معرفی روش‎های مختلف نمونه‎برداری در مطالعات نقشه‎برداری رقومی خاک

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 میان یابی مکانی موثری 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 می کند. 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.

Introduction of different sampling methods in digital soil mapping studies

There are innumerable challenges for digital soil mapping in the world full of change. One of these challenges is the sampling method which plays an important role in providing appropriate information for digital soil mapping and increasing its efficiency. Sampling method efficiency, with considering the number of samples, space changes, and cost, is a way to identify a set of scattered sampling locations in geographical space that have good location coverage of features. A good space coverage of features ensures accurate estimation of regression parameters and it makes effective spatial interpolation. In soil evaluation, the number of samples collected is limited by time and cost. Also, lack of roads, dense vegetation, and rugged terrain are caused more restrictions when visiting the area. These deficiencies lead to the use of stronger sampling methods. Methods that can provide a good description of space changes of soil and its features to reduce the number of samples, time, and cost are needed. So that it supports the final quality of the maps. Here are checked several methods of statistical sampling and geometric that optimize the geometric sampling pattern in geographical space. The strengths and weaknesses these methods considering spatial coverage, simplicity, accuracy, and efficiency briefly expressed. The results showed in terms of accuracy and efficiency; classified random sampling has the highest accuracy and has been widely used. In terms of spatial coverage; spatial coverage sampling is the best method. Due to the simplicity in the design and implementation stages; Simple random sampling, network sampling, and spatial sampling are the simplest sampling methods. Among the sampling methods studied, the Latin conditional sampling method is the most common method. It is widely used and recommended, and stratified random sampling and spatial sampling are the most efficient methods that optimize the sampling pattern in geographical space.