مقايسه روش­‌هاي مختلف نمونه­‌برداري جهت پهنه­‌بندي رقومي خاك در منطقه اردكان

اخيرا محققين از روش نقشه‌­برداري رقومي براي غلبه بر مشكلات نقشه­‌برداري سنتي خاك بهره­ گرفته­‌اند. با توجه به تغييرات مكاني زياد خاك، نمونه­‌برداري مهم­‌ترين مرحله در مطالعات نقشه­‌برداري رقومي خاك محسوب مي­‌شود.هدف از پژوهش حاضر، مقايسه سه روش مختلف نمونه­‌برداري شامل مربع لاتين، فازي-ميانگين k و تصادفي به­‌منظور دست‌يابي به يك الگوي فضايي مناسب براي نمونه­‌برداري خاك در منطقه اردكان به‌وسعت 720 كيلومتر مربع بود. متغيرهاي محيطي كه در اين مطالعه استفاده شدند، عبارت است از مشتقات اوليه و ثانويه مدل رقومي ارتفاع، تصاوير +ETM ماهواره لندست و نقشه سطوح ژيومورفولوژي. نتايج بر اساس معيارهاي آماري (ميانگين و انحراف معيار) نشان داد كه بهترين روش نمونه­‌برداري، روش مربع لاتين مي­‌باشد. به­‌عنوان مثال در مورد پارامتر كمكي شاخص خيسي مقدار ميانگين داده­‌هاي انتخاب شده به­‌وسيله اين روش و كل فضاي نمونه­‌برداري برابر با 18.19 مي‌­باشد. به‌­طور مشابه مقدار ميانگين شاخص همواري دره با درجه تفكيك بالا در روش مربع لاتين (3.64) بيشترين شباهت را با جامعه نمونه‌­برداري (3.63) دارد. همچنين، توزيع فراواني متغيرهاي كمكي در محل­‌هاي منتخب (نمونه) در روش مربع لاتين بسيار به توزيع فراواني متغيرهاي كمكي در كل منطقه (جامعه آماري) شبيه بود. همچنين، نتايج نشان داد كه هميشه توزيع جغرافيايي مناسب (فازي-ميانگين k) نشان­‌دهنده الگوي نمونه­‌برداري مناسب نمي­‌باشد. بنابراين، روش مربع لاتين به­‌عنوان بهترين روش نمونه­‌برداري در منطقه مورد مطالعه معرفي مي­‌شود و پيشنهاد مي­‌شود كه محققين در مطالعات آتي نقشه­‌برداري خاك از روش مربع لاتين استفاده شود.

Recently, researchers are increasingly employed Digital Soil Mapping (DSM) techniques ‎to overcome traditional soil mapping difficulties. Apparently, due to the large ‎heterogeneity of soil environments, sampling may be the most important step in digital soil ‎mapping studies. Therefore, in this research, we employed three different sampling ‎strategies including Latin hypercube, Fuzzy-K-Means and random sampling to achieve ‎the best spatial distribution of soil samples in an area around 720 km2 located in Ardakan ‎region, Yazd province, Iran. Auxiliary data that used in this study, were including terrain ‎attributes, Landsat 7 ETM+ images and a geomorphologic surfaces map. Based on ‎statistical criteria (i.e. mean and standard deviation), results showed that Latin hypercube ‎is the best sampling method. For instance, in the selected points, the mean of wetness ‎index is 18.19 which is the same as the mean of all area. Similarly, the mean of Multi-‎resolution Valley Bottom Flatness (MrRVF) in the points selected by Latin hypercube ‎strategy is very similar to all area. Moreover, histogram of auxiliary data in selected points ‎‎(samples) was more similar to histogram of auxiliary data in all area. Also, the results ‎indicated that a good geographical coverage (Fuzzy-K-Means) does not adequately ‎represent the distribution of the variables. Therefore, Latin hypercube is the best strategy ‎to determine sample locations in our study area and hence, it is recommended that ‎researchers apply Latin hypercube method in future digital soil mapping studies.‎