- آقا نباتی، س. ع. 1385. زمینشناسی و توان معدنی استان سیستان و بلوچستان. نشریه رشد آموزش علوم زمین، شماره 45.ص 11-4.
- احمدی، ک.، عبادزاده، ح. ر.، حاتمی، ف،. محمدنیا افروزی، ش.، اسفندیاری، ا و طاقانی، ر.ع. 1400. آمارنامه کشاورزی سال 1399. مرکز فناوری اطلاعات و ارتباطات وزرات جهاد کشاورزی. 92 ص.
- ادب، ح. 1396. برآورد رطوبت لحظهای سطح خاک در فصل سرد با استفاده از دادههای سنجش از دور نوری و حرارتی در شرایط بدون نمناکی. نشریه علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی). 21 (2):ص 191-175.
- پهلوان راد، م. ر. 1398. بررسی تغییرات مکانی نفوذپذیری و هدایت هیدرولیکی اشباع خاک دراراضی دشت سیستان با استفاده از زمین آمار و درختان تصمیمگیری تصادفی. گزارش نهایی موسسه خاک و آب. 58 ص.
- تازه، م.، اسدی، م. و کلانتری، س. 1394. ارزیابی قابلیت شاخص های ژئومورفومتری در استخراج نقشه شبکه آبراهه (مطالعه موردی، حوزه سه قلعه- همبوسرایان)، نشریه علمی پژوهش های ژئومورفولوژی کمی، سال چهارم. شماره1، ص 144-134.
- رفاهی، ح. ق. 1388. فرسایش آبی و کنترل آن. انتشارات دانشگاه تهران. تهران. 633 ص.
- صحرایی، ن.، لندی، ا و حجتی، س.1401. نقشهبرداری رقومی اجزا بافت خاک در بخشی از اراضی دشت خوزستان با استفاده از برخی مدلهای یادگیری ماشین. مجله تحقیقات خاک و آب ایران (دانشگاه تهران شماره 10. ص 2276-2261.
- فاضلی سنگانی، م.، شرفا، م. و سرمدیان، ف. 1389. درونیابی و پهنهبندی میزان رطوبت حد ظرفیت مزرعه و نقطه پژمردگی دائم. مجله آبیاری و زهکشی ایران. دوره چهارم. شماره 2. ص 262-251.
- علی احیایی، م. و بهبهانی زاده،ع.ا. 1372. نشریه فنی. شماره 892. 129 ص.
- Aitkenhead, M. J., and M. C. 2016. Mapping soil carbon stocks across Scotland using a neural network model. Geoderma. 262: 187-198.
- Allbed, A. and L. Kumar. 2013. Soil salinity mapping and monitoring in arid and semi-arid regions using remote sensing technology: a review. Advances in Remote Sensing. 2(4) : 373-385, DOI: 4236/ars.2013.24040
- Arnold, J. G. and J.R.Williams. 1987. Validation of SWRRB: simulator for water resources in rural basins. Journal of Water Resources Planning and Management. 113(2): 243–256.
- Arnold, J.G. and N. Fohrer. 2005. SWAT2000: current capabilities and research opportunities in applied watershed modeling. Hydrological Processes. 19(3): 563–572.
- Babaeian, E., M. Sadeghi, S.B. Jones, C. Montzka, H.Vereecken and M. Tuller. 2019. Ground, proximal, and satellite remote sensing of soil moisture. Rev. Geophys. 57: 530–616.
- Baig, M.H.A., L. Zhang, T. Shuai and Q. Tong. 2014. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance. Remote Sensing Letters. 5(5): 423-431.
- Baret, F. and G. Guyot.1991. Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sensing of Environment. 35(2-3): 161-173.
- Berry, W.D. 1993. Understanding regression assumptions. quantitative applications in the social sciences. Sage Publications. 92:104P.
- Betz, F., J. Rauschenberger, M. Lauermann,and B. Cyffka. Using GIS and remote sensing for assessing riparian ecosystems along the Naryn River Kyrgyzstan. International Journal of Geoinformatics. 12 (4): 25-30.
- Brisson, N., B. Mary, D. Ripoche, M.H. Jeuffroy, F. Ruget, and B. Nicoullaud. 1998. STICS: a generic model for the simulation of crops and their water and nitrogen balances. I. Theory and parameterization applied to wheat and corn. Agronomy Journal. 18(5–6): 311–346.
- Böhner, J. and T. Selige. Spatial prediction of soil attributes using terrain analysis and climate regionalisation. Göttinger Geographische Abhandlungen. 115:13-28.
- Cambardella, C.A., A.T. Moorman, J.M. Novak, T.B. Parkin, D.L. Karlen, R.F. Turco, and A.E. Konopka. 1994. Field-scale heterogeneity of soil properties in central Iowa soils. Soil Science Society of America Journal. 58: 1501–1511.
- Datta, S., S. Taghvaeian, and J. Stivers. 2017.Understanding soil water content and thresholds for irrigation management. Oklahoma Cooperative Extension Fact Sheets. BAE-1537. http://osufacts.okstate.edu
- Djurovic, Z., B. Kovacevic and V. Barroso. 2000. QQ-plot based probability density function estimation. In Proceedings of the Tenth IEEE Workshop on Statistical Signal and Array Processing . 243-247.
- Hengl, T., B.M. Heuvelink, B. Kempen, J.G.B. Leenaars, M. G.Walsh, K.D. Shepherd, A. Sila, R.A. MacMillan, J. M. Jesus, L.Tamene and J.E. Tondoh. 2015. Mapping soil properties of Africa at 250 m resolution: random forests significantly improve current predictions. PLOS ONE. 10 (6): doi: 10.1371/journal.pone.0125814.
- Hounkpatin, O.K., F.O. de Hipt, A. Y. Bossa, G. Welp, and W. Amelung. 2018. Soil organic carbon stocks and their determining factors in the Dano catchment (Southwest Burkina Faso). Catena. 166: 298-309.
- Mishra, U., R. Lal, D. Liu and M.Van Meirvenne. 2010. Predicting the spatial variation of the soil organic carbon pool at a regional scale. Soil Science Society of America Journal. 74(3): 906-914.
- Mohammadi, J. 2006. Pedometer: 2, spatial statistics (Geostatistics). Pelk Publication, Tehran, 453 p. (In Persian).
- Navidi, M.N., J. Seyedmohammadi, and S.A. Seyed Jalali. 2022. Predicting soil water content using support vector machines improved by meta-heuristic algorithms and remotely sensed data. Geomechanics and Geoengineering. 17(3): 712-726.
- Moriasi, D.N., J.G. Arnold, M.W. Van Liew, R. L., Bingner, R.D. Harmel , and T. L.Veith. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. American Society of Agricultural and Biological Engineers. 50(3): 885−900.
- Ottoy, S., B. De Vos, A. Sindayihebura, M. Hermy, and J.Van Orshoven. 2017. Assessing soil organic carbon stocks under current and potential forest cover using digital soil mapping and spatial generalisation. Ecological Indicators. 77: 139-150.
- Parton, W.J., D.S. Schimel, C.V. Coleand D.S. Ojima. 1987. Analysis of factors controlling soil organic matter levels in Great Plains Grasslands. Soil Science Society of America 51(5): 1173–1179.
- Qiao, J., Y. Zhu,, X. Jia, L. Huang and M.A. Shao.2019. Pedotransfer functions for estimating the field capacity and permanent wilting point in the critical zone of the Loess Plateau, China. Journal of Soils and Sediments, 19: 140-147.
- Rouse, J.W., R.H. Haas, J.A. Schell, D.W. Deering, and C. Harlan. 1974. Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation (No. E75-10354).
- Shahriari, M., M. Delbari, P. Afrasiab, and M.R. Pahlavan-Rad. 2019. Predicting regional spatial distribution of soil texture in floodplains using remote sensing data: A case of southeastern Iran. Catena. 182:104-
- Skentos, A. 2018. Topographic position index based landform analysis of Messaria (Ikaria Island, Greece). Acta Geobalcanica. 4(1):7-15
- Szabo, B., G. Szatmari, K. Takacs, A. Laborczi, A. Mako, K. Rajkai and I. Pasztor. 2019. Mapping soil hydraulic properties using random-forest-based pedotransfer functions and geostatistics. Hydrology and Earth System Sciences. 23: 2615-2635.
- Taghizadeh-Mehrjardi, R., B. Minasny, F. Sarmadian, and B.P. Malone. 2014. Digital mapping of soil salinity in Ardakan region, central Iran. Geoderma. 213: 15-28.
- Terribile, F., A. Coppola, G. Langella, M. Martinaand A. Basile. 2011. Potential and limitations of using soil mapping information to understand landscape hydrology. Hydrology and Earth System Sciences. 15: 3895–3933.
- Wilding, L. and L.R. Drees. 1983. Spatial variability and pedology. In Developments in Soil Science. Elsevier. 11: 83-116
- Zhang, H., P. Wu,A.Yin , X. Yang, M. Zhangand C. Gao. 2017. Prediction of soil organic carbon in an intensively managed reclamation zone of eastern China: A comparison of multiple linear regressions and the random forest model. Science of the Total Environment. 592: 704-713.
|