Subsurface Clay Prediction in an Arid Area

  • سال انتشار: 1389
  • محل انتشار: دوفصلنامه مزرعه تغذیه دام و فیزیولوژی، دوره: 6، شماره: 1
  • کد COI اختصاصی: JR_FANP-6-1_007
  • زبان مقاله: انگلیسی
  • تعداد مشاهده: 463
دانلود فایل این مقاله

نویسندگان

Norair Toomanan

Soil and Water Research Institute, Isfahan Agricultural Research Center, Amir Hamzeh, Isfahan, Iran

Ahmad Jalalian

Department of Soil Science, College of Agriculture, Isfahan University of Technology, 84154 Isfahan, Iran

Hossein Khademi

Department of Soil Science, College of Agriculture, Isfahan University of Technology, 84154 Isfahan, Iran

Jahangard Mohammadi

Department of Soil Science, College of Agriculture, Shar eKord University, Shahr e Kord. Iran

چکیده

This paper attempts to estimate and map the clay content of soil Substrata by using some innovativeinferences in UK system. Therefore, robustness is inferred in trend analysis and variography of UKsystem. The variogram parameters are estimated also by maximum likelihood (ML) and restrictedmaximum likelihood (REML) methods to reduce the probability of biasness of robust variography. Arestriction is added to UK system not to predict outside the physical range. Interpolating the clayamount (%) in second soil layer was carried out on transformed (arc sin (y1/2)) data. The landform mapwas the only remaining fixed effect in the regression model with R2 = 58. The x-validation analysisproved that using RE(ML) methods to estimate the covariance parameters gives more realistic resultsand avoid the bias existing in robust methods of parameter estimation. Due to non-linearity of backtransformation formula of kriging variance, instead of calculating the standard error image the lowerand upper confidence interval boundaries of predicted variance was calculated for a 0.975 probability.

کلیدواژه ها

DSM applications, Robust regression, Robust variography, ML and REML parameterestimation, Universal Kriging

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.