ارزیابی تغییرات مکانی برخی عناصر غذایی خاک با استفاده از روش‌های زمین‌آماری (مطالعه موردی: شهرستان چادگان، استان اصفهان)

ارزیابی تنوع مکانی و پهنه‌بندی ویژگی‌های مختلف خاک پیش‌نیاز مهمی برای کشاورزی دقیق است. این پژوهش با هدف بررسی تغییرات مکانی برخی عناصر غذایی قابل‌استفاده گیاه در خاک شامل ماده آلی، فسفر، پتاسیم، آهن، روی، مس و منگنز بر روی 84 نمونه خاک از اراضی مناطق مختلف شهرستان چادگان (استان اصفهان)، انجام شد. همبستگی مکانی هر متغیر با نیم‌تغییرنما مشخص و بهترین مدل برازش داده‌شده برای هر متغیر تهیه شد. روش‌های درون‌یابی با استفاده از روش‌های کریجینگ معمولی و روش وزن‌دهی عکس فاصله با توان‌های 1 تا 3 انجام شد و میزان دقت نقشه پراکنش این متغیرها با معیارهای آماری میانگین انحراف خطا و ریشه میانگین مربعات خطای استاندارد و ضریب تبیین محاسبه شد. نتایج تجزیه زمین‌آماری نشان داد که همه متغیرهای موردبررسی، از همبستگی مکانی متوسطی در سطح منطقه برخوردار هستند که نشان‌دهنده تاثیر عوامل مدیریتی مانند کوددهی، شخم، آبیاری و ... بر روی این متغیرها است. بهترین مدل ساختار مکانی برای متغیرهای ماده آلی، فسفر، پتاسیم و روی مدل نمایی و برای متغیرهای آهن، مس و منگنز کروی بود. بر اساس نتایج، برای متغیرهای فسفر، روی و منگنز روش وزن‌دهی عکس فاصله با توان 1 و برای سایر متغیرها روش کریجینگ معمولی  به‌ عنوان بهترین روش‌های درون‌یابی شناخته شدند. بر اساس نقشه‌های پهنه‌بندی، منطقه از نظر عناصر غذایی پتاسیم، مس و منگنز در حد کفایت بوده و در سایر موارد مصرف کود و مواد آلی برای افزایش حاصلخیزی خاک ضروری است.

spatial variability assessment of some soil nutrient elements using geostatistical methods (case study: chadegan, isfahan province)

evaluating the spatial variability of soil properties is an important prerequisite for precision agriculture. this research was conducted on 84 soil samples from different areas of chadegan city (isfahan province). with the aim of evaluating the spatial variability of some soil nutrient elements, including organic carbon, soil-available phosphorus, potassium, zinc, copper, manganese, and iron. the spatial correlation of each variable with a specific semi-variable and the best fitting model for each variable were selected. interpolation was done using normal kriging and inverse distance weighting with powers of 1 to 3 methods. the accuracy of the distribution maps of these variables was evaluated by the mean bias error (mbe) the standard root mean square error (nrmse), and the coefficient of determination (r2). the results showed that all studied properties had moderate spatial dependence, which shows the effect of management factors such as fertilization, plowing, irrigation, etc. on these variables. the exponential model was the most accurate to predict organic carbon, phosphorus, potassium and zink variables while iron, copper, and manganese were best fitted with an spherical model. for phosphorus, iron, and copper variables, the inverse distance weighting with the power of 1 (idw-1) and for organic carbon, potassium, zinc, and manganese normal kriging methods were recognized as the best interpolation methods. according to the spatial distribution maps, the studied area is sufficient in terms of potassium, copper and manganese nutrients, and in other cases, the use of fertilizers and organic materials is necessary to increase soil fertility.