ارزيابي كارايي روش هاي درون يابي مكاني در پهنه بندي كربن آلي و جرم مخصوص ظاهري خاك هاي شاليزاري گيلان

Evaluation efficiency spatial interpolation techniques in mapping Organic carbon and Bulk density paddy soils of Guilan

چكيده 1 اين پژوهش به منظور ارزيابي كارايي تخمين گرهاي مكاني عكس فاصله و كريجينگ ( معمولي و لاگ نرمال كريجينگ ) در برآورد كربن آلي و جرم مخصوص ظاهري خاك در اراضي شاليزاري موسسه تحقيقات برنج كشور واقع در شهرستان رشت ، انجام گرديد. براي تعيين مشخصه هاي تغييرات مكاني متغيرها در محدوده مورد بررسي ، از نيم تغييرنما به عنوان يك تابع آماري ويژه تجزيه و تحليل ساختار 6 نقطه همسايگي در - مكاني متغيرهاي ناحيه اي استفاده شد. تخمين از طريق كريجينگ با استفاده از 40 70 درصد دامنه تاثير به عنوان شعاع جستجو انجام شد . براي تخمين متغيرها به روش وزن دادن عكس 1 استفاده شد. بهترين مدل نيم تغييرنما براي مدل برازش داده شده بر كربن - فاصله از پارامترهاي توان 5 آلي و جرم مخصوص ظاهري مدل كروي بود. براي مقايسه دقت تخمين گرها از آماره هاي ارزش يابي ميانگين خطا، جذر ميانگين مربعات خطاي تخمين، واريانس تعديل شده يا نسبت ميانگين مربعات خطا و درصد خطا استفاده شد. در تخمين عكس فاصله، پارامتر توان 1 براي كربن آلي و 4 براي جرم مخصوص ظاهري بهترين جواب را داد . هر 4 آماره ارزيابي نشان دادند كه تخمين به روش كريجينگ نسبت به تخمين عكس فاصله از دقت بالاتري برخوردار است. از سوي ديگر كريجينگ معمولي براي كربن آلي و لاگ گريجينگ براي جرم مخصوص ظاهري بهترين تخمين گر مي باشد. واژه هاي كليدي: زمين آمار، نيم تغييرنما، كريجينگ ، وزن دهي عكس فاصله

Abstract1 This research, carried out in order to evaluation of the inverse distance weighting method and kriging, (ordinary and lognormal kriging) for estimate Organic carbon and Bulk density in paddy fields of the Iranian Institute of Rice Research in Rasht. Spatial variability characteristics of variables were determined by semivariograms. The function used for quantifying the structure of regional variable. Estimation of Kriging carried out by 6 than 40 neighbors in 70 percentage range of search radius. For estimation variable used to method inverse distance weighting of exponent value 1 than 5. The best models for organic carbon and bulk density were spherical. Four statistics of mean error, root mean square error, reduced variance and percent error were used to compare the methods. Exponent value was in the estimation inverse distance weighting for Organic carbon 1 and Bulk density 4. Results show that kriging is the accuracy better of inverse distance. Beside the best estimator was ordinary kriging for Organic carbon and lognormal kriging for Bulk density. Keyword: Geostatistics, Variogram, Kriging, Inverse distance weighting