| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,829 |
| تعداد مقالات | 32,098 |
| تعداد مشاهده مقاله | 40,864,082 |
| تعداد دریافت فایل اصل مقاله | 18,113,700 |
تعیین تراکم نقاط و روش مناسب نمونهبرداری برای ارزیابی شوری خاک پیش از نمونهبرداری | ||
| پژوهش های خاک | ||
| مقاله 8، دوره 29، شماره 3، آذر 1394، صفحه 335-350 اصل مقاله (755.02 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijsr.2015.103499 | ||
| نویسندگان | ||
| یوسف هاشمی‌نژاد1؛ مهدی همایی* 2؛ علی اکبر نوروزی3 | ||
| 1دانشجوی دکتری دانشگاه تربیت مدرس | ||
| 2استاد دانشگاه تربیت مدرس | ||
| 3استادیار پژوهشکده حفاظت خاک و آبخیزداری | ||
| چکیده | ||
| ارزیابی دقت نمونهبرداری پیش از انجام نمونهبرداری از اهمیت زیادی برخوردار است. از آنجا که انتظار میرود بین متغیرهای محیطی کمکی و ویژگیهای خاک روابطی وجود داشته باشد، نقاط نمونهبرداری مناسب نقاطی است که توزیع تجمعی احتمال متغیرهای محیطی کمکی را به گونهای مطلوب شبیهسازی کند. از آنجا که در این پژوهش برای تعیین نقاط نمونهبرداری از باندهای تصویر ماهواره لندست و مدل رقومی ارتفاع به عنوان ورودی ها استفاده شد، سه روش نمونهبرداری تصادفی، شبکه منظم و فرامکعب لاتین در سه تراکم 100، 50 و 25 نقطه برای شبیهسازی توزیع احتمال تجمعی باندهای تصویر ماهواره لندست و مدل رقومی ارتفاع در محدودهای به وسعت حدود 52 هزار هکتار استفاده شد. سپس، توزیع احتمال شبیهسازی شده با توزیع جامعه اصلی و شوری خاک مورد مقایسه قرار گرفت. نتایج نشان داد که در تراکم نمونهبرداری 100 و 50 نقطه، تفاوت دقت روشهای نمونهبرداری چشمگیر نبوده و با کاهش تراکم نمونهبرداری میانگین مربعات خطای باقیمانده افزایش مییابد. حال آنکه در تراکم 25 نقطه نمونهبرداری، مقدار میانگین مربعات خطای باقیمانده در روشهای فرامکعب لاتین، شبکه منظم و کاملاً تصادفی به ترتیب 4، 83/7 و 15/17 درصد بود. به این ترتیب نتایج نشان داد که روش فرامکعب لاتین در تراکم نمونهبرداری کم قادر به شبیهسازی دقیقتر توزیع احتمال ورودی است. علت این تفاوت آن است که در روشهای کاملاً تصادفی و شبکه منظم احتمال نمونهبرداری از نقاط با فراوانی کم، بسیار اندک است. مقدار ریشه میانگین مربعات خطا در برآورد شوری خاک جامعه اصلی در تراکم 100 و 25 نقطه به روش فرامکعب لاتین به ترتیب 22/4 و 66/8 دسی زیمنس بر متر بود. هرچند مقداری بیش از خطای متغیرهای اولیه یعنی باندهای تصویر و مدل رقومی ارتفاع است، لیکن با دقتی مناسب توزیع احتمال شوری خاک در جامعه اصلی را شبیه سازی کرده است. در نتیجه مناسبترین روش و تراکم نمونهبرداری در این پژوهش روش فرامکعب لاتین با تراکم 25 نقطه بود. | ||
| کلیدواژه‌ها | ||
| تابع توزیع احتمال؛ شبکه نمونهبرداری منظم؛ فرامکعب لاتین | ||
| عنوان مقاله [English] | ||
| Determining Proper Sampling Density and Strategy for Soil Salinity Assessment before Sampling | ||
| نویسندگان [English] | ||
| Y. Hasheminejhad1؛ M. Homaee2؛ A.A. Noroozi3 | ||
| چکیده [English] | ||
| Evaluating sampling accuracy is of great importance prior to sampling practice. Since it is expected to be a relationship between soil properties and ancillary environmental variables, proper sampling points are those that better simulate the probability distributions of these variables. The possibility of sampling from low probability tails is very low for random and regular network methods, while the Latin Hypercube Sampling (LHS) method divides the input probability distribution into equal intervals and one sample is taken from each interval. The satellite images band and digital elevation model (DEM) were used as inputs to determine the sampling points in LHS. Three methods including random, regular network and LHS sampling strategies were employed in three sampling densities of 100, 50 and 25 points in the study area of 52,000 ha to simulate the probability distribution of Landsat ETM+ bands and DEM. The simulated probability distributions were then compared with the population distribution and soil salinity data. Results indicated that there is no significant difference between the sampling strategies in 100 and 50 sampling densities to simulate the mean of population; as the sampling density decreased, the Residual Mean Square Error (RMSE) increased. In 25 point sampling density, the RMSE for LHS, regular network, and random sampling methods were 4, 7.83, and 17.5 percents, respectively. Results further indicated that LHS can efficiently simulate the input probability distribution even in low sampling densities. The RMSE values for estimating soil salinity in the original population were 4.22 and 8.66 dS/m in 100 and 25 sampling densities, respectively. Although the calculated RMSE was larger than that of input parameters of image bands and DEM, it could simulate the population probability distribution of soil salinity with enough accuracy. In conclusion, the best sampling method in this research was Latin hypercube method with a density of 25 sampling points. | ||
| کلیدواژه‌ها [English] | ||
| Latin Hypercube, Probability distribution function, Regular grid | ||
|
آمار تعداد مشاهده مقاله: 1,680 تعداد دریافت فایل اصل مقاله: 1,138 |
||