- تقیزادهمهرجردی، ر. ا.، سرمدیان، ف.، ذوالفقاری، ع. ا.، جعفری، ا. 1394. پیشبینی ظرفیت تبادل کاتیونی خاکهای ایران با استفاده از روشهای گوناگون. مهندسی زراعی (مجله علمی کشاورزی)، 1(38): 77-59.
- خداوردیلو، ح.، حسینی عربلو، ن. آ. 1393. ایجاد، ارزیابی و مقایسه توابع انتقالی کلاسی و پیوسته برای برآورد ظرفیت تبادل کاتیونی خاک در چند کلاس بافتی. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، 18(67): 320-311.
- معلمی، س.، دواتگر، ن. 1390. مقایسه توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی در برآورد گنجایش تبادل کاتیونی خاکهای گیلان. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، 15(55): 181-169.
- مهاجر، ر.، صالحی، و. ن.، بیگی هرچگانی، ح. 1388. تخمین ظرفیت تبادل کاتیونی خاک با استفاده از رگرسیون و شبکه عصبی و اثر تفکیک دادهها بر دقت و صحت توابع. علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، 49: 97-83.
- میرخانی، ر.، شعبانپور، م.، سعادت، س. ۱۳۸۴. محاسبه ظرفیت تبادل کاتیونی خاک با استفاده از بافت خاک و درصد ماده آلی در خاک های استان گلستان، مجله علوم آب و خاک، 19(2): 235-242.
- هزارجریبی، ا.، نصرتی کاریزک، ف.، عبدالهنژاد، ک.، قربانی، خ. 1392. بررسی امکان پیشبینی ظرفیت تبادل کاتیونی خاک با استفاده از پارامترهای زودیافت. نشریه آب و خاک (علوم و صنایع کشاورزی)، 27(4): 719-712.
- Amini M., K.C. Abbaspour, H. Khademi, N. Fathianpour, M. Afyuni, and R. Schulin. 2005. Neural Network models to predict cation exchange capacity in arid regions of Iran. Europ. J. Soil Sci. 56: 551-559.
- Babaeian, E., M. Homaee, C. Montzka, H. Vereecken, and A. A. Norouzi. 2015a. Towards retrieving soil hydraulic properties by hyperspectral remote sensing. Vadoze Zone J. 14(3): doi:10.2136/vzj2014.07.0080.
- Babaeian, E., M. Homaee, H. Vereecken, C. Montzka, A. A. Norouzi, and M. T. van Genuchten, 2015b. A Comparative Study of Multiple Approaches for Predicting the Soil–Water Retention Curve: Hyperspectral Information vs. Basic Soil Properties. Soil Sci. Soc. Am. J. 79: 1043-1058.
- Bell, M. A. and H. van Keulen. 1995. Soil pedotransfer functions for four Mexican soils. Soil Sci. Soc. Am. J. 59: 865–871.
- Bilgili, A. V., H. M. Van Es, F. Akbas, A. Durak, and W. D. Hively. 2010. Visible-near infrared reflectance spectroscopy for assessment of soil properties in a semi-arid area of Turkey. J. Arid Environ. 74(2): 229-238.
- Chang, C.W. and D.A. Laird. 2002. Near-infrared reflectance spectroscopic analysis of soil C and N. Soil Sci. 167(2): 110-116.
- Clark, R.N., T.V.V. King, M. Klejwa, G.A. Swayze, and N. Vergo. High spectral resolution reflectance spectroscopy of minerals. J. Geophys. Res. B: Solid Earth, 1990, 95.B8: 12653-12680.
- Feyziyev, F., M. Babayev, S. Priori, and L. Giovanni. (2016). Using Visible-near infrared spectroscopy to predict soil properties of Mugan plain, Azerbaijan. J. Soil Sci. 6: 52-58
- Gomez, C., P. Lagacherie, and G. Coulouma. 2008. Continuum removal versus PLSR method for clay and calcium carbonate content estimation from laboratory and airborne hyperspectral measurements.Geoderma, 148(2): 141-148.
- Hepper, E. N., D. E. Buschiazzo, G.G. and A. Hevia. Urioste, and L. Anton. 2006. Clay mineralogy, cation exchange capacity and specific surface area of loess soils with different volcanic ash contents. Geoderma, 135: 216-223.
- Islam, K., B. Singh, and A. B. McBratney. 2003. Simultaneous estimation of several soil properties by ultra-violet, visible, and near-infrared reflectance spectroscopy.Soil Res. 41(6): 1101-1114.
- Janik, L.J., S.T. Forrester, and A. Rawson. 2009. The prediction of soil chemical and physical properties from mid-infrared spectroscopy and combined partial least-squares regression and neural networks (PLS-NN) analysis. Chemometr Intell Lab Sys. 97(2): 179-188.
- Keller A., B. Von Steiger, S.T. Van der Zee, and R. Schuline. 2001. A stochastic empirical model for regional heavy metal balances in agroecosystems. J. of Environ Qual. 30:1976-1989.
- Klute, A. 1986. Methods of soil analysis. Part 1: Physical and mineralogical methods (No. Ed. 2). American Society of Agronomy, Inc. Soil Science Society of America, Madison, Wisconsin, 1358.
- Krogh, L., H. Breuning-Madsen, and M. H. Greve. 2000. Cation exchange capacity pedotransfer function for Danish Manrique, L. A., Jones, C. A. and Dyke, P. T. 1991. Predicting cation exchange capacity from soil physical and chemical properties. Soil Sci. Soc. Am. J. 50:787-794.
- Manrique, L.A., C.A. Jones, and P. T. Dyke. 1991. Predicting cation-exchange capacity from soil physical and chemical properties. Soil Sci. Soc. Am. J. 55(3): 787-794.
- McBratney A.B., B. Minasny, S. R. Cattle, and R. W. Vervoort. 2002. From pedotransfer function to soil inference systems. Geoderma, 93:225-253.
- Page, A. L., R. H. Miller, and D. R. Keeney. 1982. Methods of soil analysis. Part 2. Chemical and microbiological properties. American Society of Agronomy, Inc. Soil Science Society of America, Madison, Wisconsin, 1159.
- Savvides, A., R. Corstanje, S. J. Baxter, B. J. Rawlins, and R.M. Lark. 2010. The relationship between diffuse spectral reflectance of the soil and its cation exchange capacity is scale-dependent. Geoderma, 154(3): 353-358.
- Seybold, C. A., R. B. Grossman and T. G. Reinsch. 2005. Preicting Cation Exchange Capacity for Soil Survey Using Linear Models. Soil Sci. Soc. Am. J. 69:856-86.
- Shepherd, K.D., and M. G. Walsh. 2002. Development of reflectance spectral libraries for characterization of soil properties. Soil Sci. Soc. Am. J. 66(3): 988-998.
- Shirazi, M.A., and L. Boersma. 1984. A unifying quantitative analysis of soil texture. Soil Sci. Soc. Am. J. 48: 142-147.
- Stenberg, B., R. A. V. Rossel, A. M. Mouazen, and J. Wetterlind, 2010. Chapter five-visible and near infrared spectroscopy in soil science. Adv. Agron. 107: 163-215.
- Vereecken, H., M. Weynants, M. Javaux, Y. Pachepsky, M. G. Schaap, and M. Th. van Genuchten. 2010. Using Pedotransfer Functions to Estimate the van Genuchten–Mualem Soil Hydraulic Properties: A Review. Vadose Zone J. 9(4): 795-820.
- Viscarra Rossel, R., R. McGlynn, A. McBratney. 2006. Determining the composition of mineral-organic mixes using UV–vis–NIR diffuse reflectance spectroscopy. Geoderma, 137(1): 70-82.
- Willmott, C.J. (1981). On the validation of models. Physical Geogr. 2: 184–194.
|