@article { author = {Lotfollahi, Leila and Delavar, Mohammad Amir and Jamshidi, Mohammad}, title = {Introduction of different sampling methods in digital soil mapping studies}, journal = {Applied Soil Research}, volume = {8}, number = {3}, pages = {202-219}, year = {2020}, publisher = {Urmia University}, issn = {2423-7116}, eissn = {}, doi = {}, abstract = {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.}, keywords = {Classical Sampling,Statistical Sampling,Geometric Sampling}, title_fa = {معرفی روش‎های مختلف نمونه‎برداری در مطالعات نقشه‎برداری رقومی خاک}, abstract_fa = {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 میان­یابی مکانی مؤثری 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 می­کند. 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.}, keywords_fa = {نمونه‎برداری کلاسیک,نمونه‎برداری آماری,نمونه‎برداری هندسی}, url = {https://asr.urmia.ac.ir/article_120971.html}, eprint = {https://asr.urmia.ac.ir/article_120971_cb0cf7d97d944c0bac50a2a89aea0544.pdf} }