تاثير تراكم نمونه‌برداري بر كارايي نقشه شوري خاك (مطالعه موردي: ايستگاه تحقيقاتي كركج، دانشگاه تبريز)

Impact of sampling density on efficiency of soil salinity map (A case study: Karkaj Research Station, University of Tabriz)

سابقه و هدف: شناسايي و تهيه نقشه خاك‌ها با اهداف مختلف براي كاربران در عرصه‌هاي مختلف علوم خاك اهميت زيادي دارد. در مطالعاتي كه همراه با دورسنجي يا تغييرپذيري مكاني ويژگي هاي خاك مطرح مي باشد، مقياس مطالعه و تطابق داده هاي برآورد شده با داده‌هاي حقيقي و در نتيجه دقت نقشه هاي تهيه شده از جمله عواملي است كه همواره بايستي مورد توجه واقع شود. علي‌رغم آن‌كه پژوهش‌هاي زيادي در خصوص تخمين تغييرپذيري مكاني پارامترهاي مختلف خاك و تهيه نقشه‌هاي خاك صورت گرفته است ولي در اغلب موارد متاسفانه صحت و كارايي مناسب آن‌ها در ارايه صحيح اطلاعات ارزيابي نشده است. شوري‌زايي از جمله مهم‌ترين مسايل خاك‌هاي مناطق خشك و نيمه‌خشك مي‌باشد، بنابراين با توجه به وجود اقليم نيمه‌خشك در استان آذربايجان‌شرقي و سهل‌الوصول بودن مقدار شوري خاك مي‌توان تاثير تراكم نمونه برداري در نقشه‌هاي شوري خاك را بررسي نمود. مواد و روش‌ها: محدوده مورد مطالعه در اين پژوهش شامل قسمتي از اراضي ايستگاه تحقيقاتي كركج متعلق به دانشكده كشاورزي دانشگاه تبريز به مساحت تقريبي 2/4 هكتار مي باشد. تراكم نمونه‌برداري از جمله مواردي است كه نه تنها بر دقت مطالعات بلكه بركارايي نقشه نيز تاثير مي گذارد. بدين‌منظور دو نوع تراكم نمونه برداري زياد و كم به‌ترتيب شامل شبكه‌بندي با فواصل 25 متري و 50 متري طراحي و تعداد 106 نمونه خاك سطحي تهيه و مقادير شوري آن‌ها پس از انتقال به آزمايشگاه اندازه‌گيري شد. تجزيه هاي آماري، مقايسه ميانگين، آزمون F و t-test با استفاده از نرم‌افزار MSTATC انجام گرفت. همچنين نرم‌افزار GS+ براي تجزيه هاي زمين‌آماري به‌كار برده شد. اعتبارسنجي مدل‌ها به دو روش جك‌نايف و ارزيابي مستقيم داده‌ها صورت گرفت تا دقت نقشه‌ها مورد آزمون قرار گيرد. از تلفيق نتايج روش زمين‌آماري كريجينگ و GIS براي تهيه نقشه‌هاي شوري خاك استفاده شده است. كارايي نقشه از چهار جنبه مقياس و بافت نقشه، راهنماي نقشه، كيفيت نقشه مبنا و صحت مكاني نقشه روي زمين مورد ارزيابي قرار مي‌گيرد و به‌طور كلي با شاخص هاي مختلفي مانند حداقل محدوده قابل ترسيم، حداكثر كاهش و عدد مقياس موثر نقشه قابل تفسير مي باشد. بنابراين در اين پژوهش نيز شاخص‌هاي فوق براي هر دو نقشه شوري خاك حاصل از تاثير تراكم نمونه‌برداري تعيين شدند. يافته‌ها: نتايج نشان داد كه نقشه حاصل از نمونه برداري با تراكم كم‌تر در مقايسه با تراكم بيش‌تر به حالت ايده‌آل نزديك‌تر مي‌باشد. همچنين علي‌رغم وجود اختلاف در تعداد پلي گون هاي ايجاد شده در هر دو نقشه شوري خاك، مقايسات آماري نشان داد كه اختلاف مشاهده شده در سطح احتمال 1% معني دار نيست. نتيجه‌گيري: در نهايت مي توان گزارش نمود كه كاهش دو برابري تعداد نمونه ها علاوه بر اين‌كه موجب افزايش تراكم ايده‌آل محدوده ها مي شود اثر چشمگيري در كاهش دقت نقشه شوري خاك نيز ندارد. بنابراين كاربرد تعداد نمونه‌هاي بيش‌تر در همه موارد اقتصادي نبوده و به‌منظور صرفه‌جويي در هزينه و زمان، مي‌توان استفاده از نقشه‌هايي با تراكم پايين‌تر را توصيه نمود.

Background and Objectives: Soil surveying and mapping emphasize in various aims at different soil science aspects for applicants. Paying attention for scale and reconciliation of estimated with real data should be considered in all studies related to remote sensing and soil spatial variability. Although estimating of spatial variability of various soil parameters and soil surveying were studied many times, unfortunately the map accuracy and efficiency were not assessed in many cases. Salinization is one of the most important problems in arid and semi-arid regions. Therefore, it is essential to be studied the spatial variability of soil salinity in east Azerbaijan province because of its climatic condition. As well as easy readily of salinity measuring, it was used to assess the map efficiency. Materials and Methods: This study was carried out in the part of Karkaj Agriculture Research Station belongs to the university of Tabriz in an area of about 4.2 ha. Sampling density is one of the parameters which influences not only on observation accuracy but also on map efficiency. Accordingly, two kinds of high and low sampling density including grids of 25 m and 50 m were designated, respectively. The numbers of 106 samples were taken at surface soil which its salinity was then measured in the laboratory. Statistical analysis, mean comparison, F-test and t-test performed by using MSTATC software.GS+ software was also used for geostatistical analysis. Two methods of Jacknife and direct evaluating were applied for validity of models in order to testing maps accuracy. Soil salinity maps created with integrating the kriging geostatistics procedure and GIS. The map efficiency is being evaluated using four aspects: (1) map scale and texture, (2) map legend, (3) base map quality and (4) ground truth, as well as may be interpreted by average size delineation, density of delineation, index of maximum reduction, effective scale number, maximum location accuracy and minimum legible delineation. Therefore, above indices were determined for two created maps according to sampling density. Results: The results revealed that the provided map at low sampling density is closed to the optimum condition compared with high sampling density. In despite of various number of polygons in both soil salinity maps, statistical analysis showed that there are no significant differences (P < 1%). Conclusions: It can be finally reported that reducing the number of soil samples may not decrease the optimum density of delineations nor has distinct impact on soil salinity map. Thus, to exploit more number of samples is not economic in all cases. On the other hand, using low density maps can be recommended to save money and time.