مقایسه روش‌های زمین‌آمار در تهیه نقشه پراکنش مکانی برخی عناصر غذایی در شرق استان مازندران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه فردوسی مشهد

2 استادیار موسسه تحقیقات خاک و آب کشور

3 استادیار دانشگاه جیرفت

4 مربی دانشگاه جیرفت

چکیده

اساس توسعه کشاورزی دقیق آگاهی از ویژگی­های‌ خاک در هر نقطه و اعمال مدیریت ویژه می­باشد. بنابراین، آگاهی از ساختار وابستگی مکانی ویژگی­های مختلف خاک در مزارع برای دستیابی به تولید بیشتر و مدیریت بهتر حائز اهمیت می­باشد. زمین آمار یکی از روش‌هایی است که امروزه برای بررسی وضعیت پارامترهای خاک به­کار می‌رود. در این تحقیق 188 نمونه خاک سطحی از شرق استان مازندران جمع‌آوری و متغیرهای کربن آلی (OC)، فسفر (P)، پتاسیم (K)، آهن (Fe)، منگنز (Mn) و مس (Cu) اندازه‌گیری گردید. همبستگی مکانی هر متغیر با نیم­تغییرنما مشخص و بهترین مدل برازش داده شده برای هر متغیر انتخاب شد. بهترین مدل‌های برازش داده شده بر نیم­تغییرنما برای متغیرهای OC، P، K، Fe، Mn، Cu، به‌ترتیب گوسی، گوسی، گوسی، نمایی، گوسی و کروی بودند. همچنین دامنه مؤثر برای همین متغیرها به­ترتیب 58، 26، 58، 5، 58 و 3 کیلومتر به­دست آمد. با استفاده از روش‌های درون‌یابی،کریجینگ معمولی، وزن­دهی عکس­فاصله (IDW) و اسپلاین (RBF) با استفاده از نرم­افزار ArcGIS درون­یابی انجام و میزان دقت نقشه پراکنش این متغیرها به­کمک معیارهای آماری دقت (MAE)، انحراف (MBE) و ریشه میانگین مربعات خطا (RMSE) محاسبه گردید. نتایج نشان داد برای متغیرهای OC،P، K، Fe، Mn، Cu، به‌ترتیب OK،OK ،OK ، RBF، IDW، OK به­عنوان بهترین روش‌های درون‌یابی شناخته شدند. همان­طور که مشاهده می‌گردد برای اکثر متغیرها روش OK در مقایسه با دو روش دیگر، روش بهتری در تخمین متغیرها در نقاط نمونه‌برداری نشده بود.

کلیدواژه‌ها

عنوان مقاله [English]

Comparison of Geostatistical Methods for Mapping the Spatial Distribution of Some Nnutrients in the East of Mazandaran Province

نویسندگان [English]

  • ghobad jalali 1
  • Mohammad Mehdi Tehrani 2
  • N. Broomand 3
  • Saleh Sanjari 4
2 Assistant professor, Soil and Water Research Institute of Iran
3 Assistant professor, Jiroft University
4 Lecturer Department, Jiroft University
چکیده [English]

Determining the variability of soil parameters is a necessity for precision agriculture. To achieve higher yield with better management, knowledge of physico-chemical properties of soil in the fields is essential. Geostatistics is one of the methods developed for investigating the spatial variability of soil properties. For this purpose, 188 soil samples were taken from the Eastern farms of Mazandaran province in 2009. Soil samples were analyzed and the amounts of organic carbon (OC), P, K, Fe, Mn, and Cu were determined. The spatial correlation of variables and the best fitted model were determined by variogram. Analysis indicated that OC, K, P, and Mn were best fitted to Gaussian model. Also, Fe and Cu were best fitted to exponential and spherical models, respectively. The effective ranges of these parameters were 58, 26, 58, 5, 58, and 3 km, respectively. In order to determine the distribution map, Kriging, Inverse Distance Weighted (IDW) and Splines (RBF) methods were used. The precision of interpolations were calculated using mean base error (MBE), mean absolute error (MAE), and root mean square error (RMSE).The results showed that kriging method had a higher accuracy compared to IDW and RBF. Kriging was the best method to estimate OC, P, K, and Cu because it had the highest precision and lowest error. IDW and RBF had the highest precision for estimation of Mn and Fe, respectively, in this area. 

کلیدواژه‌ها [English]

  • Kriging
  • Soil Variability
  • Spatial variability
  • Splines method

مراجع

  1. حسنی پاک، ع.ا. 1386. زمین آمار (ژئو استاتیستیک). انتشارات دانشگاه تهران.314 صفحه.
  2. رفیع الحسینی، م و ج. محمدی. 1380. تجزیه و تحلیل پراکنش مکانی حاصلخیزی خاک و عملکرد محصول برای مدیریت زراعی دقیق. مجموعه مقالات هفتمین کنگره علوم خاک ایران، دانشگاه شهرکرد دانشکده کشاورزی، صفحه 180-178.
  3. طهرانی، م.م.، م.ح. داودی و ف. مشیری. 1386. طرح تعیین پراکنش و توصیه عناصر کم مصرف در اراضی زراعی تحت کشت آبی کشور(فاز اول). موسسه تحقیقات خاک و آب. تهران، ایران.
  4. محمد زمانی، س.، ایوبی. ش.ا. و ف. خرمالی. 1386. بررسی تغییرات مکانی خصوصیات خاک و عملکرد گندم در بخشی از اراضی زراعی سرخنکلاته. استان گلستان. علوم و فنون کشاورزی و منابع طبیعی، سال یازدهم، شماره چهلم (الف)، صفحه 91-79.
  5. محمدی، ج. 1377. مطالغه تغیرات مکانی شوری خاک در منطقه رامهرمز(خوزستان) با استفاده از نظریه ژئواستاتیستیک 1- کریجینگ. مجله علوم و فنون کشاورزی و منابع طبیعی، جلد دوم، شماره چهارم، صفحه 63-49.
  6. محمدی، ج. a پدومتری 2 (آمار مکانی)، انتشارات پلک. 453 صفحه. تهران، ایران
  7. محمدی، ج. b مروری بر منابع ژئواستاتیستیک و کاربرد آن در خاکشناسی. مجله علوم خاک و آب. جلد 15. شماره 1. صفحه 109 تا 99.
  8. Bosun, S. Z. and Z. Qiguo. 2003. Evaluation of spatial and temporal changes of soil quality based on geostatistical analysis in the hill region of subtropical, China. Geoderma 115:85-99.
  9. Gotway, C. A., R. Ferguson, G. W. Herget and T. A. Peterson. 1996. Comparison of kriging and Inverse- Distance methods for mapping soil parameters. J. Soil science.Soc. Am 60: 1237-1247.
  10. Kravchenko, A. and D. G. Bullock. 1997. A comparative study of interpolation methods for mapping soil properties. J. Agron. 91: 3930-400.
  11. Liu, X. M., J. M. Xu, M. k. Zhang, and X. F. Yu. 2004. Application of Geostatistics and Gis Technique to characterize spatial variabilities of bioavailable micromutrients in paddy soils. J. Environmental geology. 46: 189-194.
  12. Liu, X., J. Xu, M. Zhang, B. Si and K. Zhao. 2008. Spatial variability of soil available Zn and Cu in paddy rice fields of China. J. Environmental Geology 55: 1569-1576
  13. Sharma, B. D., H. Arora, R. Kumar and V. K. Nayyar. 2004. Relationships between soil characteristics and total and DTPA extractable micronutrients in inseptisols of Punjab. J. Communications in soil science and plant analysis. 35. 799-818.
  14. Sharma, B. D., V. K. Aggarwal, S. S. Mukhopadhayay and H. Arora. 2002. Micronutrient distribution and their association whit soil properties in Entisol of Punjab, India. J. Agricultural.7: 315-322.
  15. Shi, J., J. Xu and P. Huang. 2008. Spatial variability of status of micronutrients in selected soils around Taihu Lake, China. J. Soil sediments. 8: 415- 423.
  16. Trangmar, B. B., R. S. Yost and G. Uehara. 1985. Application of Geostatistics to spatial studies of soil properties. J. Advances in Agronomy. 38: 45-94.
  17. Utset, A., T. Lopez and M. Diaz. 2000. A comparison of soil maps, kriging and a combined method for spatially prediction bulk density and field capacity of Ferralsols in the Havana-Matanaz Plain. Geoderma 96: 199-213.
  18. Vieira, S. R. and A. Paz Gonzalez. 2003. Analysis of the spatial variability of crop yield and soil properties in small agricultural plots. Bragantia, Campinas 62: 127-138.
  19. Webster, R. and M. A. Oliver. 2001. Geostatistics for environmental science. John Wiley and sons. LTD. Toronto, Canada. PP: 271.
  20. Wollenhaupt, N. C., R. P, Wolkowski and M. K. Clayton. 1994. Mapping soil test phosphorus and potassium for variable rate fertilizer application. J. Prod. Agric. 7: 441-448.
  21. Wu, W., D. T. Xiu and H. B. Liu. 2008. Spatial variability of soil heavy metals in the three gorges area, Multivariate and Geostatistical analysi. J. Environ Moint Assess.
  22. Yemefack, M., D. G. Rossiter and R. Njomgang. 2005. Multi-scale characterization of soil variability within an agricultural landscape mosaic system in southern Cameroon. Geoderma 125: 117-143.
  23. Yong, J., L. Wenju, W. wen and Z. Yuge. 2005. Spatial heterogeneity of DTPA- extractable zinc in cultivated soils indused by city pollution and land use. Science in China Ser. C life Science. 48: 82-91.
  24. Zhang, X., F. Lin, Y. Jiang, K. Wang and X. L. Feng. 2008. Variability of total and available copper concentrations in relation to land use and soil properties in Yangtz river deltabof China. J. Environ Moint Assess.
  25. Zheng, Y. M., T. B. Chen and J. Z. He. 2008. Multivariate Geostatistical analysis of heavy metals in top soils from Beijing, China. J. Soil Sediments. 8 (1): 51-58.
پژوهش های خاک
دوره 27، شماره 2
شهریور 1392
صفحه 195-204

فایل ها

هم رسانی

ارجاع به این مقاله

آمار