الاستكمال المكاني في التطبيق البيئي باستخدام تقنية كريكنك
الصفحات
298-316الملخص
يتناول هذا البحث استخدام تقنية الاستكمال المكاني والتي تعرف بالتنبؤ بقيم المتغير المكاني عند النقاط غير المقاسة، وقد تم استخدام طريقة كريكنك المعتادة للحصول على أفضل نموذج رياضي من خلال الحصول على أفضل تنبؤ غير خطي ومتحيز، وتم تطبيق دالة الفايروكرام التجريبية على البيانات المكانية لبيانات مركبات التربة للموصل/العراق، وتتكون البيانات من (121) قيمة حقيقية لكل من خصائص التربة (PH, SO4=, NO3-, PO4-, EC). وتتلخص أهداف هذا البحث في استكشاف خصائص دالة الفايروجرام تحت البيانات الحقيقية في جميع اتجاهات البوصلة؛ لتوفير تقدير لمعلمات نماذج التباين بناءً على المتغيرات الإقليمية المعتمدة. ومن خلال تطبيق هذه البيانات على صيغ التنبؤ، تم الحصول على نتائج دقيقة تثبت صحة عدم اليقين، وما يدعم هذه النتائج هو تباين الخطأ الأدنى ونتائج الأوزان التي تعطي المجموع مساويا لواحد في عملية التنبؤ وكذلك نتائج إجراءات التحقق من دقة التنبؤ. ومن خلال قيم التنبؤ التي تم التوصل إليها تم التوفيق بين أفضل نموذج رياضي من خلال دوال التباين الأساسية وفي الختام فإن هذا التحسن في عملية التنبؤ لا يعتمد على أكثر الطرق الإحصائية استخداما بل يجب استخدام جودة أعلى وعدد كبير من المتغيرات البيئية لتحسين التنبؤات وأحيانا تكون المسافة والأوزان هي أقرب النتائج للنموذج الطبيعي ويظهر التحقق المتبادل أداء أفضل لتقنيات الكريكنك أقرب نموذج استكمال (أسي، كروي وكاوس) وقد تم تنفيذ البرامج المستخدمة في هذا البحث بواسطة لغة ماتلاب.
الكلمات المفتاحية:
المراجع
- علي، م. ح.، وضاهر، ج. م. (2023). استخدام الكريج العالمي للبيانات المكانية الزمنية لتلوث التربة بالمعادن في منطقة الكرامة الصناعية بمدينة الموصل. مجلة الكتاب للعلوم البحتة، 7(02)، 99-114
- بروفيلي، م. أ.، سانسو، ف.، وفينوتي، ج. (2003). مناقشة حول مبدأ تنبؤ وينر-كولموغوروف باستخدام متغيرات سهلة الحساب ومتينة. مجلة الجيوديسيا، 76، 673-683.
- كريسي، ن. (1985). ملاءمة نماذج الفاريوغرام باستخدام طريقة المربعات الصغرى المرجحة. مجلة الجمعية الدولية للجيولوجيا الرياضية، 17، 563-568. https://doi.org/10.1007/BF01032109
- إبراهيم، س.، وضاهر، ج. (2022). الجمع بين المنطق الضبابي وتقنية الكريجينغ في ظل عدم اليقين للتنبؤ بالبيانات المكانية. مجلة التربية والعلوم، 31(3)، 123-0. http://creativecommons.org/licenses/by/4.0/)l
- كريج، د. ج. (1951). نهج إحصائي لبعض مشاكل تقييم المناجم الأساسية في ويتواترسراند. مجلة معهد جنوب أفريقيا للتعدين والمعادن، 52، 119- 139https://journals.co.za/content/saimm/52/6/AJA0038223X_4792
- كومار،ف(2006) قياس مستويات المياه الجوفية دراسة حالة ،المجلة الهيدروجينية المكانية 6،81-94.
- أوليفر، م. أ.، وويبستر، ر. (2014). دليل تعليمي في الإحصاء الجغرافي: حساب ونمذجة الفاريوجرامات والكريجينغ. كاتينا، 113، 56-69. https://doi.org/10.1016/j.catena.2013.09.006
- عمر، هـ. (1987). الكريجين البايزي - دمج الملاحظات والتخمينات المؤهلة في الكريجين. الجيولوجيا الرياضية، 19، 25-39.
- عمري، هـ.، وهالفورسن، ك. ب. (1989). الجسر البايزي بين الكريجين البسيط والشامل. الجيولوجيا الرياضية، 21، 767-786.
- ريبلي، ب. د. (1981). الإحصاءات المكانية، نيويورك، جون وايلي.
- صالحي، م.، وأورال، هـ. ف. (2023). مثال على طريقة الكريجين القائمة على درجة الحرارة البيئية لرسم خرائط الارتفاع باستخدام برنامج ArcGIS. مجلة جامعة غازي للعلوم، الجزء أ: الهندسة والابتكار، 392-401. http://dergipark.org.tr/gujsa
- سوماياسا، و.، وسوتياري، د. ك.، وسوتيسنا، و. (يونيو 2021). التنبؤ الأمثل في العمليات المكانية المتساوية الخواص باستخدام نموذج فاريوجرام كروي مع تطبيقه على بيانات نبات الذرة. في مجلة الفيزياء: سلسلة المؤتمرات (المجلد 1940، العدد 1، ص 12003). دار نشر IOP https://www.doi.org/10.1007/s10653-021-01183-8
- واكرناجل، هـ. (2003). الإحصاء الجغرافي متعدد المتغيرات: مقدمة مع تطبيقات. سبرينغر.
- شو، هـ.، وتشانغ، س. (2023). تطوير وتطبيقات التحليل المكاني القائم على نظم المعلومات الجغرافية في الكيمياء الجيولوجية البيئية في عصر البيانات الضخمة. الكيمياء الجيولوجية البيئية والصحة، 45(4)، 1079-1090
- Ali, M. H., & Dhahir, G. M. (2023). Using Universal Kriging for Spatiotemporal Data of Soil Pollution with Metals in Al Karama Industrial Area in Mosul City. Al-Kitab Journal for Pure Sciences, 7(02), 99-114.
- Brovelli, M. A., Sanso, F., & Venuti, G. (2003). A discussion on the Wiener–Kolmogorov prediction principle with easy-to-compute and robust variants. Journal of Geodesy, 76, 673-683.
- Cressie, N. (1985). Fitting variogram models by weighted least squares. Journal of the international Association for mathematical Geology, 17, 563-586. https://doi.org/10.1007/BF01032109
- Ibrahim, S., & Dhaher, G. (2022). Combination of Fuzzy Logic and Kriging Technique Under Uncertainty for Spatial Data Prediction. Journal of Education and Science, 31(3), 123-0. http://creativecommons.org/licenses/by/4.0/)l
- Krige, D.G. (1951). A Statistical Approach to Some Basic Mine Valuation Problems on the Witwatersrand. Journal of the Southern African Institute of Mining and Metallurgy, 52, 119-139. https://journals.co.za/content/saimm/52/6/AJA0038223X_4792
- Kumar,V.and R.(2006).Kriging of groundwater levels, case study. Journal of Spatial Hydrology,6,81-94.
- Oliver, M. A., & Webster, R. (2014). A tutorial guide to geostatistics: Computing and modelling variograms and kriging. Catena, 113, 56-69.. https://doi.org/10.1016/j.catena.2013.09.006
- Omre, H. (1987). Bayesian kriging—Merging observations and qualified guesses in kriging. Mathematical Geology, 19, 25-39.
- Omre, H., & Halvorsen, K. B. (1989). The Bayesian bridge between simple and universal kriging. Mathematical Geology, 21, 767-786.
- Ripley, B.D. (1981). Spatial Statistics, New York, John Wiley.
- SALEHI, M., & Oral, H. V. (2023). An Example of Kriging Method based on Environmental Temperature for Altitude Mapping Using ArcGIS Software. Gazi University Journal of Science Part A: Engineering and Innovation, 392-401. http://dergipark.org.tr/gujsa
- Somayasa, W., Sutiari, D. K., & Sutisna, W. (2021, June). Optimal prediction in isotropic spatial process under spherical type variogram model with application to corn plant data. In Journal of Physics: Conference Series (Vol. 1940, No. 1, p. 012003). IOP Publishing. https://www.doi.org/10.1007/s10653-021-01183-8
- Wackernagel, H. (2003). Multivariate Geostatistics: An Introduction with Applications. Springer.
- Xu, H., & Zhang, C. (2023). Development and applications of GIS-based spatial analysis in environmental geochemistry in the big data era. Environmental Geochemistry and Health, 45(4), 1079-1090.
المعرفات
معرف الكائن الرقمي DOI: 10.33899/berj.2026.Vol22.Iss3.65068
هذا العمل مرخص بموجب رخصة 






