مقايسه روش هاي زمين آمار در تهيه نقشه پراكنش مكاني برخي عناصر غذايي در شرق استان مازندران

Comparison of Geostatistical Methods for Mapping the Spatial Distribution of Some Nnutrients in the East of Mazandaran Province

اساس توسعه كشاورزي دقيق آگاهي از ويژگي هاي‌ خاك در هر نقطه و اعمال مديريت ويژه مي باشد. بنابراين، آگاهي از ساختار وابستگي مكاني ويژگي هاي مختلف خاك در مزارع براي دستيابي به توليد بيشتر و مديريت بهتر حايز اهميت مي-باشد. زمين آمار يكي از روش‌هايي است كه امروزه براي بررسي وضعيت پارامترهاي خاك به كار مي‌رود. در اين تحقيق 188 نمونه خاك سطحي از شرق استان مازندران جمع‌آوري و متغيرهاي كربن آلي (OC)، فسفر (P)، پتاسيم (K)، آهن (Fe)، منگنز (Mn) و مس (Cu) اندازه‌گيري گرديد. همبستگي مكاني هر متغير با نيم تغييرنما مشخص و بهترين مدل برازش داده شده براي هر متغير انتخاب شد. بهترين مدل‌هاي برازش داده شده بر نيم تغييرنما براي متغيرهاي OC، P، K، Fe، Mn، Cu، به‌ترتيب گوسي، گوسي، گوسي، نمايي، گوسي و كروي بودند. همچنين دامنه موثر براي همين متغيرها به ترتيب 58، 26، 58، 5، 58 و 3 كيلومتر به دست آمد. با استفاده از روش‌هاي درون‌يابي،كريجينگ معمولي، وزن دهي عكس فاصله (IDW) و اسپلاين (RBF) با استفاده از نرم افزار ArcGIS درون يابي انجام و ميزان دقت نقشه پراكنش اين متغيرها به كمك معيارهاي آماري دقت (MAE)، انحراف (MBE) و ريشه ميانگين مربعات خطا (RMSE) محاسبه گرديد. نتايج نشان داد براي متغيرهاي OC،P، K، Fe، Mn، Cu، به‌ترتيب OK،OK ،OK ، RBF، IDW، OK به عنوان بهترين روش‌هاي درون‌يابي شناخته شدند. همان طور كه مشاهده مي‌گردد براي اكثر متغيرها روش OK در مقايسه با دو روش ديگر، روش بهتري در تخمين متغيرها در نقاط نمونه‌برداري نشده بود.

Determining the variability of soil parameters is a necessity for precision agriculture. To achieve higher yield with better management, knowledge of physico-chemical properties of soil in the fields is essential. Geostatistics is one of the methods developed for investigating the spatial variability of soil properties. For this purpose, 188 soil samples were taken from the Eastern farms of Mazandaran province in 2009. Soil samples were analyzed and the amounts of organic carbon (OC), P, K, Fe, Mn, and Cu were determined. The spatial correlation of variables and the best fitted model were determined by variogram. Analysis indicated that OC, K, P, and Mn were best fitted to Gaussian model. Also, Fe and Cu were best fitted to exponential and spherical models, respectively. The effective ranges of these parameters were 58, 26, 58, 5, 58, and 3 km, respectively. In order to determine the distribution map, Kriging, Inverse Distance Weighted (IDW) and Splines (RBF) methods were used. The precision of interpolations were calculated using mean base error (MBE), mean absolute error (MAE), and root mean square error (RMSE).The results showed that kriging method had a higher accuracy compared to IDW and RBF. Kriging was the best method to estimate OC, P, K, and Cu because it had the highest precision and lowest error. IDW and RBF had the highest precision for estimation of Mn and Fe, respectively, in this area.