تعداد نشریات | 49 |
تعداد شمارهها | 1,799 |
تعداد مقالات | 19,112 |
تعداد مشاهده مقاله | 8,412,695 |
تعداد دریافت فایل اصل مقاله | 5,738,496 |
استفاده از متغیرهای محیطی برای بررسی کیفیت نمونه برداری در نقشه برداری خاک | ||
آب و خاک | ||
مقاله 7، دوره 29، شماره 1، فروردین 1394، صفحه 126-138 اصل مقاله (1.98 M) | ||
نوع مقاله: مقالات پژوهشی | ||
شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.27235 | ||
نویسندگان | ||
اعظم جعفری* 1؛ نورایر تومانیان2؛ روح الله تقی زاده3 | ||
1دانشگاه شهید باهنر کرمان | ||
2مرکز تحقیقات کشاورزی و منابع طبیعی استان اصفهان | ||
3دانشگاه اردکان | ||
چکیده | ||
اطلاعات خاک منبع مهم و ضروری برای تهیه نقشه خاک و واسنجی مدلهای پیشبینیکننده خصوصیات خاک هستند. این اطلاعات از روشهای مختلف نمونهبرداری استخراج میشوند. هیچ معیار آماری برای ارزیابی نمونه برداری خاک در نقشهبرداری خاک وجود ندارد و این موضوع به عدم تعادل در نمونهبرداری و کاهش کیفیت نقشه خاک منجر میشود. نمونه برداری هایپرکیوب لاتینبه عنوان یک طرح نمونهبرداری برای نقشهبرداری رقومی خاک پیشنهاد شده است. در این مطالعه از اصول هایپرکیوب برای ارزیابی کیفیت نمونههای خاک با استفاده از الگوریتم "ارزیابی هایپرکیوب نمونهبرداری خاک"در نرمافزار R استفاده گردید. منطقه مورد مطالعه در فلات مرکزی ایران واقع در دره زایندهرود اصفهان قرار دارد. متغیرهای محیطی از مدل رقومی ارتفاع استخراج شد. هایپرکیوب لاتین از سه متغیر کمکی ارتفاع، شیب و شاخص خیسی تشکیل و براساس آن شاخص متغیر کمکی و وزن نسبی محاسبه شد. نتایج نشان داد افزایش تراکم و تغییرپذیری متغیر محیطی منجر به افزایش شاخص متغیر کمکی میشود. براساس شاخص وزن نسبی، نمونهبرداری بیش از حد در مناطق با تراکم پایین شاخص متغیر کمکی و نمونهبرداری کم در مناطق با تراکم و تغییرپذیری بالای شاخص متغیر کمکی مشاهده میشود.بنابراین لحاظ کردن فرایندهای ژئومرفولوژی برای بیان تغییرپذیری منطقه خشک در طراحی نمونهبرداری خاک بسیار مفید و موثر واقع شده که این تنها با عملیات میدانی و صحرایی قابل تشخیص است. به این ترتیب، جزء لاینفک پروژههای نقشهبرداری و شناسایی خاک، عملیات صحرایی و میدانی است که منجر به نمونهبرداری دقیقتر برای برنامههای آینده همچون نقشهبرداری رقومی خاک میشود. | ||
کلیدواژهها | ||
شناسایی خاک؛ لاتین هایپرکیوب؛ متغیرهای محیطی و نمونهبرداری خاک | ||
مراجع | ||
1- Birkeland P.W., Shroba R.R., Burns S.F., Price A.B., and Tonkin P.J. 2006. Integrating soils and geomorphology in mountains - an example from the Front Range of Colorado. Geomorphology, 55:329–344.
2- Bisbal J., Grimson J., and Bell D. 2005. A formal framework for database sampling. Information and Software Technology, 47:819–826.
3- Carre F., McBratney A.B., and Minasny B. 2007. Estimation and potential improvement of the quality of legacy soil samples for digital soil mapping. Geoderma, 141:1–14.
4- Gessler P. E., Chadwick O. A., Chamran F., Althouse L. D., and Holmes K. W. 2000. Modeling soil-landscape and ecosystem properties using terrain attributes. Soil Science Society of American Journal, 64:2046-2056.
5- 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.
6- Golosov V., Sidorchuk A., and Walling D.E. 2008. Nikolay I. Makkaveev and development of fluvial geomorphology in Russia and the former Soviet Union. Catena, 73:146–150.
7- Hengl T., Rossiter D.G., and Stein A. 2003. Soil sampling strategies for spatial prediction by correlation with auxiliary maps. Geoderma, 120:75–93.
8- Heuvelink G., Brus D., and de Gruijter J. 2004. Optimisation of sample configurations for digital soil mapping with universal kriging. Global Workshop on Digital Soil Mapping, Montpellier, France, September 2004.
9- Heuvelink G.B.M., Schoorl M., Veldkamp A., and Pennock D.J. 2006. Space-time Kalman filtering of soil redistribution. Geoderma, 133:124–137.
10- Jafari A., Finke P.A., Van de WauwJ., Ayoubi S., and Khademi H. 2012. Spatial prediction of USDA- great soil groups in the aridZarand region, Iran: comparing logistic regression approaches to predict diagnostic horizons and soil types. European Journal of Soil Science, 63:284-298.
11- McBratney A.B., Mendonça Santos M.L., and Minasny B. 2003. On digital soil mapping. Geoderma, 117:3-52.
12- McKenzie N.J., and Ryan P.J. 1999. Spatial prediction of soil attributes using terrain analysis. Geoderma, 89:67–94.
13- MinasnyB., and McBratney A.B. 2006. A conditioned Latin hypercube method for sampling in the presence of ancillary information. Computers and Geosciences, 32:1378–1388.
14- Olaya V. 2004. A gentle introduction to Saga GIS. User manual, The SAGA User Group e.V, Göttingen.
15- Simbahan G.G. and Dobermann A. 2006. Sampling optimization based on secondary information and its utilization in soil carbon mapping. Geoderma, 133:345–362.
16- Soil Survey Staff. 2003. Keys to Soil Taxonomy, Ninth edition, NRCS, USDA.
17- Toomanian N., Jalalian A., Khademi H., KarimianEghbal M., and Papritz A. 2006. Pedodiversity and pedogenesis in Zayandeh-rud Valley, Central Iran. Geomorphology, 81:376-393.
18- Vanclay J.K., Skovsgaard J.P., and Hansen C.P. 1995. Assessing the quality of permanent sample plot databases for growth modeling in forest plantations. Forest Ecology and Management, 71:177–186.
19- Visschers R., Finke P.A., and de Gruijter J.J. 2007. A soil sampling program for the Netherlands. Geoderma, 139:60-72. | ||
آمار تعداد مشاهده مقاله: 343 تعداد دریافت فایل اصل مقاله: 263 |