نقشه برداری دیجیتالی (رقومی) خاک DSN :از صفر تا صد

نقشه برداری دیجیتال خاک

چکیده :

نقشه برداری دیجیتال خاک (DSM) یک زیررشته موفق در علم خاک با خروجی تحقیقاتی فعال است. موفقیت نقشه برداری دیجیتالی خاک ، تلاقی عوامل متعددی در آغاز سال 2000 از جمله افزایش دسترسی به داده های مکانی (مدل ارتفاعی دیجیتال، تصاویر ماهواره ای)، در دسترس بودن قدرت محاسباتی برای پردازش داده ها، توسعه ابزارهای داده کاوی و GIS و کاربردهای متعدد فراتر از زمین آمار. علاوه بر این، افزایش تقاضای جهانی برای داده‌های مکانی از جمله ارزیابی عدم قطعیت، و جوان‌سازی بسیاری از مراکز تحقیقاتی خاک و دانشگاه‌ها وجود داشت که به گسترش فناوری‌ها و دانش نقشه‌برداری دیجیتالی خاک کمک کرد. چارچوب نظری برای نقشه برداری دیجیتالی خاک در مقاله ای در سال 2003 در ژئودرما رسمیت یافت . در این مقاله، ما نقشه‌برداری دیجیتالی خاک را تعریف می‌کنیم، تاریخچه مختصری از آن را ترسیم می‌کنیم و دروسی را مورد بحث قرار می‌دهیم. نقشه رقومی خاک به سه جزء نیاز دارد: ورودی در قالب روش‌های مشاهده‌ای صحرایی و آزمایشگاهی، فرآیند مورد استفاده از نظر سیستم‌های استنتاج فضایی و غیرمکانی خاک، و خروجی در قالب سیستم‌های اطلاعات فضایی خاک، که شامل خروجی‌های رستری پیش بینی همراه با عدم قطعیت پیش بینی. ما همچنین تاریخ را با تعدادی از کاغذهای زیبایی خواب نشان می دهیم که خیلی زودرس به نظر می رسند و در نتیجه ایده ها توسط معاصران گرفته نشده و تا حد زیادی فراموش شده اند. 30 تا 40 سال دیگر طول کشید  تا ایده ها دوباره کشف شدند و سپس شکوفا شدند. به عنوان مثال می توان به سنجش نزدیکی خاک که در دهه 1920 توسعه یافت، طیف سنجی خاک در دهه 1970 و نقشه برداری خاک بر اساس شباهت عوامل محیطی در سال 1979 اشاره کرد. ما آموختیم که تحقیقات و ایده‌هایی که خیلی زودرس هستند تا حد زیادی نادیده گرفته می‌شوند – چنین کاری مستلزم (دوباره) کشف است.

مقدمه :

مقدمه

نقشه برداری دیجیتال خاک (DSM) به یک زیرشاخه موفق در علم خاک تبدیل شده است. در حال حاضر، تعداد مقالات در مورد DSM با نرخ 12 مقاله در سال افزایش می یابد، و تعداد استنادها 384 استناد در سال افزایش می یابد . استفاده از مدل های کامپیوتری یا عددی برای نقشه برداری خاک جدید نیست و از دهه 1990 تحقیقاتی در مورد روش های ایجاد نقشه های خاک دیجیتال انجام شده است (به عنوان مثال Skidmore et al., 1991, Bell et al., 1992, Odeh et al., 1992 a. ، مک کنزی و آستین، 1993، مور و همکاران، 1993). مک براتنی و همکاران (2003) وجوه مشترک آنها را یادداشت کردند و یک چارچوب کلی به نام اسکورپان پیشنهاد کردند-SSPFe (عملکرد پیش بینی فضایی خاک با خطاهای همبسته مکانی) به عنوان روشی برای تولید نقشه های خاک دیجیتال. اصطلاح نقشه‌های دیجیتالی خاک از اوایل مورد استفاده قرار می‌گرفت، برای مثال راجر تاملینسون، پدر GIS (تاملینسون، 1978) نقشه‌های چندضلعی دیجیتالی را به عنوان نقشه‌های خاک دیجیتال نامید. به طور مشابه، بلیس و ریبولد (1989) و بلیس و همکاران. (1995) نقشه های چند ضلعی STATSGO را به “نقشه های خاک دیجیتال” تبدیل کرد. دوبوس و همکاران (2002) از اصطلاح “نقشه برداری خاک دیجیتال” به عنوان راهی برای ادغام نقشه های خاک با تصاویر DEM و ماهواره ای استفاده کرد.

هدف این مقاله این است که مشخص کند که چه چیزی نقشه‌برداری دیجیتالی خاک را به دنبال چارچوب Scorpan -SSPFe تشکیل می‌دهد و چندین موضوع تحقیقاتی را که به توسعه نقشه‌برداری دیجیتالی خاک کمک می‌کنند، مرور می‌کند. ما یک تاریخچه مختصر را با استفاده از مثال‌هایی از چندین مطالعه نقشه‌برداری خاک پیشگام ترسیم می‌کنیم، برخی از مقالات «زیبای خفته» و کشف مجدد آنها را برجسته می‌کنیم و سپس در مورد درس‌هایی برای آینده بحث می‌کنیم.

از زمانی که مفهوم اسکورپن نقشه برداری دیجیتالی خاک معرفی شد و پس از یک سری کارگاه های جهانی، علاقه زیادی به این موضوع تحقیقاتی وجود داشته است. اولین کارگاه جهانی نقشه برداری دیجیتالی خاک در سپتامبر 2004 در مونپلیه برگزار شد. کارگروه IUSS در زمینه نقشه برداری دیجیتال خاک در پی اولین کارگاه تشکیل شد. کارگاه های جهانی متوالی در ریودوژانیرو، برزیل در سال 2006، لوگان، ایالات متحده آمریکا در سال 2008، رم، ایتالیا در سال 2010، سیدنی، استرالیا در سال 2012 و در نانجینگ، چین در سال 2014 برگزار شد. همکاران، 2006، هارتمینک و همکاران، 2008، بوتینگر، 2010، میناسنی و همکاران، 2012). پس از دومین کارگاه جهانی در سال 2006، پروژه GlobalSoilMap آغاز شد (Arrouays et al., 2014, Hempel et al., 2014).

این مقاله سعی نمی کند تاریخچه ای از نقشه برداری خاک ارائه دهد، که در بررسی های بسیاری پوشش داده شده است (Yaalon, 1989, Brown, 2006, Legros, 2006, Hartemink et al., 2013, Miller and Schaetzl, 2014). همچنین تاریخچه تحقیقات پدومتریک را مورد بحث قرار نخواهد داد (وبستر، 1994). Bui (2006) مروری بر توسعه نقشه‌برداری دیجیتالی خاک در استرالیا تا سال 2004 ارائه کرد. (2011) برخی از کارها را در مورد نقشه برداری دیجیتالی خاک در مقیاس قاره بررسی کرد.

ساختار این مقاله به شرح زیر است: ابتدا به تعریف نقشه های دیجیتال خاک (بخش 2) خواهیم پرداخت. سپس چندین مفهوم کلیدی را که منجر به توسعه نقشه دیجیتالی خاک می شود، مرور خواهیم کرد (شکل 2). ما اینها را با چند مقاله زیبایی خواب نشان خواهیم داد. زیبایی خفته در انتشارات علمی به نشریه ای اطلاق می شود که اهمیت آن برای مدت طولانی مورد توجه قرار نمی گیرد و سپس به طور ناگهانی توجه یا استنادات زیادی را به خود جلب می کند (ون راان، 2004، که و همکاران، 2015). بخش 3 برخی از زیبایی های خفته را در سنجش از دور و پروگزیمال خاک مورد بحث قرار می دهد. بخش 4 مفاهیم کلیدی در مورد مدل های فاکتوریل، شباهت محیطی، کارتوگرافی دیجیتال، پدومتریک و همبستگی محیطی را بررسی می کند. در نهایت در مورد تلاقی عوامل مختلفی که منجر به توسعه نقشه دیجیتال خاک شد بحث می کنیم و بحث می کنیم که به کجا می رود.

خاک ضروری ترین عنصر یک اکوسیستم است و وظایف مهم زیادی از جمله تولید زیست توده و غذا، ترسیب کربن، حفظ تنوع زیستی خاک، فیلتر کردن آب و سایر جنبه های اجتماعی و فرهنگی را انجام می دهد. نقشه های خاک می توانند توابع خاک را به تصویر بکشند و توصیف کنند، از آنها می توان برای توصیف قابلیت های عملکردی خاک مانند توانایی نگهداری آب، مواد مغذی، کربن و غیره استفاده کرد  . نقشه برداری از توابع خاک زمانی که نوع خاک یک منطقه را بدانیم می تواند به طور موثر انجام شود. همراه با اطلاعات محیطی، استنتاج از طریق توابع انتقالی، DSM می تواند برای ارزیابی قابلیت های خاص طبقات خاک استفاده شود . نقشه خاک حاصل باید حاوی اطلاعاتی باشد که ویژگی های زمین و کیفیت زمین را توصیف می کند، که می تواند برای توسعه مدیریت زمین و حفاظت از خاک نسبت به کاربری زمین مورد استفاده قرار گیرد.
به طور معمول، پیوستار خاک در چند مرحله ترسیم می شود. اولین مورد نیاز به جمع آوری اطلاعات خاک از یک بررسی میدانی دارد. مشاهدات مورفولوژیکی مبتنی بر میدان، همراه با اندازه‌گیری و تجزیه و تحلیل آزمایشگاهی، سپس توسط پدولوژیست‌ها به گونه‌های خاک از قبل موجود تفسیر می‌شوند. این اطلاعات با استفاده از یک سیستم طبقه بندی خاک محلی یا جهانی طبقه بندی می شوند. سپس خاک طبقه‌بندی شده با استفاده از عکس‌های هوا در نقشه‌های choropleth درونیابی می‌شود. که نشان دهنده مناطق پیوسته است که منعکس کننده رابطه خاک-چشم انداز است و حاوی اطلاعات خاک است که ممکن است برای مدیریت زمین کشاورزی و پتانسیل استفاده از زمین مفید باشد. با این حال، این رویکرد به تجربه پدولوژیست برای تخصیص صحیح مشخصات و سپس درونیابی در یک نقشه choropleth متکی است.. بنابراین توسعه یک آنالوگ صریح از نقشه برداری معمولی خاک از اهمیت زیادی برخوردار است .
نقشه برداری دیجیتالی خاک (DSM) پتانسیل زیادی در غلبه بر برخی از ناهماهنگی های نقشه برداری خاک معمولی نشان می دهد . این به این دلیل است که DSM می‌تواند مشاهدات مورفولوژیکی مبتنی بر میدان، اندازه‌گیری‌های آزمایشگاهی یا خاک طبقه‌بندی شده را با منابع مختلف غنی از داده‌های محیطی جغرافیایی مبتنی بر شبکه که فاکتورهای SCORPAN را نشان می‌دهند، ادغام کند . این با استفاده از ایجاد نقشه‌های خاک مبتنی بر پیکسل توسط مدل‌های ریاضی یا آماری که متغیرهای کمکی محیطی را با هر گونه اطلاعات خاک مرتبط می‌کند، فعال می‌شود. توابع خاک فضایی را می توان با برازش یک مدل با استفاده از روش های زمین آماری و/یا آماری که از توابع پیش بینی فضایی خاک برای پیش بینی اطلاعات خاک در مکان های نمونه برداری نشده استفاده می شود، کمی سازی کرد  .
طبقات خاک توسط چندین نوع گسترده از روش های آماری و داده کاوی از طریق DSM پیش بینی شده است. این شامل رگرسیون لجستیک (LR) ، جنگل‌های تصادفی (RF) ، درختان طبقه‌بندی (CT)، ماشین‌های بردار پشتیبانی (SVM) و شبکه‌های عصبی مصنوعی (ANN)  است. . روش معمول تحقیق ارزیابی چندین مدل و انتخاب بهترین مدل است . با این حال، انتخاب یک طبقه بندی کننده مناسب به طور بالقوه مشکل ساز است . به این دلیل است که هر طبقه‌بندی‌کننده مزایا و معایب خاص خود را در یک موقعیت خاص دارد، بنابراین یک طبقه‌بندی‌کننده ممکن است در یک موقعیت خاص دقت بیشتری نسبت به سایر طبقه‌بندی‌کننده‌ها داشته باشد و بالعکس  مجموعه چندین مدل آموزش دیده جایگزینی است که به ترکیب دانش و اطلاعات به دست آمده از طبقه بندی کننده های مختلف کمک می کند که منجر به دقت بیشتر طبقه بندی می شود . علاوه بر این، مدل‌های مجموعه به طور بالقوه منجر به پیش‌بینی‌های بهتر و پایدارتر و همچنین کاهش خطر انتخاب طبقه‌بندی‌کننده‌های اشتباه می‌شوند .
علاقه فزاینده ای به DSM برای استفاده از همه مدل ها از طریق مدل سازی گروهی وجود دارد . ایده انگیزشی این است که مدل‌های رقیب مختلف اما مرتبط را می‌توان ترکیب کرد و در نتیجه کیفیت وظایف شناسایی و طبقه‌بندی را با یکپارچه‌سازی دانش کسب‌شده افزایش داد . روش‌های مجموعه در DSM ویژگی‌های پیوسته خاک بررسی شده‌اند. این شامل، اما محدود به pH خاک، بافت خاک و ظرفیت آب در دسترس خاک نیست . این مطالعات نتایج مدل فردی را به یک نتیجه واحد ترکیب کردند که حداقل به خوبی هر یک از نتایج منفرد است . به عنوان مثال، مالون و همکاران.  روش میانگین گیری گرنجر-راماناتان را برای DSM pH در کوئینزلند مرکزی (استرالیا) توصیه کرد. این تکنیک بیشتر توسط جکسون به منظور پیش‌بینی و نقشه‌برداری بافت خاک در فرانسه آزمایش شد. تا آنجا که می دانیم، هنوز هیچ مطالعه مدل سازی مجموعه ای در مورد DSM برای پیش بینی کلاس خاک وجود ندارد ..
اطلاعات خاک، که عمدتاً از نقشه‌های خاک میراثی در ایران به دست می‌آید، برای مدل‌سازی دقیق فضایی کاربرد محدودی دارد . اگرچه استفاده از مدل‌های پیش‌بینی‌کننده برای نقشه‌برداری گونه‌های خاک هنوز در مراحل اولیه در ایران است، اما این رویکرد در مناطق خشک کاربردهای بالقوه‌ای دارد. اهداف اصلی این مطالعه عبارت بودند از:
(I)مقایسه عملکرد مدل‌های مختلف، از جمله ANN، MnLR، SVM، BN، DT، SMnLR و RF برای پیش‌بینی فضایی طبقات طبقه‌بندی خاک USDA،
(II)ارزیابی توانایی مدل مجموعه ای با هدف ارائه مدلی فردی و دقیق تر برای پیش بینی طبقات طبقه بندی خاک و
(iii)تحلیل حساسیت پیش‌بینی درست و نادرست گونه‌های کلاس خاک را در سطح زیرگروه برای مدل‌های فردی و مدل مجموعه ارزیابی کنید.

نقشه دیجیتال خاک چیست؟

نقشه خاک یک نمایش گرافیکی برای انتقال اطلاعات در مورد توزیع فضایی ویژگی های خاک است (Yaalon، 1989). اولین نقشه های خاک در اواسط قرن هجدهم برای اهداف کشاورزی تولید شد. این نقشه های خاک صرفاً برای ترسیم مناطق همگن با ویژگی های ذاتی خاک مفید در تعیین کاربری مناسب و نه برای طبقه بندی خاک ساخته شده اند. یک رویکرد رسمی‌تر نقشه‌برداری خاک بعداً از زمین‌شناسان کشاورزی استخراج شد، که در آن نقشه‌های زمین‌شناسی و

“ایجاد و جمعیت یک پایگاه داده خاک با مرجع جغرافیایی که با وضوح مشخص با استفاده از روش‌های مشاهده میدانی و آزمایشگاهی همراه با داده‌های محیطی از طریق روابط کمی ایجاد شده است.” – کارگروه بین المللی نقشه برداری خاک دیجیتال (WG-DSM)

“تهیه نقشه طبقه یا دارایی خاک با استفاده از نرم افزار GIS و/یا سنجش از دور” – جوی زاده

نقشه برداری دیجیتالی خاک (DSM) نشان دهنده “ایجاد و جمعیت سیستم های اطلاعات فضایی خاک با استفاده از روش های مشاهده ای میدانی و آزمایشگاهی همراه با سیستم های استنتاج فضایی و غیر فضایی خاک” است (Digital Soil Mapping: An Introductory Perspective 2007. ویرایش شده توسط P Lagacherie, AB McBratney & M. Voltz, 2007 Elsevier 600 pages ISBN 0-444-52958-6). علم خاک، علم اطلاعات جغرافیایی، روش های کمی (آمار و زمین آمار) و نقشه برداری در چارچوب DSM ترکیب شده اند. روش‌های DSM برای تخمین توزیع فضایی طبقات خاک (مثلاً سری خاک) و/یا ویژگی‌های خاک (مثلاً ماده آلی خاک) استفاده می‌شوند و می‌توانند در مقیاس‌های مختلف (از مزارع منفرد تا کشورها) به کار گرفته شوند و ارزش آنها ثابت شده است. برای تهیه نقشه های کمی، دقیق تر و دقیق تر خاک.

نقشه برداری خاک دیجیتال چیست و چگونه با نقشه برداری معمولی خاک مقایسه می شود؟

[براساس گزیده‌هایی از فصل نقشه‌برداری دیجیتالی خاک در کتابچه راهنمای بررسی خاک (2017) و «گزینه‌هایی برای برقراری ارتباط دانش خاک» (خبرنامه NCSS شماره 78، فوریه 2017)]

استفاده از تکنیک‌های زمین‌فضایی برای نقشه‌برداری از خاک‌ها به طور گسترده با اصطلاح «نقشه‌نگاری خاک دیجیتال» (DSM) پوشش داده می‌شود. نقشه برداری دیجیتالی خاک به عنوان ایجاد پایگاه های اطلاعاتی خاک با مرجع جغرافیایی بر اساس روابط کمی بین داده های محیطی صریح فضایی و اندازه گیری های انجام شده در مزرعه و آزمایشگاه تعریف می شود (مک براتنی و همکاران، 2003). استفاده از تکنیک های نقشه برداری دیجیتالی خاک با استفاده از آخرین ابزارها برای کمک به فرآیند نقشه برداری توسط دانشمندان علوم خاک پیشرفت کرده است. فرآیند استنتاج در مورد یک بخش منظر (به عنوان مثال، یک واحد نقشه خاک) از چند مشاهدات مبتنی بر نقطه با استفاده از عوامل سازنده خاک، “مدل سازی” است. خواه نقشه خاک با استفاده از هیچ چیزی به جز سطل پیچ و عکس هوایی و یا با استفاده از نرم افزارهای مکانی تولید شود، این فرآیند یک عملیات مدل سازی است.

نقشه دیجیتال خاک یک نقشه مبتنی بر شطرنجی است که از سلول‌های دوبعدی (پیکسل) تشکیل شده است که در شبکه‌ای سازماندهی شده‌اند که در آن هر پیکسل موقعیت جغرافیایی خاصی دارد و حاوی داده‌های خاک است. نقشه های دیجیتالی خاک توزیع فضایی طبقات یا ویژگی های خاک را نشان می دهد و می تواند عدم قطعیت پیش بینی خاک را مستند کند. نقشه برداری دیجیتالی خاک، تنوع فضایی مشاهده شده را بهتر به تصویر می کشد و نیاز به تجمیع انواع خاک بر اساس مقیاس نقشه برداری مجموعه ای را کاهش می دهد (ژو و همکاران، 2001). از نقشه برداری دیجیتالی خاک می توان برای ایجاد نقشه های بررسی اولیه خاک، تکمیل پروژه های به روز رسانی MLRA و تولید تفاسیر خاک استفاده کرد. این می تواند موجودی سریع، موجودی مجدد و مدیریت پروژه محور زمین ها را در یک محیط متغیر تسهیل کند.

در دسترس بودن و دسترسی به سیستم‌های اطلاعات جغرافیایی (GIS)، سیستم‌های موقعیت‌یابی جهانی (GPS)، داده‌های طیفی سنجش از راه دور، داده‌های توپوگرافی مشتق‌شده از مدل‌های رقومی ارتفاع (DEMs)، مدل‌های پیش‌بینی یا استنتاج، و نرم‌افزار برای تجزیه و تحلیل داده‌ها، علم را تا حد زیادی ارتقا داده‌اند. و هنر خاک سنجی نقشه‌برداری معمولی خاک اکنون مشاهدات نقطه‌ای در میدان را شامل می‌شود که با GPS و مدل‌های دیجیتال ارتفاعی که در یک GIS تجسم شده‌اند، ارجاع جغرافیایی دارند. با این حال، تمایز مهم بین نقشه‌برداری دیجیتالی خاک و نقشه‌برداری معمولی خاک این است که نقشه‌برداری دیجیتالی خاک از مدل‌های استنتاج کمی برای تولید پیش‌بینی‌های کلاس‌های خاک یا ویژگی‌های خاک در یک پایگاه داده جغرافیایی (رستر) استفاده می‌کند. مدل های مبتنی بر داده کاوی، تجزیه و تحلیل آماری،

مقدار قابل توجهی از داده‌های مورد استفاده در نقشه‌برداری دیجیتالی خاک را می‌توان در قالب دیجیتال در یک GIS بایگانی کرد، بنابراین دانش تخصصی مورد استفاده برای پیش‌بینی توزیع خاک در منظر حفظ می‌شود. طرح‌های نمونه‌برداری عینی را می‌توان برای ثبت آماری تنوع چشم‌انداز، که توسط متغیرهای کمکی محیطی دیجیتال (داده‌های محیطی نشان‌دهنده عوامل تشکیل‌دهنده خاک) نشان داده می‌شود، اجرا کرد. هیجان‌انگیزترین جنبه‌های نقشه‌برداری دیجیتالی خاک به توانایی به تصویر کشیدن بخش‌های کوچک‌تر از چشم‌انداز برای طبقات سنتی خاک، نمایش مداوم خواص فیزیکی و شیمیایی در ابعاد چندگانه و نسل مرتبط لایه‌های شطرنجی که عدم قطعیت‌های مربوطه را نشان می‌دهند مربوط می‌شود.

نقشه برداری دیجیتال خاک به طور خلاصه

 

  • نقشه برداری دیجیتالی خاک، تولید پایگاه های اطلاعاتی خاک با ارجاع جغرافیایی بر اساس روابط کمی بین داده های محیطی صریح فضایی و اندازه گیری های انجام شده در مزرعه و آزمایشگاه است (مک براتنی و همکاران، 2003).
  • نگاشت رقومی خاک، پیش‌بینی طبقات یا ویژگی‌های خاک از داده‌های نقطه‌ای با استفاده از یک الگوریتم آماری است.
  • نقشه دیجیتال خاک یک شطرنجی متشکل از سلول‌های دو بعدی (پیکسل) سازمان‌دهی شده در شبکه‌ای است که در آن هر پیکسل موقعیت جغرافیایی خاصی دارد و حاوی داده‌های خاک است.
  • در نقشه برداری مرسوم، سوال اصلی این است که “مرز بین دو خاک کجاست؟” و تمرکز روی آن مناطق حاشیه ای است (شکل سمت چپ زیر).
  • در نقشه برداری دیجیتالی خاک، مفهوم مرکزی به خوبی با تنوع بیان شده در سراسر چشم انداز تعریف می شود (شکل سمت راست زیر).
گرافیکی که تفاوت بین نقشه برداری معمولی و نقشه برداری دیجیتالی خاک را نشان می دهد.
  • نقشه های دیجیتالی خاک توزیع فضایی طبقات یا ویژگی های خاک را نشان می دهد و می تواند عدم قطعیت پیش بینی خاک را مستند کند.
  • نقشه برداری دیجیتالی خاک را می توان برای ایجاد نقشه های اولیه بررسی خاک، اصلاح یا به روز رسانی بررسی های خاک موجود، ایجاد تفاسیر خاص خاک، و ارزیابی خطر استفاده کرد (Carré et al., 2007).
  • این می تواند موجودی سریع، موجودی مجدد و مدیریت پروژه محور زمین ها را در یک محیط متغیر تسهیل کند.

 

نقشه برداری خاک دیجیتال NCSS

مرکز ملی بررسی خاک – واحد تحقیقات زمین فضایی، DSM را به عنوان یک منطقه مهم برای حمایت از فعالیت های بررسی خاک شناسایی کرده است. پروژه های تحقیقاتی DSM متعددی توسط GRU پشتیبانی شده است. طبقه بندی عددی (سلسله مراتبی و فازی)، درون یابی مکانی و زمانی (زمین آمار، موجک)، طراحی نمونه (مدل در مقابل طراحی مبتنی بر)، تجزیه و تحلیل آماری (تجسم، ترتیب، رگرسیون، و طبقه بندی)، تجزیه و تحلیل عدم قطعیت (انتشار خطا، ارزیابی دقت) و ترکیب داده‌های کمکی (تصاویر نزدیک و سنجش از دور، مدل‌سازی خاک-زمین) از جمله روش‌هایی هستند که برای تهیه نقشه‌های پیش‌بینی طبقات و ویژگی‌های خاک استفاده می‌شوند.

سنجش پروگزیمال خاک

در سال 1925، مدتها قبل از کامپیوترهای دیجیتال و حسگرهای الکترونیکی، برنارد کین و ویلیام هینز از ایستگاه آزمایشی روتهامستد در بریتانیا اولین حسگر مقاومت خاک در حال حرکت را طراحی و ساختند. آنها اندازه گیری ها و نقشه خاک با وضوح بالا را انجام دادند و با واقعیت و اهمیت تنوع فضایی خاک روبرو شدند (Keen and Haines, 1925, McBratney and Minasny, 2010). اولین اندازه گیری سنسور مقاومت خاک در حال حرکت در مزرعه ساورز (2.4  هکتار) انجام شد که یکنواخت دریافت کرده بود.

مدل های فاکتوریل تشکیل خاک

مدل فاکتوریل جنی از تشکیل خاک به صورت مفهومی در نقشه برداری معمولی استفاده می شود. از مدل کلروپت جنی به صورت کمی نیز استفاده می‌شود، که در آن «فرمول کلروپت جدا شد و توالی‌های فاکتور صریح ایمن شدند»، یعنی یک عامل متغیر است، در حالی که عوامل دیگر به شکل تابع‌های زمانی ثابت می‌مانند، توابع بالا به عنوان نمونه‌هایی از این دست محبوب ترین است، مانند کار (بوشنل، 1943) در مورد توزیع خاک بر اساس مفهوم catena. در واقع

افزایش قدرت کامپیوتر

توانایی مدل‌سازی و پردازش داده‌ها به صورت مکانی به قدرت محاسباتی قابل توجهی نیاز دارد. قانون مور مشاهده ای است که تعداد ترانزیستورها در یک مدار مجتمع متراکم تقریباً هر دو سال یکبار دو برابر می شود (مور، 1998)، که به این معنی است که قدرت پردازش ریزتراشه ها هر هجده ماه دو برابر می شود. اگرچه این قانون تجربی انتقادهای مختلفی را برانگیخته است، اما این پیش‌بینی به اندازه کافی دقیق و به خوبی ثابت شده است. زیرا نقشه برداری دیجیتال خاک وابسته به

نتیجه گیری

در نهایت از این تاریخچه مختصر درس هایی می گیریم:

•نقشه برداری دیجیتالی خاک از مرحله تحقیقاتی به استفاده عملیاتی تبدیل شده است.
•تلاقی موضوعات در حال ظهور و زمان بندی مناسب موفقیت یک پارادایم جدید را امکان پذیر می کند.
•تحقیقاتی که خیلی زودرس هستند ناشناخته و ناشناخته رها می شوند. بسیاری از زیبایی‌های خفته در نقشه‌برداری دیجیتالی خاک مورد توجه و ذکر نشده باقی ماندند.
•همانطور که در چندین مثال نشان داده شده است، چنین کاری مستلزم کشف مجدد است.
•محققانی که در جستجوی ایده های جدید هستند، شاید به طور متناقض، باید مطالعه کنند

7 نظرات

دیدگاهتان را بنویسید