معرفی روش‎های مختلف نمونه‎برداری در مطالعات نقشه‎برداری رقومی خاک

نویسندگان

1 گروه علوم و مهندسی خاک ، دانشکده کشاورزی دانشگاه زنجان

2 عضو هیئت علمی دانشگاه زنجان

3 بخش تشکیل و طبقه بندی خاک، موسسه تحقیقات خاک و آب ایران، کرج، ایران

doi
چکیده

برای جهان پر از دگرگونی‎، چالش‎های بی‎شماری در نقشه‎برداری رقومی خاک وجود دارد. یکی از این چالش‎ها، روش نمونه‎برداری است که نقش مهمی در فراهم آوردن اطلاعات مناسب برای نقشه‎برداری رقومی خاک و افزایش کارآیی آن ایفا می‎کند. روش نمونه‏برداری کارآمد، با در نظر گرفتن تعداد نمونه، تغییرات مکانی و هزینه، راهی برای شناسایی مجموعه‎ای از مکان‎های پراکنده‎ نمونه‎برداری در یک فضای جغرافیایی است که پوشش مکانی مناسبی از ویژگی‎ها را همراه داشته باشد. پوشش مکانی مناسب ویژگی‎ها برآورد دقیق پارامترهای رگرسیونی را پشتیبانی و موجب می‎شود تا میان­یابی مکانی مؤثری واقع شود. در ارزیابی خاک، شمار نمونه‎های جمع‎آوری‎شده، بیشتر با محدودیت‎های زمان و هزینه روبرو است. همچنین، کمبود جاده‎های دسترسی، پوشش گیاهی انبوه و زمین‎های ناهموار، در بازدید از مناطق خود باعث محدودیت‎های بیشتری می‎شوند. این کمبودها، انگیزه به‌کارگیری روش‎های نمونه‎برداری نیرومند‎تری را ایجاد می‎کند تا بتوان تغییرات مکانی خاک و ویژگی‎های آن را برای کاهش شمار نمونه، زمان و هزینه‎ مورد نیاز، به‎خوبی فراهم کند. به‌گونه‌ای که، کیفیت پایانی نقشه‎ها پشتیبانی شود. این مقاله برخی از مهم‌ترین روش‌های مختلف نمونه‌برداری‌های آماری و هندسی که الگوی نمونه‎برداری هندسی در یک فضای جغرافیایی را بهینه‎سازی می‎کند، بررسی و نقاط قوت و ضعف این روش‎ها را با توجه به پوشش مکانی، سادگی، دقت و کارآیی بیان می­کند. نتایج نشان داد که از نظر دقت و کارایی، نمونه‎برداری تصادفی طبقه‎بندی‎شده بالاترین دقت و صحت را داشته و به‎طور گسترده استفاده ‌شده است. نمونه‎برداری پوشش مکانی، از نظر پوشش مکانی بهترین روش است. نمونه‎برداری تصادفی ساده، نمونه‎برداری شبکه‎ای و نمونه‎برداری پوشش مکانی، از نظر ‌سادگی در مراحل طراحی و پیاده‌سازی، ساده‌ترین روش‎های نمونه‎برداری هستند. در میان روش‎های نمونه‎برداری مطالعه شده، روش نمونه‎برداری مکعب لاتین مشروط، رایج‎ترین روش استفاده و بسیار توصیه‌ شده است و نمونه‎برداری تصادفی طبقه‎بندی‎شده و نمونه‎برداری پوشش مکانی، به‎عنوان کارآمدترین روش‎هایی هستند که الگوی نمونه‎برداری را در فضای جغرافیایی بهینه‎سازی می‎کنند.