پراکنش خصوصیات خاک با استفاده از روش‌های زمین آماری در دشت دره ویسه کرج

نوع مقاله : مقاله پژوهشی

نویسندگان

1 فارغ التحصیل کارشناسی ارشد دانشگاه آزاد اسلامی واحد نور، و مسئول مکاتبات

2 استادیار دانشگاه آزاد اسلامی واحد نور

چکیده

خاک محیط ناهمگنی به شمار می­رود که ویژگی­های آن در زمان و مکان تغییر می­کند. خاک و پوشش گیاهی با هم ارتباط متقابل داشته و بر هم تأثیر می­گذارند. لذا بررسی تغییرات مکانی خصوصیات خاک در کنار دیگر تغییرات محیطی امری ضروری است. به منظور بررسی تغییر­پذیری برخی ویژگی­های خاک در حوزه آبخیز دره ویسه، تعداد 78 نمونه از عمق30-0 سانتی­متری جمع­آوری و به آزمایشگاه انتقال یافت. پارامترهای اندازه­گیری شده شامل درصد رس، درصد سیلت، درصد شن و ماده آلی خاک بود. پس از آزمون نرمالیته داده­ها، اقدام به ترسیم واریوگرام گردید. برای درون­یابی پارامترها، روش­های کریجینگ، روش عکس فاصله وزن­دار و روش توابع پایه شعاعی مورد ارزیابی قرار گرفت. برای ارزیابی روش­ها، از دو پارامتر آماری، میانگین مطلق خطا (MAE) و میانگین اریب خطا(MBE) استفاده شده است. نتایج نشان داد که در منطقه مورد مطالعه برای پارامترهای سیلت، شن و ماده آلی خاک از بین روش­های مختلف، روش کریجینگ و برای پارامتر رس، روش توابع پایه شعاعی از دقت بیشتری برخوردار است.

موضوعات


عنوان مقاله [English]

Predicating the Spatial Variability of Some Soil Properties by Using Geostatistic Methods in Darreh Viseh, Karaj

نویسندگان [English]

  • F. Zareian 1
  • J. Mahmoudi 2
  • M.R. Javadi 2
چکیده [English]

Soil is a heterogeneous environment whose properties have spatial and temporal changes. Soil and vegetation have reciprocal relationship and influence each other. Thus, investigation of spatial variability of soil properties with other environmental change is essential. In order to analyze spatial variability of soil properties in Dareh Viseh rangelands, 78 soil samples from 0-30 cm soil depth were taken and transferred to laboratory. Soil properties including clay, silt, sand, and organic matter were measured in laboratory. After normalizing the data, the semi-variograms were obtained and evaluated. Then, kriging, inverse distant weighting, and radial basis function methods were evaluated for the obtained data. To compare these methods, the cross validation was used by statistical parameters of Mean Absolute Error (MAE) and Mean Bias Error (MBE).  The results showed that the kriging method provided a reasonable prediction for silt, sand, and organic matter of soil, while the radial basis function provided better estimation for prediction of clay in the study area.