دانشگاه شهید چمران

 آمار

تعداد نشریات30
تعداد شماره‌ها988
تعداد مقالات8,615
تعداد مشاهده مقاله9,233,661
تعداد دریافت فایل اصل مقاله7,403,163
خالقی, منصوره, جعفری, اعظم, فرپور, محمد هادی. (1397). نقشه برداری رقومی خاک به کمک اطلاعات میراثی: پژوهش موردی منطقه فاریاب کرمان. سامانه نشریات, 41(4), 31-48. doi: 10.22055/agen.2018.26477.1439
منصوره خالقی; اعظم جعفری; محمد هادی فرپور. "نقشه برداری رقومی خاک به کمک اطلاعات میراثی: پژوهش موردی منطقه فاریاب کرمان". سامانه نشریات, 41, 4, 1397, 31-48. doi: 10.22055/agen.2018.26477.1439
خالقی, منصوره, جعفری, اعظم, فرپور, محمد هادی. (1397). 'نقشه برداری رقومی خاک به کمک اطلاعات میراثی: پژوهش موردی منطقه فاریاب کرمان', سامانه نشریات, 41(4), pp. 31-48. doi: 10.22055/agen.2018.26477.1439
خالقی, منصوره, جعفری, اعظم, فرپور, محمد هادی. نقشه برداری رقومی خاک به کمک اطلاعات میراثی: پژوهش موردی منطقه فاریاب کرمان. سامانه نشریات, 1397; 41(4): 31-48. doi: 10.22055/agen.2018.26477.1439

نقشه برداری رقومی خاک به کمک اطلاعات میراثی: پژوهش موردی منطقه فاریاب کرمان

مهندسی زراعی
مقاله 3، دوره 41، شماره 4، اسفند 1397، صفحه 31-48    اصل مقاله (1.59 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22055/agen.2018.26477.1439
نویسندگان
منصوره خالقی1؛ اعظم جعفری* 2؛ محمد هادی فرپور3
1دانشجوی سابق کارشناسی ارشد گروه علوم خاک، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
2استادیار گروه علوم خاک، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
3استادگروه علوم خاک، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
چکیده
شناسایی رقومی خاک، برای استفاده مفید و مؤثر از خاک و تصمیم­گیری­های مدیریتی مهم است. این پژوهش با هدف تهیه نقشه رقومی گروه بزرگ خاک با روش رگرسیون لاجیستیک چند جمله­ای با استفاده از دو مجموعه از متغیر­های کمکی، شامل: مجموعه (1) متغیر­های مشتق شده از مدل رقومی ارتفاع، شاخص­های سنجش از دور، سطوح ژئومورفیک تفکیک شده و نقشه زمین­شناسی منطقه­ی مورد پژوهش، و مجموعه (۲) متغیر­های مشتق شده از مدل رقومی ارتفاع، شاخص­های سنجش از دور، سطوح ژئومورفیک تفکیک شده، نقشه زمین­شناسی و واحد­های خاک شناسایی شده (نقشه قدیمی خاک)، در بخشی از اراضی منطقه­ی فاریاب کرمان، طراحی شد. به­منظور دست­یابی به این هدف، نقشه ژئومورفولوژی بر مبنای توپوگرافی، مواد مادری و تفسیر تصاویر ماهواره­ای تهیه شد. از طرح نمونه­برداری لاتین هایپر­کیوب در منطقه مورد پژوهش به مساحت 14 هزار هکتار، برای تعیین نقاط نمونه­برداری استفاده شد و 70 خاکرخ حفر و تشریح شد. نتایج این پژوهش نشان داد شاخص موقعیت توپوگرافی، بیشترین تاثیر را در پیش­بینی گروه­های بزرگ خاک دارد. نتایج ارزیابی دقت مدل رگرسیون لاجیستیک چند جمله­ای، نشان داد که با به­کارگیری نقشه قدیمی خاک در مدل­سازی، شاخص­های اعتبار­سنجی مدل، از جمله خلوصنقشه و شاخص کاپا به ترتیب از 47/0 و 16/0 به 63/0 و 43/0 افزایش یافتند. به‌طور کلی نتایج نشان داد که دقت روش  نقشه­برداری رقومی با بکارگیری نقشه قدیمی خاک، می­تواند ارتقاء پیدا کند و کاربرد نقشه­های تولید شده را افزایش دهد؛ همچنین قابلیت استفاده از این نقشه­ها را برای شاخه­های علمی مختلف امکان­پذیر کند. 
کلیدواژه‌ها
رگرسیون لاجیستیک چند جمله‌ای؛ گروه بزرگ خاک؛ متغیر‌های کمکی؛ نقشه قدیمی خاک
مراجع
  1. Abaszadehafshar, F., Ayubi, Sh., and Jafari, A. 2016. Digital mapping of of soil classes using the old soil map in dry region of southeast Iran. Journal of Water and Soil, 21(1): 239. (in Persian with English abstract).
  2. Adhikari, K., Hartemink, A.E., Minasny, B., Bou Kheir, R., Greve, M.H., and Greve, M.B. 2014. Digital mapping of soil organic carbon contents and stocks in Denmark. PLoS ONE, 9:1-13.
  3. Bagheri Bodaghabadi, M., Martinez-Casasnovas, J.A., Salehi, M.H., Mohammadi, J., Esfandiarpoor Borujeni, I., Toomanian, N., and Gandomkar, A. 2015. Digital soil mapping using artificial neural networks and terrain-related attributes. Pedosphere, 25: 580-591.
  4. Barthold, F.K., Wiesmeier, M., Breuer, L., Frede, H.G., Wu, J., and Blank, F.B. 2013. Land use and climate control the spatial distribution of soil types in the grasslands of Inner Mongolia. Journal of Arid Environments, 88: 194–205.
  5. Behrens, T., Zhu, A.X., Schmidt, K., and Scholten, T. 2010. Multi-scale digital terrain analysis and feature selection for digital soil mapping. Geoderma, 155: 175-185.
  6. Bouyoucos, G.J. 1962. Hydrometer method improved for making particle size analysis of soils. Journal of Agronomy, 54: 464-465.
  7. Brungard, C.W., Boettinger, J.L., Duniway, M.C., Wills, S.A., and Edwards, T.C. 2015. Machine learning for predicting soil classes in three Semi- arid landscapes. Geoderma, 239-240: 68-83.
  8. Campling, P., Gobin, A., and Feyen, J. 2002. Logistic modeling to spatially predict the probability of soil drainage classes. Soil Science Society of America Journal, 66: 1390-1401.
  9. Debella-Gilo, M., and Etzelmuller, B. 2009. Spatial prediction of soil classes using digital terrain analysis and multinomial logistic regression modeling integrated in GIS: Examples from Vestfold County, Norway. Catena, 77: 8-18.
  10. Du, C., Linker, R., and Shaviv, A. 2008. Identification of agricultural mediterranean soils using mid-infrared photoacoustic spectroscopy. Geoderma, 143: 85–90.
  11. Geographic Organization of the Ministry of Defense and Armed Forces Support. 1382. Geographic Cultural Districts of Kerman Province, Jiroft County. Vol 5 Page 3.
  12. Hengl, T., Toomanian, N., Reuter, H., and Malakouti, M.J. 2007. Methods to interpolate soil categorical variables from profile observations: lessons from Iran. Geoderma, 140: 417-427.
  13. Jafari, A., Ayoubi, S., Khademi, H., Finke, P.A., and Toomanian, N. 2013. Selection of a taxonomic level for soil mapping using diversity and map purity indices: a case study from an Iranian arid region. Geomorphology, 201: 86-97.
  14. Jafari, A., Finke, P.A., Van de Wauw, J., Ayoubi, S., and Khademi, H. 2012. Spatial prediction of usda-great soil groups in the arid Zarand region, Iran: comparing logistic regression approaches to predict diagnostic horizons and soil types. European Journal of Soil Science, 63, 284–298.
  15. Kempen, B., Brus, D.J., Heuvelink, G.B.M., and Stoorvogel, J.J. 2009. Updating the 1:50,000 Dutch soil map using legacy soil data: a multinomial logistic regression approach. Geoderma, 151: 311–326.
  16. Klute, A. 1986. Water Retention: Laboratory Methods. p. 635-662. In: A. Klute ed. Methods of Soil Analysis: Part 1. Physical and mineralogical methods. ASA Monograph Number 9.
  17. Kolay, A.K. 2000. Basic concepts of soils science. 2nd Ed. New AGE International Publishers, 420 p.
  18. Landis, J.R., and Koch, G.G. 1977. The measurement of observer agreement for categorical data. Biometrics, 33:159–174.
  19. Lanyon, L.E., and Heald, W.R. 1982. Magnesium, Calcium, Strontium and Barium. P. 247-260. In: A.L., Page et al. Ed. Methods OF Soil Analysis, PART II. 2nd ed., Argon. Monogar. No: 9. ASA and SSSA. Madison, WI.
  20. Marchetti, A., Piccini, C., Santucci, S., Chiuchiarelli, I., and Francaviglia, R. 2011. Simulation of soil types in Teramo Province, Central Italy, with terrain parameters and remote sensing data. Catena, 85 (3): 267-273.
  21. McBratney, A.B., Mendonça-Santos, M.L., and Minasny, B. 2003. On digital soil mapping. Geoderma, 117: 3–52.
  22. McKenzie, N.J., Gessler, P.E., Ryan, P.J., and O’Connell, D. 2000. The role of terrain analysis in soil mapping. PP. 245–65. In: Wilson, J. and J. Gallant, Eds, Terrain Analysis: Principles and Applications. New York, John Wiley and Sons.
  23. Minasny, B., and McBratney, A.B. 2006. Mechanistic soil-landscape modeling as an approach to developing pedogenetic classifications. Geoderma, 133: 138-149.
  24. Minasny, B., and McBratney, A.B. 2007. Incorporating taxonomic distance in to spatial prediction and digital mapping of soil classes. Geoderma, 142: 285– 293.
  25. Moore, I.D., Grayson, R.B., and Ladson, A.R. 1991. Digital terrain modeling: Review of hydrological, geomorphological and biological applications. Hydrological Processes, 5: 3-30.
  26. Nelson, D.W., and Sommers, L.E. 1982. Total carbon, organic carbon and organic matter. Pp. 539-579. In: A. L. Page et al. ed. Methods of Soil Analysis: Part 2. Chemical and Microbiological Properties. ASA Monograph Number 9.
  27. Olaniyan, J.O., and Ogunkunle, A.O. 2007. An evaluation of the soil map of Nigeria: II. Purity of Mapping Unit. J. World Assoc. Soil Water Conservation Journal, 2: 97-108.
  28. Page, A.L., Miller, R.H., and Kenney, D.R. 1992. Methods of Soil Analysis. Part II. Chemical and Mineralogical Properties, 2nd. Edn. SSSA Pub, Madison, p 1159.
  29. Page, S.E., Wust, R.A.J., Wriss, D., Rieley, J.O., Shotyk, W., and Limin, S.H. 2004. A record of Late Pleistocene and Holocene Carbon Accumulation and Climate Change Forman Equatorial Peat bag (Kalimantion, Indonesia): Implication for Past, Present and Future Carbon Dynamics. Journal of Quaternary Science, 19 (17): 625-635.
  30. Pahlavanrad, M.R., Toomanian, N., Khormali, F., Brungard, C.W., Komaki, C.B., and Bogaert, P. 2014. Updating soil survey maps using random forest and conditioned latin hypercube sampling in the loess derived soils of northern Iran. Geoderma, 232–234: 97–106.
  31. Rhoades, J.D. 1982. Soluble salts. P. 167-179. In: A. L. Page et al. ed. Methods of Soil Analysis: Part 2: Chemical and Microbiological Properties Agronomy. Monograph Number 9 (Second Edition). ASA, Madison, WI.
  32. Salehi, M.H., and Khademi, H. 2008. Foundations of Soil Mapping. Isfahan University of Technology Press: 220. (in Persian).
  33. Scull, P., Franklin, J., Chadwick, O., and McArthur D. 2003. Predictive soil mapping: a review. Progress in Physical Geography, 27: 171-197.
  34. Soil Survey Staff. 2014. Soil Taxonomy: A basic systems of Soil Classification for making and interpreting soil surveys. Twelfth Edition. NRCS. USDA.
  35. Subburayalu, S.K., and Slater, B.K. 2013. Soil series mapping by knowledge discovery from an Ohio county soil map. Soil Science Society of America Journal, 77: 1254–1268.
  36. SWRI (soil and Water Research Institute). 1953. Projerct on the semi-ditailed Land classification survey of parts 1 and 2 of Karkheh area, Khuzestan, Iran. By HD Thomas, ML Dewan and DA Sparwasser. 10 pp.).
  37. Taghizadeh Mehrjardi, R. 2016. New Topics in Soil Science. Ardakan University Press (in Persian).
  38. Taghizadeh Mehrjardi, R., Minasny, B., McBratney, A.B., Triantafilis, J., Sarmadian, F., and N. Toomanian. 2012. Digital soil mapping of soil classes using decision trees in central Iran. Digital Soil Assessments and Beyond - Proceedings of the 5th Global Workshop on Digital Soil Mapping, 24, July, Sydney, Australia.
  39. U.S. Salinity Laboratory Staff. 1954. Alkaline-earth Carbonates by Gravimetric Loss of Carbon Dioxide. p. 105. In: L. A. Richards (ed.) Diagnosis and Improvement of Saline and Alkali Soils. USDA Agric. Handbook. 60. U.S.
  40. Vaysse, K., and Lagacherie, P. 2015. Evaluating digital soil mapping approaches for mapping global soil map soil properties from legacy data in Languedoc-Roussillon (France). Geoderma Regional, 4: 20–30.
  41. Zeraatpisheh, M., Ayoubi, S., Jafari, A., and Finke, P. 2017. Comparing the efficiency of digital and conventional soil mapping to predict soil types in a semi-arid region in Iran. Geomorphology, 285, 186-204.
Ziadat, F.M. 2007. Land suitability classification using different sources of information: Soil maps and predicted soil attributes in Jordan. Geoderma, 140: 73-80.

آمار
تعداد مشاهده مقاله: 930
تعداد دریافت فایل اصل مقاله: 592


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب