
تعداد نشریات | 13 |
تعداد شمارهها | 626 |
تعداد مقالات | 6,517 |
تعداد مشاهده مقاله | 8,746,572 |
تعداد دریافت فایل اصل مقاله | 8,317,345 |
آنالیز سطوح روند و اثرات آن در مدلسازی تغییرنما و پهنهبندی برخی ویژگیهای خاک | ||
مجله پژوهشهای حفاظت آب و خاک | ||
مقاله 8، دوره 23، شماره 1، فروردین 1395، صفحه 137-153 اصل مقاله (1.02 M) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwfst.2016.3023 | ||
نویسندگان | ||
سلمان میرزائی1؛ شجاع قربانی دشتکی* 2؛ جهانگرد محمدی2؛ حسین اسدی3؛ فرخ اسدزاده4 | ||
1دانشجو | ||
2هیئت علمی دانشگاه شهرکرد | ||
3هیئت علمی | ||
4هیئت علمی دانشگاه ارومیه | ||
چکیده | ||
سابقه و هدف: دقت برآورد مکانی ویژگیهای خاک نظیر رس، ماده آلی و کربنات کلسیم معادل اهمیت زیادی در تغذیه گیاه و برنامهریزیهای زیست محیطی دارد. مهمترین مرحله قبل از تحلیلهای آماری و بهکارگیری تخمینگرهای زمینآماری، وارسی دادهها میباشد. افزون بر بررسی اعداد پرت و نوع توزیع دادهها، یکی دیگر از عملیات مهم در مطالعات زمینآماری، آنالیز روند سطحی است. با بهکارگیری تحلیل روند سطحی میتوان نقش عواملی چون تغییر جنس سنگها، آب و هوا، توپوگرافی و بهطورکلی ناهنجارهای منطقهای را روی دادهها ارزیابی کرد (19). هدف از این پژوهش، آنالیز سطوح روند و اثرات آن در مدلسازی تغییرنما و پهنهبندی رس، ماده آلی و کربنات کلسیم معادل خاک بود. مواد و روشها: بدینمنظور، تعداد 100 نمونه خاک سطحی (عمق صفر تا 15 سانتیمتری) بهصورت تصادفی براساس مساحت طبقات متفاوت شیب، منطقهای به مساحت 41353 هکتار از اراضی زراعی دشت سئلین واقع در منطقه کلیبر، استان آذربایجانشرقی برداشت گردید. ویژگیهای خاک شامل بافت خاک به روش هیدرومتری، کربنات کلسیم معادل خاک به روش تیتراسیون برگشتی و درصد کربن آلی خاک به روش اکسایشتر اندازهگیری شدند. برای تحلیل روند سطحی از رگرسیون چندگانه که در آن متغیرهای مستقل، مختصات جغرافیایی نقاط و متغیر وابسته یک نوع ویژگی از خاک میباشد و برای پهنهبندی رس، ماده آلی و کربنات کلسیم معادل خاک و باقیماندهها حاصل از حذف روند سطحی از کریجینگ معمولی استفاده شد. به منظور ارزیابی اثر سطوح روند در مدل-سازی تغییرنما و تخمینگر کریجینگ از روش اعتبار سنجی متقاطع با شاخصهای خطای میانگین (ME)، ریشه میانگین مربعات خطا (RMSE) و ضریب تبیین (R2) استفاده شد. یافتهها: آنالیز روند سطحی نشان داد که بهترین مدل رگرسیونی برای تبیین روند در رس و کربنات کلسیم معادل، درجه یک و برای ماده آلی، کوادراتیک بود. با حذف روند، اثرقطعهای تغییرنما تقریباً برابر اثرقطعهای در حضور روند گردید اما، حدآستانه تغییرنما کاهش یافت. بههرحال، تفاوت قابل ملاحظهای بین دقت تخمینگر کریجینگ در شرایط حضور و حذف روند مشاهده نگردید. این امر میتواند ناشی از ناهنجارهای محیطی و فعالیتهای انسانی باشد، بهطوریکه مدلهای رگرسیونی تبیین کننده روند فقط 35، 18 و 21 درصد از تغییرات بهترتیب رس، ماده آلی و کربنات کلسیم معادل را توجیه کردند. بااینحال، با حذف روند R2 در ویژگیهای رس، ماده آلی و کربنات کلسیم معادل بهترتیب 1/9، 7/2 و 6/6 درصد افزایش یافت. نتیجهگیری: بهطور کلی، بررسی روند سطحی در مطالعات خاکشناسی که سروکار بیشتر با دادههای مکانی است، توصیه میگردد. به دلیل اینکه حضور روند بستگی به شرایط و موقعیت منطقه مطالعاتی و همچنین، منبع ایجاد روند دارد. | ||
کلیدواژهها | ||
روند سطحی؛ اثر قطعهای؛ کریجینگ | ||
مراجع | ||
1.Allison, L.E., and Moodie, C.D. 1965. Carbonate, P 1379-1400, In: C.A. Black et al. (Eds.), Methods of Soil Analysis. Part 2. Chemical Methods. 2nd ed. Agron. Monogr. 9. ASA, CSSA, and SSSA, Madison, WI.
2.Cambardella, C.A., Moorman, T.B., Novak, J.M., Parkin, T.B., Turco, R.F., and Konopka, A.E. 1994. Field-scale variability of soil properties in central Iowa soils. Soil Sci. Soc. Amer. J. 58: 1501-1511.
3.Chiang, L.H., Pell, R.J., and Seasholtz, M.B. 2003. Exploring process data with the use of robust outlier detection algorithms. J. Proc. Con. 13: 437-449.
4.Daempanah, R., Haghnia, G.H., Alizadeh, A., and Karimi, A. 2011. Mapping Salinity and Sodicity of Surface Soil by Remote Sensing and Geostatistic Methods in South Side of MahValat County. J. Water Soil. 25: 30. 498-508. (In Persian)
5.Dayani, M., Mohammadi, J., and Naderi, M. 2009. Geostatistical Analysis of Pb, Zn and Cd concentration in soil of Sepahanshahr suburb (south of Esfahan). J. Water Soil. 23: 4. 67-76. (In Persian)
6.ESRI. 2002. Spatial Analyst Help Documentation. ArcGIS Users’ Guide. ESRI Inc., Redlands, CA. 563p.
7.Fox, J. 2008. Applied Regression Analysis and Generalized Linear Models, 2nd edn. Sage Publications, CA.
8.Gee, G.H., and Bauder, J.W. 1986. Particle size analysis, P 383-411. In: A. klute (Ed.), Methods of soil Analysis. Physical Properties. SSSA, Madison, WI.
9.Huang, X., Senthilkumar, S., Kravchenko, A., Thelen, K., and Qi, J. 2007. Total carbon mapping in glacial till soils using near-infrared spectroscopy, Landsat imagery and topographical information. Geoderma. 141: 1-2. 34-42.
10.Khalil Moghadam, B., and Ghorbani Dashtaki, Sh. 2012. Comparison of geostatistics, PTFs, SSPFs methods and their combination for estimating soil surface shear strength. J. Water Soil. 26: 1. 127-128. (In Persian)
11.Khodakarami, L., Safianian, A., Mir ghafari, N., Afioni, M., and Golshahi, A. 2011. Mapping of microelement concentration of chromium, cobalt and nickel in soils of sub-catchment three of Hamadan using GIS and geostatistic. J. Sci. Technol. Agric. Natur. Resou. Water and Soil Sci. 15: 58. 243-254. (In Persian)
12.Liao, K., Shaohui, X.U., Jichun, W.U., and Qing, Z.H.U. 2013. Spatial estimation of surface soil texture using remote sensing data. Soil Science and Plant Nutrition. 59: 488-500.
13.Makabe, S., Kakuda, K., Sasaki, Y., Ando, T., Fujii, H., and Ando, H. 2009. Relationship between mineral composition or soil texture and available silicon in alluvial paddy soils on the Shounai Plain, Japan. Soil Science and Plant Nutrition. 55: 300-308.
14.Meersmans, J., De Ridder, F., Canters, F., Baets, S.D., and Molle, M.V. 2008. A multiple regression approach to assess the spatial distribution of Soil Organic Carbon (SOC) at the regional scale (Flanders, Belgium). Geoderma. 143: 1-2. 1–13.
15.Mohammadi, J. 2006. Pedometrics (Vol 2: Spatial statistic). Pelk Press. Tehran. (In Persian)
16.Mousavifard, S.M., Momtaz, H.R., and Khodaverdiloo, H. 2013. Efficiency of some geostatistical estimators for interpolation and mapping some soil quality properties. J. Soil Water Resour. Cons. 2: 3. 57-71. (In Persian)
17.Noorigheidari, M.H. 2010. Identify of outlier data in overflow regional to method of principle component. National Congress of Civil engineering. (In Persian)
18.Odland, J. 1988. Spatial autocorrelation. In: G.I. Thrall (Ed.), Sage University Scientific Geography Series no. 9. Sage Publications, Beverly Hills, 87p.
19.Oliver, M.A., and Carroll, Z.L. 2004. Description of spatial variation in soil to optimize cereal management. Project Report 330. Home-Grown Cereals Authority, London.
20.Ostovari, Y., Beigi Harchegani, H., and Davoodian, A.R. 2012. Spatial variation of nitrate in the Lordegan aquifer. Water and Irrigation Management. 2: 1. 55-67. (In Persian)
21.Pekey, H. 2006. The distribution and sources of heavy metals in Izmit Bay surface sediments affected by a polluted stream. Marine Pollut. Bull. 52: 1197-1208.
22.Santra, Y., Chopra, U.K., and Chakraborty, D. 2008. Spatial variability of soil properties and its application in predicting surface map of hydraulic parameters in agriculture farm. Current Science. 95: 473-482.
23.Shin, N.J., Cailes, J., and Peneffen, M. 2000. Determination of spatial continuity of soil lead levels in an urban residential neighborhood. Environmental Research. 82: 46-52.
24.Walkley, A., and Black, I.A. 1934. An examination of Degtgareff method for determining soil organic matter and a proposed modification of the chromic acid in soil analysis. 1. Experimental. Soil Sci. Soc. Amer. J. 79: 459-465.
25.Webster, R., and Oliver, M.A. 2007. Geostatistics for environmental scientists. John Wiley and Sons, Ltd. | ||
آمار تعداد مشاهده مقاله: 1,218 تعداد دریافت فایل اصل مقاله: 1,057 |