پديد آورندگان :
غجه پور، احسان دانشگاه شهيد باهنر كرمان - گروه علوم خاك , جلالي، وحيدرضا دانشگاه شهيد باهنر كرمان - گروه علوم خاك , جعفري، اعظم دانشگاه شهيد باهنر كرمان - گروه علوم خاك , محمودآبادي، مجيد دانشگاه شهيد باهنر كرمان - گروه علوم خاك
چكيده فارسي :
سابقه و هدف: ويژگي‌هاي خاك داراي تغييرات مكاني و زماني در مقياس‌هاي كوچك و بزرگ مي‌باشند. مطالعه اين تغييرات، در سطح وسيع بسيار وقت‌گير و هزينه‌بر است. به منظور تعيين سريع و قابل اعتماد ويژگي‌هاي خاك، تكنيك‌هاي درون‌يابي مختلفي توسعه و به‌كار گرفته شده است. از تكنيك‌هاي درون‌يابي كه به طور گسترده در علوم مختلف به‌كار رفته است، مي‌توان به انواع كريجينگ اشاره كرد. تابع مفصل، يكي از تكنيك‌هاي درون‌يابي جديدي است كه امروزه در علومي مانند هيدرولوژي كاربرد وسيعي پيدا كرده است. در پژوهش حاضر سعي شده است تغييرات مكاني برخي از ويژگي‌هاي فيزيكي خاك با استفاده از تابع مفصل مورد ارزيابي قرار گيرد و نتايج حاصل از آن با تكنيك‌هاي زمين‌آماري مختلف مقايسه گردد.
مواد و روش‌ها: به منظور اجراي پژوهش، نمونه‌برداري به روش شبكه‌بندي منظم، از منطقه‌اي به وسعت 484 هكتار در 10 كيلومتري غرب شهرستان بافت استان كرمان صورت گرفت و در نهايت، 121 نمونه از لايه سطحي خاك جمع‌آوري شد. پس از هوا خشك نمودن نمونه‌ها جرم مخصوص ظاهري با استفاده از كلوخه تعيين گرديد، سپس با عبور دادن نمونه‌هاي خاك از الك 2 ميلي-متري، درصد شن اندازه‌گيري شد. براي درون يابي از چهار تابع مفصل ارشميدسي شامل؛ توابع كلايتون، فرانك، گامبل و جو و تكنيك‌هاي زمين‌آماري شامل كريجينگ ساده، كريجينگ معمولي، كريجينگ شاخص و كريجينگ منفصل يا گسسته و روش وزن‌دهي عكس فاصله (IDW) استفاده شد. تحليل نتايج با استفاده از معيارهاي ميانگين ريشه دوم مربعات استاندارد (RMSE)، ضريب تبيين (R2)، ميانگين خطاي مطلق(MAE) و ميانگين خطاي انحراف (MBE) صورت گرفت.
يافته‌ها: براساس توصيف آماري، توزيع متغير جرم مخصوص ظاهري، نرمال و متغير درصد شن، غيرنرمال تشخيص داده شد. به منظور برازش تابع مفصل بر داده‌ها، ابتدا تابع توزيع متغيرهاي مورد مطالعه تعيين گرديد. نتايج نشان داد متغير شن از تابع توزيع (Frechet (3P و متغير جرم مخصوص ظاهري از تابع Wakeby پيروي كردند. براساس ضريب همبستگي پيرسون، همبستگي بين جفت نقاط در فاصله كمتر از 2000 متر مشخص شد و فاصله بيش از 2000 متر به عنوان فاصله مستقل شناخته شد. مقايسه روش تابع مفصل و تكنيك‌هاي زمين‌آماري براساس ضريب تبيين (R2) نشان داد مقدار اين ضريب براي تابع مفصل براي متغير شن 6 درصد و براي جرم مخصوص ظاهري 8 درصد بيشتر از تكنيك‌هاي مرسوم زمين‌آماري به دست آمد. همچنين مقادير خطاي حاصل از پيش‌بيني توسط تابع مفصل كمتر محاسبه شد كه نشان از برتري نسبي عملكرد تابع مفصل در تخمين پارامترهاي فيزيكي خاك دارد.
نتيجه‌گيري: نتايج اين پژوهش نشان داد كه توابع مفصل نتوانسته با دقت خيلي بالايي برآورد را انجام دهد، اگرچه تابع مفصل ميانه نسيت به ساير تكنيك‌هاي زمين‌آماري، عملكرد بهتري در برآورد ويژگي‌هاي فيزيكي خاك دارد. از مهمترين دلايل اين برتري مي‌توان به توانايي برازش تابع توزيع حاشيه‌اي بر داده‌ها در تابع مفصل اشاره كرد كه در تكنيك‌هاي زمين‌آماري امكان برازش تابع توزيع حاشيه‌اي بر داده ها ممكن نيست. از دلايل ديگر مي‌توان به توانايي بيان همبستگي بين داده‌ها در فواصل مختلف و عدم حساسيت تابع مفصل به داده‌هاي پرت نسبت به تكنيك‌هاي مرسوم زمين‌آماري را برشمرد. با توجه به ماهيت چولگي داده‌هاي خاك در طبيعت و همچنين ضرورت آناليز و تفسير دقيق‌تر داده‌هاي واقعي خاك بدون تغيير آن‌ها، تابع مفصل مي‌تواند كاربرد وسيعي در تخمين ويژگي-هاي خاك داشته باشد.
چكيده لاتين :
Background and objectives: Spatial and temporal variations of soil characteristics occur in large and small scales. Study of these variations is very time-consuming and costly especially in large scales. In order to the fast and reliable determination of soil properties, various interpolation techniques have been developed and applied. The most widely used interpolation techniques in various sciences is the Kriging types. The copula function is one of the new interpolation techniques that are widely used in sciences such as hydrology. Thus, the aim of this study was to evaluate the spatial variations of some soil physical properties using copula function and to compare with geostatistics techniques.
Materials and methods: Sampling by regular networking was done in an area of 484 ha located in 10 km from the west of Baft city, Kerman province and finally, 121 surface soil samples were collected. After air drying, the apparent bulk density was determined using the Hunk, then the soil samples were passed through a 2 mm sieve to determine the percentage of sand. To interpolate, four functions of the Archimedean copula including the Clayton, Frank, Gumbel and Joe functions, and geostatistics techniques including simple, ordinary, universal and disjunctive Kriging and the Inverse Distance Weighting (IDW) method were used. The results were analyzed using Root Mean Square Error (RMSE), determination coefficient (R2), Mean Absolute Error (MAE), and Mean Bias Error (MBE).
Results: Based on the descriptive statistics, soil bulk density and soil sand followed a normal and skewed distribution, respectively. In order to fit the copula function, the distribution functions of the studied variables were firstly determined. The results showed that the sand and bulk density followed the Frechet (3P) and Wakeby distribution functions, respectively. Also, based on the Pearson correlation coefficient, the correlation between pairs of points was determined in distances less than 2000 m and distances more than 2000 m were known as an independent distance. The estimation efficiency based on the determination coefficient (R2) showed that value of determination coefficient for copula function for the sand variable, 6% and for bulk density 8%, more than conventional geostatistics techniques were obtained. Also, the estimation error of copula function was minimum that indicate good performance of copula function to estimate the spatial variation of soil physical properties.
Conclusion: The results of study showed that copula function, especially the median copula, have the better performance for estimation the studied soil properties. One of the most important reasons for this superiority is the ability to fit the marginal distribution function on the data in copula, while it is not possible in geostatistics techniques. Other reasons include the ability to express the correlation between the data at different intervals and the lack of sensitivity to outlier data in copula relative to conventional geostatistics techniques. Due to the skewness nature of soil data, as well as the need for more accurate analysis and interpretation of actual soil data, copula functions can be widely used to estimate of soil properties.
