52.
  16. Merlin, O., Al Bitar, A., Walker, J.P., and Kerr, Y. 2009. A sequential model for disaggregating near-surface soil moisture observations using multi-resolution thermal sensors. Remote Sensing and Environment, 113:2275–2284.
  17. Minasny, B., and McBratney, A.B. 2006. A conditioned Latin hypercube method for sampling in the presence of ancillary information. Computer and Geoscience, 32:1378–1388.
  18. National Cartographic Center. 2014. Research Institute of NCC, Tehran, Iran. Available at www.ncc.org.ir (visited 5 September 2014).
  19. Nelson, R.E. 1982. Carbonate and gypsum. p. 181-196. In A.L. Page et al. (ed.) Methods of soil analysis. Part 2. Agron. Monogr. 9. ASA and SSSA, Madison, WI.
  20. Ponce-Hernandez, R., Marriott, F.H.C., and Beckett, P.H.T. 1986. An improved method for reconstructing a soil-profile from analysis of a small number of samples. Journal of Soil Science, 37:455–467.
  21. Quinlan, J.R. 2001. Cubist: An Informal Tutorial. Available at http://www.rulequest.com (visited 10 October 2014).
  22. Schomburg, A., Venema, V., Lindau, R., Ament, F., and Simmer, C. 2010. A downscaling scheme for atmospheric variables to drive soil–vegetation-atmosphere transfer models. Tellus, 62:242–258.
  23. Simbahan, G.C., Dobermann, A., Goovaerts, P., Ping, J., and Haddix, M.L. 2006. Fine-resolution mapping of soil organic carbon based on multivariate secondary data. Geoderma, 132:471–489.
  24. Sparks, D.L., Page, A.L., Helmke, P.A., Leoppert, R.H., Soltanpour, P.N., Tabatabai, M.A., Johnston, G.T., and Summer, M.E. 1996. Methods of Soil Analysis. SSSJA, Madison, WI.
  25. United States Geological Survey. 2014. Research Institute of GSI, Tehran, Iran. Available at http://earthexplorer.usgs.gov/ (visited 5 September 2014).
  26. Walkey, A., and Black, I.A. 1934. An examination of Degtjareff method for determining soil organic matter and a proposed modification of the chromic acid in soil analysis. 1. Experimental. Soil Science Society America Journal, 79:459-465.
  27. Western, A.W., and Bloschl, G. 1999. On the spatial scaling of soil moisture. Journal of Hydrology, 217:203–224.
  28. Wilby, R.L., and Wigley, T.M.L. 1997. Downscaling general circulation model output: a review of methods and limitations. Progress in Physical Geography, 21:530–548.
  29. Wilby, R.L., Wigley, T.M.L., Conway, D., Jones, P.D., Hewitson, B.C., Main, J., and Wilks, D.S. 1998. Statistical downscaling of general circulation model output: a comparison of methods. Water Resources Research, 34:2995–3008.
  30. Wilding, L.P. 1985. Spatial Variability: It's Documentation, Accommodation and Implication to Soil Surveys. p. 166-194. In D.R. Nielsen and Bouma J. (ed.) Soil Spatial Variability. Pudoc, Wageningen, The Netherlands.
  31. Yarnal, B., Comrie, A.C., Frakes, B., and Brown, D.P. 2001. Developments and prospects in synoptic climatology. International Journal of Climatology, 21:1923–1950.
  32. Yoo, K., Amundson, R., Heimsath, A.M., and Dietrich, W.E. 2006. Spatial patterns of soil organic carbon on hillslopes: integrating geomorphic processes and the biological C cycle. Geoderma, 130:47–65.
  33. Yu, G., Di, L., and Yang, W. 2008. Downscaling of global soil moisture using auxiliary data. p. 230-233. Proceedings of the IEEE International Geoscience and Remote Sensing Symposium, Institute of Electrical and Electronics Engineers, Inc., Boston, Massachusetts, USA.
  34. Zhang, S., Huang, Y., Shen, C., Ye, H., and Du, Y. 2012. Spatial prediction of soil organic matter using terrain indices and categorical variables as auxiliary information. Geoderma, 171:35–43.
  35. Zhao, M.S., Rossiter, D.G., Li, D.C., Zhao, Y.G., Liu, F., and Zhang, G.L. 2014. Mapping soil organic matter in low-relief areas based on land surface diurnal temperature difference and a vegetation index. Ecological Indicators, 39:120–133.
مهندسی زراعی
دوره 40، شماره 1
مرداد 1396
صفحه 71-85
فایل ها
هم رسانی
ارجاع به این مقاله
آمار