مقایسه ی توانایی نقشه های سنتی و رقومی در بیان پراکنش خاک‌ها با استفاده از شاخص‌های تفرق

آب و خاک

مقاله 4، دوره 31، شماره 1 - شماره پیاپی 51، فروردین 1396، صفحه 230-240   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v31i1.50538

نویسندگان

زهره مصلح^{* 1}؛ محمد حسن صالحی¹؛ اعظم جعفری²؛ عیسی اسفندیارپور بروجنی³

¹دانشگاه شهرکرد

²دانشگاه شهید باهنر کرمان

³دانشگاه ولیعصر رفسنجان

چکیده

برای بررسی توانایی روش های نقشه برداری خاک (سنتی و رقومی) در توصیف پراکنش خاک ها در دشت شهرکرد استان چهارمحال و بختیاری، 120 خاک رخ با فواصل تقریبی 750 متر حفر، تشریح و نمونه برداری شدند. نقشه های سنتی خاک در دو مرحله ی جداگانه در سطوح گروه بزرگ و زیرگروه تهیه گردیدند. همچنین، نقشه های رقومی کلاس های خاک در دو سطح رده بندی مذکور با مدل رگرسیون لاجیستیک چندجمله ای تهیه شدند. سپس، واحدهایی که در نقشه های سنتی دارای فراوانی بیشتری بودند انتخاب و همان واحدها بر روی نقشه های رقومی قرار داده شدند. شاخص تفرق شانن در هر یک از نقشه ها برای دو سطح رده بندی مزبور تعیین گردید و اختلاف میانگین آن ها بین دو نقشه از نظر آماری مورد بررسی قرار گرفت. نتایج نشان داد که برای اکثر واحدها در هر دو سطح رده بندی، تفرق شانن برای نقشه های رقومی بیشتر از نقشه های سنتی است و در سطح گروه بزرگ و زیرگروه این اختلاف، به ترتیب، برای 75 و 50 درصد از واحدها در سطح احتمال 05/0 و 001/0 معنی دار می باشد. با توجه به واقعیت پیچیدگی پراکنش خاک ها و تغییرات پیوسته ی آن ها به نظر می رسد که جدا کردن مرز دقیق کلاس های خاک غیر ممکن است و شاخص های تفرق نیز این موضوع را تایید نموده و توانسته اند توانایی روش نقشه‌برداری رقومی را در بیان توصیف پراکنش خاک ها نشان دهند. پس از آگاهی از تغییرات مکانی خاک، نحوه ی مدیریت آن‌ چالش بسیار مهمی است که هنوز نیازمند بهبود و توسعه ی دستگاه‌ها و ابزارهای مدیریتی است و انتظار می‌رود در آینده ی نزدیک، شاهد تغییر نحوه ی مدیریت اراضی با فنون و روش‌های نوین باشیم.

کلیدواژه‌ها

رگرسیون لاجیستیک؛ شاخص های تفرق؛ روش های نقشه برداری خاک

مراجع

1. Behrens T., Forster H., Scholten T., Steinrucken U., Spies E.D., and Goldschmitt M. 2005. Digital soil mapping using artificial neural networks. Journal of Plant Nutrition and Soil Science, 168: 21–33.

2. Bouma J., De Loat P.J.M., Van Holst A.F., and Van De Nes T.J. 1980. Predicting the effect of changing water table levels and associated soil moisture regimes for soil survey interpretations. Soil Science Society of America Journal, 44: 797 – 802.

3. Bregt A.K., Stoorvogel J.J., Bouma J., and Stein A. 1992. Mapping ordinal data in soil survey: a Costa Rican example. Soil Science Society of America Journal, 56: 525 – 531.

4. Cambule A.H., Rossiter D.G., and Stoorvogel J.J. 2013. A methodology for digital soil mapping in poorly-accessible areas. Geoderma, 192: 341–353.

5. Dent D., Young A. 1981. Soil survey and land evaluation George Allen and Unwin. Boston.

6. Esfandiarpoor Borujeni I., Toomanian N., Salehi M.H., and Mohammadi J. 2009. Assessing geopedological soil mapping using diversity and similarity indices (A case study: Borujen area, Chaharmahal-Va-Bakhtiari province). Journal of Water and Soil, 23: 100-114 (in Persian with English abstract).

7. Esfandiarpoor Borujeni I. Safari Y. 2014. Comparison of functional pedodiversity in two detailed soil map units (a case study: Faradonbeh plain, Chaharmahal-Va-Bakhtiari Province). Journal of Science and Technology of Agriculture and Natural Resources, Water and Soil Science, 18: 267- 277 (in Persian with English abstract).

8. Jafari A., Finke P.A., Van deWauw J., Ayoubi S., and Khademi H. 2012. Spatial prediction of USDA-great soil groups in the arid Zarand region, Iran: comparing logistic regression approaches to predict diagnostic horizons and soil types. European Journal of Soil Science, 63: 284–298.

9. Ibanez J.J., De Alba S., Bermudes F.F., and Garcia-Alvarez A. 1995. Pedodiversity: concepts and measurements. Catena, 24:215-232.

10. McBratney A.B., Mendonc M.L., and Minasny B. 2003. On digital soil mapping. Geoderma, 117 (1-2): 3– 52.

11. McBratney A.B., and Minasny B. 2007. On measuring pedodiversity. Geoderma, 141: 149-154.

12. Minasny B., and McBratney A.B. 2015. Digital soil mapping: A brief history and some lessons. Geoderma. In Press.

13. Moore I.D., Gessler P.E., Nielsen G.A. and Peterson G.A. 1993. Soil attribute prediction using terrain analysis. Soil Science Society America Journal, 57: 443–452.

14. Robertus R.A. 1998. Loessial of Delaware: taxonomy and map-unit assessment. Soil Science Society of America Journal, 62: 412 – 422.

15. Rossiter D.G. 2000. Methodology for Soil Resource Inventories. Soil Science Division, International institute for Aerospace Survey & Earth Science (ITC). 2nd Revised Version.

16. Salehi M.H., Eghbal M.K., and Khademi H. 2003. Comparison of soil variability in a detailed and a reconnaissance soil map in Central Iran. Geoderma, 111: 45-56.

17. Schoeneberger P.J., Wysocki D.A., Benham E.C., and Soil Survey Staff. 2012. Field book for describing and sampling soils. 3nd Version. Natural Resources Conservation Service. National Soil Survey Center. Lincoln, NE.

18. Soil Survey Staff. 2014. Soil Taxonomy: A basic systems of soil classification for making and interpreting soil surveys. Twelfth Edition. NRCS. USDA.

19. Taylor L.R. 1978. A variety of diversities. p. 1-18. In I.A. Mound et al. (ed.) Diversity of Insect Faunas. Ninth Symposium of the Royal Entomological Society. Blackwell, Oxford.

20. Toomanian N., Jalalian A., Khademi H., Eghbal M.K., and Papritz A. 2006. Pedodiversity and pedogenesis in Zayandeh-rud Valley, Central Iran. Geomorphology, 81: 376–393.

21. Van Ranst E. Tang H. Groenemam R. and Sinthurahat S. 1996. Application of fuzzy logic to land suitability for rubber production in peninsular Thailand. Geoderma, 70: 1-19.

22. Western, S., 1978. Soil Survey Contracts and Quality Control. Clarendon Press, Oxford, England.

23. Ziadat F.M. 2007. Land suitability classification using different sources of information: soil maps and predicted soil attributes in Jordan. Geoderma, 140: 73–80.