دانلود پایان نامه درباره تغییرات ساختاری و ساختار فضایی

خاک محیطی متخلخل و مرکب از ذراتی با کمیت و کیفیت متفاوت است، که در اثر هوادیدگی سنگ‌ها و کانی‌های مختلف به وجود آمده است. در فرایند تشکیل خاک، عوامل محیطی مختلف که در زمان و مکان متغیرند، دخالت می‌کنند. به همین دلیل بسیاری از ویژگیهای خاک دارای تغییرات مکانی و زمانی هستند. ویژگی‌های فیزیکی، شیمیایی و بیولوژیکی خاک از نقطه‌ای به نقطه‌ی دیگر متفاوت بوده و گاهی یک یا چند خصوصیت باهم و یا به تنهایی با تغییر عوامل محیطی تغییر می‌کنند. خصوصیات خاک هم در ابعاد افقی و هم عمودی تغییر می‌کند. این تغییرات حاصل عوامل خاک‌سازی است، که در مقیاس‌های مکانی و زمانی مؤثرند. تغییرات مکانی به این مفهوم است که خواص خاک در مکان های نزدیک به هم شباهت بیشتری دارند، تا مکان‌هایی که از هم فاصله بیشتری دارند. تغییرات مکانی خصوصیات خاک دو جزء ساختاری و غیرساختاری‌اند. تغییرپذیری مکانی ساختاری ناشی از تغییرات مشخص یا تدریجی در خصوصیات خاک بوده و می‌توان آن‌ها را در قالب عوامل و فرایندهای خاک‌سازی در مقیاس مشخصی از مشاهدات بیان کرد. از جمله این عوامل تفاوت در پستی و بلندی، سنگ شناسی، اقلیم، فعالیت موجودات زنده و سن خاک‌ها در مقیاس منطقه‌ای را می‌توان نام برد (علوی‌پناه، 1387).
تغییرات تصادفی (غیرساختاری) بر خلاف تغییرات ساختاری، اغلب در محدوده‌های کوچکتر جغرافیایی رخ داده و به همین دلیل آن‌ها را تغییرات کوتاه مدت نیز می‌نامند. افتراقی عمل کردن بسیاری از عوامل مانند لیتولوژی، شدت فرایند هوادیدگی و خاکسازی، فعالیت‌های بیولوژیکی و میکروبیولوژیکی، فرسایش و رسوب و همچنین اثرات زمانی مدیریت خاک‌ها و در نهایت خطاهای ناشی از نمونه‌برداری و تجزیه‌های آزمایشگاهی را می‌توان از مهمترین علل و عوامل ایجاد تغییرات مکانی تصادفی در خاک دانست (علوی‌پناه، 1387).
تشخیص و تفسیر تغییرپذیری خواص خاک به کمک روش‌های مختلف امکان‌پذیر است. روش‌های آمار کلاسیک به همراه طبقه‌بندی و نقشه‌برداری خاک، به طور معمول ابزار بررسی تغییرپذیری خاک در مقیاس منطقه‌ای‌اند، ولی روش‌های زمین‌آماری برای بررسی تغییرپذیری خاک در مقیاس محلی بوده که از توانایی بالایی برخوردار است. در آمار کلاسیک فقط کمیت مورد نظر را در نمونه در نظر می‌گیرند، ولی موقعیت مکانی نمونه را مدنظر قرار نمی‌دهند. یعنی مقدار اندازه‌گیری شده یک کمیت معین در یک نمونه خاص، هیچ‌گونه اطلاعاتی در مورد همان کمیت در نمونه‌گیری به فاصله معین، در بر نخواهد داشت. یعنی نمونه‌ها مستقل از یکدیگرند. در حالی که در زمین‌آمار هر نمونه تا یک حداکثر فاصلۀ معین با نمونه‌های اطراف خود ارتباط مکانی دارد. به طور خلاصه زمین‌آمار استفاده از تخمین‌گرهای آماری به منظور برآورد خصوصیت مورد نظر در نقاطی که نمونه برداری نشده، با استفاده از اطلاعات حاصله از نقاط نمونه‌برداری شده، می‌باشد. به عبارت دیگر در زمین آمار، هر نمونه تا یک حداکثر فاصلۀ معین با نمونه‌های اطراف خود ارتباط فضایی دارد. این حداکثر که دامنۀ تأثیر نامیده می شود و اهمیت فراوانی دارد، در حقیقت نشان دهندۀ فاصله‌ای است که در آن می‌توان از تخمین‌گرهای زمین‌آماری استفاده کرد (علوی‌پناه، 1387).
بنابراین آمار کلاسیک قادر به در نظر گرفتن جنبه‌های مکانی پدیده مورد نظر نیست. به طور واضح‌تر، هدف محاسبات در آمار کلاسیک بررسی متغیرهای تصادفی بوده و آشکار است که ویژگی‌های خاک نمی‌تواند متغیرهای تصادفی باشند. هر پدون خاک منحصر‌به‌فرد است و با همان خصوصیات تکرار نمی‌شوند. از طرف دیگر نمونه‌های مجاور نیز نمی‌توانند به طور کامل از هم مستقل باشند، زیرا تحت تأثیر عوامل خاک‌سازی مشابهی، شکل گرفته‌اند (علوی‌پناه، 1387).
کاربرد اصلی زمین‌آمار در خاک‌شناسی، تخمین و بازنمایی ویژگی‌های خاک در نقاط نمونه‌برداری نشده است (لیو و همکاران، 2004a). بنا به نظر پوزنیاکف و ژانگ (1999) روش های زمین آماری مانند کریجینگ برای کمّی‌سازی تغییرپذیری متغیرهای مکانی مختلف و تهیۀ نقشه‌های خاک در خاک‌شناسی به کار می‌رود ( خرمی‌زاده، 1388). بنا به نظریه کریس (1990)، روش‌های تخمین مکانی مانند روش‌های درون‌یابی مکانی، از روش‌های آمار کلاسیک که اطلاعات حاصل از نمونه‌برداری را با هم یکی درنظر می‌گیرند، متفاوت است (یثربی و همکاران،2009). درحقیقت روش‌های زمین‌آماری با آمار کلاسیک متفاوت و مخصوص تجزیه و تحلیل متغیرهای دارای تغییرات مستمر جغرافیایی است (محمدی1385).
از جمله مهم‌ترین و عمده‌ترین تحقیقات انجام شده به منظور تکمیل و ابداع روش‌های نوین بر روی زمین‌آمار به موارد زیر می‌توان اشاره کرد: مرکز زمین‌آمار مدرسه معادن پاریس که زمانی پروفسور ماترون سرپرست آن بود. دانشگاه ژوهانسبورگ، دانشگاه لیدز، دانشگاه استنفورد، دانشگاه جورجیاتک، دانشگاه بریتیش کلمبیا. در یکی دو دهه اخیر نیز کتب و مقالات زیادی از پژوهشگران برجسته این علم در زمینه-های نظری و کاربردی منتشرشده است که از جمله باید به کارهای «دیوید»، «رندو»، «آرمسترانگ»، «جورنل»، «داود»، «کلارک» و «روحانی» اشاره کرد (نخعی، 1373).
متغیر تصادفی
متغیری است که هر مقداری که در دامنه عمل خود پیدا می‌کند با یک احتمال معینی قرین باشد. به عبارت دیگر هر مقدار از آن دارای احتمال رخداد معینی است.
تابع تصادفی
تابعی که در آن یک یا چند متغیر تصادفی نیاز باشد.
میدان تصادفی
فضایی است که برای تشریح و توجیه توزیع مقادیر در آن به یک یا چند تابع تصادفی نیاز باشد (حسنی‌پاک، 1389).
متغیر ناحیه‌ای
به طور کلی، ژئواستاتیستیک را می‌توان یک رویکرد آماری جهت مدل‌سازی متغیرهای ناحیه‌ای در قالب نظریه احتمال و با استفاده از تابع تصادفی تعریف کرد. یک متغیر ناحیه‌ای عبارتست از هر خصوصیت محیطی که مقادیر آن در فضای یک، دو و یا سه بعدی توزیع یافته‌اند. از نقطه نظر ریاضی، یک متغیر ناحیه‌ای می‌تواند تابع تصادفی مانند Z (x) باشد که برای هر نقطه مانند x، دارای مقدار عددی مشخصی است. تغییرات مکانی یک متغیر ناحیه‌ای، دربرگیرنده دو مؤلفه ساختاری و تصادفی است. اولین مؤلفه، بیانگر روند است و دربرگیرنده مقدار ثابتی از مقادیر متغیر مورد نظر است. مؤلفه دوم، نشانگر تغییرات تصادفی مقادیر متغیر ناحیه‌ای از نقطه‌ای به نقطه دیگر است (محمدی، 1385). به عبارت دیگر یک متغیر ناحیه‌ای Z (x) در واقع یک متغیر تصادفی است که مقادیر متفاوتی از Z را بر اساس موقعیت x به خود اختصاص می‌دهد (ترانگمار و همکاران، 1985). تخمین‌های زمین‌آماری در نقاط نمونه‌برداری نشده را از طریق محاسبه همبستگی بین تخمین‌ها و نقاط نمونه‌برداری شده و حداقل ساختن واریانس تخمین تعیین می‌کند (سایتو و همکاران، 2005).
تغییرات مکانی یک متغیر ناحیه‌ای، دربرگیرنده دو مؤلفه ساختاری و تصادفی است. اولین مؤلفه، بیانگر روند است و دربرگیرنده مقدار ثابتی از مقادیر متغیر مورد نظر است. مؤلفه دوم، نشانگر تغییرات تصادفی مقادیر متغیر ناحیه‌ای از نقطه‌ای به نقطه دیگر است. تغییرات تصادفی یک متغیر ناحیه‌ای، دارای همبستگی با مختصات مکانی نقاط نمونه‌برداری است. علاوه بر دو مؤلفه اصلی، مقادیر متغیر ناحیه‌ای، دربرگیرنده نوسانات و نوفه نیز می‌باشد. نوفه‌ها که پس از مدل‌سازی مؤلفه‌های اصلی، در مقادیر تصادفی باقی می‌مانند، بدون ساختار و الگوی مکانی مشخص می‌باشند. از نظر ریاضی می‌توان تغییرات مکانی یک متغیر ناحیه‌ای مانند Z (x)را به صورت زیر بیان کرد:
m (x) تابع جبری است و معرف روند یا مؤلفه ساختاری است. (ε(x مؤلفه تغییرات مکانی تصادفی (با ماهیت پیوستگی مکانی) است و پس از حذف روند، در مقادیر متغیر ناحیه‌ای باقی می‌ماند. مؤلفه تصادفی توسط مدل‌های تصادفی مبتنی بر نظریه احتمال توصیف می‌گردد. (ε'(x نشان دهنده نوسانات سفید است و ماهیتی غیرپیوسته و مستقل (مکانی) دارد (محمدی، 1385). تغییرات مؤلفه تصادفی یک متغیر ناحیه‌ای در فضای n بعدی به گونه‌ای است که قالب (h) پیدا می‌کند. یعنی از خود نوعی پیوستگی نشان می‌دهد. این پیوستگی در قالب افزایش اختلاف مقدار مؤلفه تصادفی متغیر ناحیه‌ای با افزایش فاصله دو نقطه در فضا ظاهر می‌شود که اصطلاحاً آن را قالب فاصله‌ای یا قالب (h) گویند. از خواص متغیر ناحیه‌ای این است که بزرگی اختلاف مقادیر آن‌ها در زمان یا مکان متناسب با فاصله زمانی یا مکانی آن‌ها است. به عبارت دیگر در فواصل زمانی یا مکانی نزدیک به هم احتمال اختلاف بین مقدار مؤلفه‌های تصادفی کمتر و در فواصل زمانی یا مکانی دور از هم، احتمال اختلاف بین مؤلفه تصادفی بیشتر می‌گردد. در این صورت رابطه آماری بین اختلاف مقادیر مؤلفه تصادفی فواصل نظیر این مقادیر از یکدیگر، اصطلاحاً ساختار فضایی نامیده می‌شود (حسنی‌پاک، 1389).
1 فرضیات ایستایی
مدل‌سازی متغیرهای محیطی در چارچوب توابع تصادفی، به دلایل مفهومی قدری دشوار است. در عمل تنها یک سری نمونه از منطقه مطالعاتی در دسترس است که آن‌ها را می‌توان یک پیشامد تصادفی در نظر گرفت. از سوی دیگر تبیین یک تابع تصادفی توسط تنها یک پیشامد به وقوع پیوسته عملاً غیرممکن است. جهت برطرف نمودن چنین مشکل مفهومی، در نظر گرفتن یک سری فرضیات، تحت عنوان فرضیات ایستایی (فرضیات پایایی) ضروری است.
ایستایی مؤکد
از نقطه نظر ریاضی، یک تابع تصادفی را زمانی ایستا می‌گویند که توزیع یا قانون احتمال آن، یعنی خصوصیات توزیع آماری مشتمل بر نقاط عطفی مرتبه n اُم، در فضای نمونه‌برداری پایا و ایستا باشد. این وضعیت را گاهی اوقات، «ایستایی مؤکد» می‌نامند. فرضیات ایستایی مؤکد، بسیار قوی و سخت‌گیرانه می‌باشند و در عمل، کم‌تر به وقوع می‌پیوندند و یا مورد استفاده قرار می‌گیرند. زیرا، اثبات آن‌ها، بسیار مشکل و بعضاً غیرممکن است (محمدی، 1385). به عبارت دیگر اگر توزیع فضایی یک متغیر ناحیه‌ای (به عنوان یک تابع تصادفی) تحت هر فاصله‌ای مانند (h) ثابت بماند، آن متغیر ناحیه‌ای را اکیداً پایا گویند. بدیهی است تغییرنما‌های رسم شده به ازای مقادیر مختلف (h) همگی از توزیع یکسانی برخوردارند (خرمی‌زاده، 1388).
ایستایی مرتبه دوم
یک تابع تصادفی مانند متغیر ناحیه‌ای را پایای مرتبه دوم گویند هرگاه دو شرط داشته باشد:
امید ریاضی متغیر ناحیه‌ای به مختصات بستگی نداشته باشد و درامتداد و جهت معین افزایش یا کاهش نظام‌دار نداشته باشد، آن‌طوری که بتوان آن را تصادفی تلقی کرد.
بنابراین اگر این فرض صادق باشد برای متغیر ناحیه‌ای نمی‌توان روند خاصی را در فضا تعریف کرد.
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.