ActaAgrophysica, 1999,
22, 229-243
ZASTOSOWANIE
ANALIZY
GEOST
A TY STYCZNEJ I TEORII FRAK
T
ALI
W BADANIACH DYNAMIKI
WILGOTNOŚCI W PROFILU GLEBOWYM
NA POLACH UPRA WNYCH
B. Usowicz
Instytut Agrofizyki im. Bohdana Dobrzańskiego Połska Akademia Nauk, 20-290 Lublin 27, ul. Doświadczalna 4
c-maił: Usowicz@demeter.ipan.lubłin.pł
Streszczenie. W pracy dokonano oceny czasowo-przestrzennej zmienności wilgotności gleby na polu z roślinami i bez przy zastosowaniu analizy geostatystycznej oraz obliczone wymiary fraktałne. Wykazano, że rozkład wilgotności gleby w okresie wiosenno-letnim w profilu glebowym był zdeterminowany przez opady atmosferyczne i rośliny. Stwierdzono występowanie czasowej
zależności wilgotności gleby w profilu glebowym, przy czym promieli autokorelacji czasowej zwiększał się wraz z głębokością. Na poletkach z roślinami wymiary fraktalne wykazywały wyraźny spadek wartości wraz z głębokością, natomiast na poletku bez roślin niewiele się zmieniały
w obrębie badanego profilu. Tym samym wskazywały, że czasowy rozkład wilgotności gleby w profilu glebowym na poletku bez roślin był bardziej losowy niż na poletkach z roślinami.
S l o w a kluczowe: geostatystyka, semiwariogram, wymiar fraktalny, wilgotność gleby.
WSTĘP
Procesy
wymiany
masy
energii
zachodzącew
g
l
eb
ie
sąprocesami
dyna-micznymi.
Wpływna ten
stan
r
ze
czy ma przede
wszystkim sama gleba -
ośrodekdyspersyjny i wielofazowy
,
rośliny orazwarunki
meteorologiczne. Komp
leks
owe
badanie dynamiki i
współzależności jednocześniewielu
wielkościfizycznych
gleby
i przyziemnej
warstwy atmosfery
jest aktualni
e
możliweze
względuna
i
stnien
i
e
odpowi
e
dnich metod pomiarowych,
dostępnośćautomatycznych
syste
-mów zbierania i
analizy
danych
oraz
zaa
daptowanie do
czasowo-przestrzennej
analizy
zmiennościdanych
metod
geostatystycznych
oraz teorii fraktal i [l,
3, 7, 8
,
19,
22,
27,
34, 38, 42-47].
230 B. USOWICZ
Geostatystyka
reprezentuje
metodologię,która pozwala na analiz<;!
przestrzen-nączy
też czasowąskorelowanych
danych. Podstawowym
jej
narzędziemjest
analiza wariogramów.
Wiąże sięona z badaniem funkcji war
i
ogramu
określonejzmiennej
wielkościfizycznej czy
teżbadanej
cechy gleby. Funkcja wariogramu z
określonymiparametrami
(wartościąsamorodka,
progiem i zakresem
zależności)przedstawia zachowanie badanej
zmiennej zregionalizowanej [21
,
26, 45, 46],
tym
samym
pozwala
nam
wnioskowaćo obszarach,
k'tóre nic
sąrepreze
ntowane
przezjakiekolwiek
dane
pomiarowe.
Koncepcja matematycznego opisu naturalnych
struktur
charakteryzujących się nicjednorodnościągeometryczną liniowościczy
teżpowierzchni
nosi
nazwęteor
ii
fraktal
i
[3 8].
Podstawowym
pojęciemtej teorii
jest
pojęciewymiaru
frakta
l
ncgo
D [l, 38].
Wyrażaon efektywny geometryczny wymiar
liniowości,pow
ie
rz
chni,
objętościbadanej
struktury.
W
myślteorii
fraktaJnych
wielkośćD
jest
wielkością globalną,a zatem charakteryzuje
całybadany
obiekt
[1, 23, 34, 38].
Wielkośćta
może przybierać wartościz
przedziałul
~D~2dla
przekrojów
liniowych
i
2~D~3dla
powierzchni
i
może byćinterpretowana
w kategoriach
przestr
zen
nej
organ
i
za
-cji
badanej cechy czy procesu,
tzn.
żemówi nam, na
ile
badana cechajest
zdeter-minowana, czy
teżna
ile jej
rozkładma charakter losowy.
Celem badal1
było określeniecharakterystyk
zmienności zawartościwody w
czasie w profilu glebowym w
różnychfazach
rozwoju
wybranej
rośliny uprawnejoraz g
l
eby
be
z
roślin( odniesienic ).
ASPEKTY METODYCZNE
W badaniach agrofizycznych
szczególną uwagę należy położyćna
metodykęprowadzenia pomiarów,
tak
aby otrzymane wyniki
byłyreprezentatywne
d
l
a
ba-danego obiektu zarówno w odniesieniu do mierzonej przestrzeni jak i zmiennośc
iw czasie.
R
zeczywiste
obiekty glebowe
badane
w
naturalnych
warunkach
wy-go
dnie
jest
traktowaćjako
układy powiązanez
otoc
ze
niem
,
dające się opisaćza
pomocąodpowiednich funkcji czasu
lub
teżfunkcjami czasu i
współrzędnychprze
strzennyc
h.
Przy nieznanej, na
ogół,w
pełnistrukturze
fizyczne
j
i
właściwo ściachbadanych
układów można analizowaćich reakcje oraz kontakty
z
otoczc-niem
(wejścia, wyjścia)w
kategor
iach
stacjonarnych procesów
loso
wych
.
bądź też traktowaćjako
formę wspófzalcżnościpól
losow
yc
h. Metody
s
t
atystyczne
sze
r
oko
stosowane
do opisu obiektu
glebow
ego
jużna
początku zakładają, żeZASTOSOWANIE ANALIZY GEOSTATYSTYCZNEJ I TEORJI FRAKTALI 231
obserwacje
są niezależneod siebie, to
stanowi
przeszkodęw
dokładnymich o
pi-sie i analizie. W agrofizyce
mamy do
czynienia z obserwacjami, które
ze
swej
natury
są zależne. Zależnośćta jest
interesującasama w sobie (z punktu
po-znawczego). W takim przypadku podstawowe znaczenie w badaniach
zmiennościparametrów glebowych
mająwybrane metody analizy pól
losowych n
a
których
opiera
się między innymi aparat matematyczny geostatystyki. Wiemy, że naszawiedza o zjawisku czy badanych cechach
ośrodkajest fragmentaryczna,
gdyżodnosi
siędo obszarów, a rac
zej
punktów które
zostały opróbkowane.
Nie wiemy
co
siędzieje w obszarze
pomiędzypunktami
pomiarowymi.
Potrzeba
pozn
an
ia
tych obszarów
zaowocowałapowstaniem nowej dziedziny nauki
-
geostatystyki.
Elementy geostatystyki
Teoria geostatystyczna bazuje na obserwacji, która mówi,
żeobok punktu
o
określonej wartości
pewnej zmiennej,
np.
wilgotności, występująpunkty o
po-dobnych
wartościach.Innymi
słowy,oddalone od siebie
wartości wilgotności sąskorelowane.
Podstawą obliczeńtej
teorii jest funkcja
wariogramu, a
dokładniej połowa wartościoczekiwanej
różnic wartościZ(x)
zmiennej w
punkcie
x
i
odda
-lonym od niego o wekto
r
h,
wartościZ(x+h).
Serniwadogram przedstawia zatem
przestrzenne lub czasowe zachowanie danej zmiennej,
noszącej też nazwęzm
ie
n-nej
"zr
egionalizowanej".
Zmienna ta wykazuje aspekt
losowy, który
uwzględnialokalne nicprawidłowości
i aspekt strukturalny, który odzwierciedla
wicloskałowetendencje z;jawiska. Analiza
takiej
zmiennej polega
na identyfikacji
struk
tury
zmienności odpowiadających
wicloskalowym
tendencjom
zmian analizowanych
cech zjawiska.
Można wyróżnićtrzy fazy analizy:
wstępnebadanic zebranych
danych i wykonan
i
e oceny podstawowych statystyk, obliczenie wariogramu
em-pirycznego
rozważanejzmiennej zregionalizowanej oraz dopasowanie
mode
lu
matematycznego do
przebiegu wariogramu empirycznego.
Podstawowe
założeniageostatystyki
są następujące[
26,
46]:
każdejfunkcji
l
osowej
Z(x)
przyporządkowanok
zmiennych
losowych
{Z(x
1 ),Z(x
2),Z(x
3 ),Z(xk)}
,
wymaganajest
znajomośćpierwszych dwóch
momentów statystycznych
przypisanych
fu
nkcji
losowych do danego
zjaw
iska
,
momentu pierwszego
(średniej),
E[Z(x )]
=
m(x)
i
drugiego (wariancji,
kowariancji, semiwariogramu)
Var{Z(x)}= E[z(x)
-
m(x)Y }.
Jeśli
zmienne losowe
Z
(
x
1)Z
(
x
2)mają wariancję
to
232 B. USOWICZ
również mają
kowariancje,
która
jest
funkcją położenia XI.x
2:C(xl>xz}
=
E[Z(xJ-m(x
1 )].[z(xJ
-m
(xJ]}=
E{Z(xJ
Z(x
2)}-m(x
1)·m(x
2)Semiwariogram -
J{x1,x2)jest definiowany jako
połowawariancji
z
różnicyzmiennych
losowych {Z(x1)-
Z(x2)} [9,
26,
46]:
r(x~>
x
2)=
·~
Var{Z(x
1) -z(x
2 )} •2
Wymaga
się równieżaby badane zjawisko czy proces
byłostacjo
na
rne t
zn
.
nie zmieniało swoich
właściwościprzy
zmianie
początkuskali czasowej
lub
skali
przestrzennej.
W przypadku
spełnienia stacjonamościfunkcja losowa
Z(x) jest
określanajako
stacjonarna drugiego
rzędu,ponadto
oczekuje
się, że: -wartośćoczekiwana
istnieje
i
nie
zależyod
położeniaxE[Z(x )]
=m
"dx
-dla
każdej paryzmiennych
losowych
{Z(x),Z(x+h)}
kowariancja
istnieje
i
zależytylko do wektora separacji
h
C(h)= E{z( X+ h)- z(x
)}
-
m
2,
"dx
-
stacjonamośćkowariancji implikuje
stacjonamośćwariancji
i
semiwariogramu
Var{Z(x
)}=
E~Z(x
)
-
m
Y}=
c(o
),
"dx
2C(h)= 2E{Z(x+h·Z(x))}-2m
2=
lE{z(x+hY
}
-
m
2]
+
[E{z(xY
}-m
2J
-
[E{z(x +h
Y}-
2E{Z(x +h)·
z(x)}
+
E{z(xY
}]
2C(h)
=
2C(0)-2r(h)
c(h)= c( o)-
r(h)
-
dla wszystkich
wartościwektora h
różnica{Z(x+
h) -
Z(x)} ma
skończonąwa
-riancjęi
nie
zależyod
x.
·
y(h)=
_!.
Var{Z(x+ h)- z(x
)}=.!.
E~Z(x
+h
)
-
z(x)Y
1
Vx
2
2
Kiedy
wartośćwektora
h
równa jest
zero
to
wartośćsemiwariancji
j
est
r
ów
-nieżrówna
zero. Semiwariogram
jest
symetryczny
względemh: ){h)
=){
-h)
Eksperymentalny
se
rniw
adogram
-
){h)
dla
odległościh
obliczany jest
z
równania [9,
l
O, 26,
46]
:
l
ł!j!!,lr(h)=
-
( )2..Jv(
x
,)-v(x
, +h
)Y
2N h
•
=
1
ZASTOSOWANIE ANALIZY GEOSTATYSTYCZNEJ l TEOR!l FRAKTALI 233
gdzie:
N(h)
oznacza
liczbępar punktów
odległycho
h.
Równanie
to
ilustruje
zróżnicowanie
odchyle11
wartościdanej
wielkościfizycznej
- v od
równania
tren-du w
zależnościod
odległości międzypunktami pomiarowymi
.
Do
empirycznic wyznaczonego
se
miwariogramu dopa
sowywane
sązna
n
e
funkcje
matemat
yczne
(
l
iniowa, ekspotcncjalna, gaussowska, etc.),
które
mogąbyć następnie
wykorzystywane
do
analizy przestrzennej
(czasowej) autokorelacji
lub
do
wizualizacji poprzez
estymacjęrozpatrywanej
wielkościfizycznej w
prze-s
trzeni
metodąkrigingu.
Trzy
charakterystyczne parametry
dla
se
miwariogramu
są wyróżniane:efekt
sa
morodka, próg
i
zakres.
W przypadku
gdy semiwariogram jest
wzrastającą funkcjąnie od
zera a od
pewnej
wartości, wartośćta nazywanajest
efekte
m
samo-rodka
i
wyrażaona
zmiennośćbadanej
wielkościfizycznej przy
skali
mn
iejszej
niż przedział
próbkowania
lub
też może byćspowodowany
niską dokładnościąpomiaru.
Osiągniętaprzez
funkcjęsemiwariogramu
wartość,przy której
nie ob
-serwttie
siędals
z
ego
wzros
t
u
f
unkcji
(w
przybliżeniurówna
wariancji
próby)
nazywana jest progiem, natomiast
przedział odległościod
zera
do
osiągnięciaprzez se
mi
wariogram
95
%
wartości stałejnazywany jest
zakresem.
Ten ostatni
v.ryraża największą odległość
przy której
próbkow
an
e
wartości sąze
sobąskore-lowane.
Wymiar fraktaJny
Przeb
ie
gi czasowe czy przestrzenne otrzymywane
podc
zas
pomiarów
agrofi-zycz
nych
ujawniają sięw
postaci
n
ieregularnych
kształtów.Takie
nieregularności(chaos)
można traktowaćw
dwojaki
sposób:
raz jako odchylenie
od sta
n
u
ideal-nego -k
la
syczne
podejściestatystyczne,
drugi raz
jako
nieuporządkowanyprze-bieg,
powiązany wewnętrznienierozerwalnymi cechami.
Można wnosić że, ba-dająctaki
nieuporządkowanyprzebieg
otrzymamy
pożyteczneinformacje nic
tylko
o
samym
przebiegu
a
l
e
i obiekcie
, z
którego ten prz
e
bi
eg
pochodził. Nieza-leżnieod
ska
li
pomiarowej tego typu
przebiegi
mogą byćanalizowane
poprze
z
semiwariogramy. Stwierdzenie
to
wynika
bezpośrednioz
założeńgeostatystyk
i
.
Innym
pożytecznym narzędziemwykorzystywanym w analizie
nieregularności może byćte
oria fraktali,
która to
z definicji zajmuje
się właśnietakimi obiektami
[2, 5,
6
,
12-19,23
-
25,
28-41].
234 B. USOWICZ
Dotychczasowe
bada
nia
wskazują, żenic
m
a
bezpośrednichmetod
wyzna
-czania
czy
teższacowania
fraktaJnościrzeczywistyc
h obi
ektów
[
1, 34-41].
P
o-sz
ukuje
się więctak
ic
h
właściwościobiektów,
które
mogą zawieraćw swej
s
trukturze
cec
hy f
rakta
li
naturalnych
lub
teżt
e,
które
mogą być wiązanez defin
i
-cjąfraktali[1, 38
]
.
W ostatnic
h
latach
analizę fraktaJnąwykorzystywano nie tylko
do
opisu geo
-metrii
materiałów[l
,
2
, 4-6,
23-25, 34-41], a
le
takżedo badani
a
zmiennościp
rz
e
-st
r
ze
nne
j
właściwości ośrodkaporowatego,
międzyinnymi:
składugranu
lom
e-trycznego,
e
l
ektrycznej
konduktywności,opom
penetrometryczneg
o,
gęstości, zawartości różnychs
oli
w
glebie czy
wpływufrakcji
koloidalnej na
erozjęgleby
[
4
,
11
,
12
,
18,
19,
25
,
39]
.
Wymiar fraktaJn
y
wyznaczan
o
poprze
z
współczynniknac
hylenia
se
miwariogramu
wykreślonegow
l
ogarytmicznym
układziewspót
-rzędnych.W prac
y
tej wymiar fraktaJny
D
określany byłw o
parciu o
se
miw
ariogra
m ze
wzoru
[8,
l
O,
30
]:
D=
2-
H
,
gdzie
H
je
s
t nachy
l
eniem
pro
stej
se
miw
ariogra
m
u,
2
wykreślanego
w
l
ogarytmicznym
układzie współrzędnych.OPIS EKSPERYM
EN
TU
Badani
a
prowadzo
n
e
byłna
o
biekcie
z
pokrywą roślinnąi
be
z
roślinGako
od
-nie
s
ienie) n
a
Sta
cj
i
Agrometeor
olog
icznej
A
k
a
demi
i Rolniczej
w Lublinie
usyt
u
-owa
nej w
dzieln
ic
y Felin
[44,
45].
Glebęna
Felinie
z
alicza s
iędo g
leb
płowychwytwo
r
zonych z
utworu
l
essopodobnego
(gle
b
a
niecałkowitana
u
t
worze
kredo-wy
m)
[R.
Tur
s
ki
-
inf
o
rmacj
a ustna,
1990].
P
o
mia
ry
byłypro
wadzone w okresie
kwiecień-lipiec
w
roku 1993
. Poletka o wymiarach 50x40
m rozmie
szczo
ne
były wzdłużdro
gi
przechodzącejpr
zez ś
rodeks
t
ac
ji. Obiekt
badań stanowiłypoletka
z
uprawą jęczmieniajarego
(odmiany
A
res),
żytai
poletko
u
go
ru
Gako
odniesie-n
ie).
Na ty
c
h poletk
ach za
in
sta
l
owano
w
odległości3 m
od
ścieżkiw
rzędzieco
0,2 m sondy
wilgotnościTDR
[20]
na
głębokościachO
,
0
,05,
O,
l
,
0,2
,
0,3,
0,4,
0,5, 0
,
8
m
.
Po
m
iary
wilgotnościgle
b
y wyko
ny
wano
r
az
d
z
i
en
nie
w
godz
inach
ZASTOSOWANIE ANALIZY GEOSTATYSTYCZNEJ I TEORII FRAKTALI 235
WYNIKI
Rozkład
opadów atmosferycznych w okresie prowadzonych
badańprzedsta-wiono
na Rys. 1
a.
Suma
opadów w tym okresie
wyniosła ogółem167
,5
mm
,
maksymalny
zarcj
estrowany
opad
wystąpiłw
l
74 dniu
roku i
wynosił27,9 mm.
Opady
najwyraźniej odwzorowują sięna
polu bez
roślinw
powierzchn
iowej
war-stwic gleby
(Rys.
1c), natomiast
rośliny znacząco wytłumiająprzebiegi czasowe
wilgotności
w glebie.
Na
ile one
mogły zmieniaćte przebiegi
zależałoto od stanu
ich
rozwoju (tj.
od
intensywnościpobierania wody
przez
korzenie)
,
od
intercepcji
wody
na danej
rośliniejak
i
od
spływupowierzchniowego,
który z
kolei
warun-kowany
był zagęszczeniempowierzchniowej warstwy gleby (Rys.
l
b, d, e).
Średnie wartości gęstości
gleby
z
mierzone
na
poletkach uprawnych
w
zależ
ności
od
głębokościpokazano
na Rys.
l
b.
Najmniejszą gęstośćobserwowano na
polu
z
jęczmieniemw warstwie
ornej,
największą zaśna polu z
żytem. Poniżejtej
warstwy
zróżnicowanie gęstościgleby
na badanych obiektach
byłon
iewielkie
.
Taki a nie
inne
rozkłady gęstościgleby na poszczególnych
polach
związane byłgłównie
z
czasem jaki
upłynąłod ostatnich zabiegów
uprawowych i
warunkami
meteorologicznymi
oraz
występowaniemtego samego poziomu genetycznego
gleby na
różnych głębokościachna
poszczególnych poletkach
uprawowyc
h.
Zmienność czasowo-przestrzenną zawartości
wody w
glebie a
n
alizowano
przy
użyciustatystyki klasycznej
(wartości średnie,ekstremalne
-
minimalne
maksymalne, standardowe odchylenie,
współczynnik zmienności, asymetrięi
kurtozę),
a
ich
wyniki zestawiono w Tabeli
1.
Średnie wartości wilgotności
gleby w
całym
profilu glebowym
ks
z
tałtow
ał
y
się
podobnie
na poletkach
z
roślinami,natomiast nieco odmiennie
n
a
p
o
lu
bez
roślin.
Na
polu
bez
roślinw powierzchniowej warstwie obserwowano
na
j
m
niejsze
wartości wilgotności, poniżej
niej
największe. Miarąrozproszenia
wartościwil
-gotnościgleby
byłoodchylenie standardowe.
Największerozrzuty
wystąpiłyna
poletkach z
roślinami, nąjmniejszyna
polu
bez
roślin.Statystyki
charakteryzttiącerozkłady wilgotności
gleby
-
histogramy
(asyme
tri
a
i kurtoza)
wskazująw
więk szościna
niewielką prawostronnąa
s
ymetrie i
dużą koncentrację wartościw
ilgot-nościgleby
wokółjej wartości średniej(kurto za
<
3
).
236 B. USOWICZ 30 , - - -- - - -- - - -- - - ,
a)
25 E 20 E ""15"'
"-0 10o
.l 110 130..
J.JJ,~
li
Jl
150 170 190 210 Dzień roku 0.4 . - - -- - - -- -- - - -- - - ---,c)
"a
o.J
~E •u ·:g 0.2=
o
.!:P ~ 0.1o
11o
0.4 'O 0.3 E ~E ..; ~ 0.2 o E o ~ ~ 0.1o
110 130 130 150 ····-····L:()nl ---r-(105m - - z = Oim - - -r-01m - -r-01m - -p:()4m --+---z=O S 111 - - -z=O 8 m 170 190 210 Dlicń rokue)
'• .... _,; ····z..()m ---+--~.os m - z..O.lm --z:r:02m - .. JJ1m - z=O.!m ---o--7_=05nt - -- r-OS:rn ISO 170 190 210 Dzień roku 1.8 ~ 1.6a
bJ)6
1.4'"'
""
.8 "'""'
1.2 <..? 0.4"
a o.J
~E ..; ·~ 0.2=
o
.!:P ~ 0.1o
110 1.9 '• .5"
:;;"
.!:: '-.!l E....
~ 1.3 1.1o
o
*
o 130~-~-~
-
~
~
~
o· o ----<>-- Jęczmieil - -b.· - Zyto --:.::-- Ugór 0.2 0.4 0.6 0.8 Głębokość (m) ···· · ''t:=Om - - F ' ! JU.Sm --l?'Oirn--~:m - -rw03m ----.~-t.~.;m - -l::OSm - - - l.::USmb)
d)
150 170 190 210 Dzień rokuf)
0.2 0.4 0.6 0.8 Głębokość, mRys. l. Opady atmosferyczne (a) i wilgotności w profilu glebowym (c, d, c) w okresie sezonu
we-getacyjnego oraz rozkład gęstości gleby (b) i wymiarów fraktaJnych wilgotności (f) z głębokością
na polu z jęczmieniem, żytem i ugorze.
Fig. L Prccipitation (a) and soi! water eontent profiles (c, d, e) during growing season and soi! bulk
ZASTOSOWANIE ANALIZY GEOSTATYSTYCZNEJ I TEORII FRAKTAU 237
Zmienność czasowo-przestrzenną wilgotności
w glebie badano
równieżprzy
użyciu
semiwariogramów. Określano wartości
samorodków
,
progi i zakresy
auto-korelacji
czasowej
oraz dopasowywano modele semiwariogramów do
empirycz
-nych
wartościjak i
określonoparametry dopasowania modeli (Tabela 2).
Jakośćdopasowanie modeli teoretyczne semiwariogramów
do
empirycznych danych
określano współczynnikiem determinacji R
2i
sumą kwadratów reszt,
RSS,
warto
-ści
z modelu i
emp
irycznych
danych semiwariogramu. Wysokie
wartości współczynnika determinacji oraz niewielkie
wartościsumy kwadratów reszt
(większości
R
2>
0,9,
RSS
<l0-
6)wskazują
na bardzo
dobrą
zgod
ność
dopasowania modeli
teoretycznych do
empirycznych
danych semiwariogramów.
Stwierdzono
autokorelację czasowądla
wszystkich badanych profili
glebo-wych.
Kształt zależnościautokorelacji
czasowej
w warstwie ornej
byłsferyczny
na wszystkich
poletk
ach,
poniżejniej
zmienił sięw
gaussowski na
pol
etkac
h
z
roślinami
i
w ekspotencjalny na
polu
bez
roślin. Największe wartościzakresu
autokorelacji czasowej
zanotowano
na polu
z
żytem poniżejwarstwy ornej (170
dób), najmniejsze
zaśw powierzchniowej warstwie gleby
na
polu z
jęczmieniemi
ugorze (17,5
i
18,7
do
by)
.
Wyniki
te
wskazują, że najkrótszą "pamięć"w
sens
i
c
zdarzenia (przyczyny)
powodującegozmiany w
rozkładzie wilgotnościwyka
z
uj
e
powierzchniowa warstwa
z
nieustabilizowaną strukturągleby
(luźnagleba).
Głębsze warstwy,
gdzie
procesy wymiany masy
zachodząwolniej
i gdzie
gęstośćg
l
e-by
nic wiele
sięzmienia w
b
adanym
okresie przyczyny zmian w
wilgotnościgle-by "widziane"
sąprzez
dłuższy czas,
około półroku. Poletko
z
żytem,gdzie
gę stośćgleby
w powierzchniowej warstwic
była największa, charakteryzowało sięponad
półtoramiesięcznympromieniem autokorelacji w warstwie ornej.
Obliczone w oparciu o semiwariogramy wymiary fraktaJne
oraz
parametry
dopasowania prostej do empirycznych danych
se
miw
a
riancji
w
lo
ga
r
ytmicznym
układzie współrzędnychprzedstawiono na Rys.
1
e
i
w Tabcli
2
.
Standardowy
błąd dop
asowania
w
zdecydowanej
większości był poniżejO,
1
,
natomi
ast
współczynnik
determinacji R
2powyżej 0,9, przy
czy
m
N
była
to
licz
ebność
danych
d
l
a
~iórychobliczano
błądstandardowy
i
współczynnikdeterminacji.
Powyższe wartości wskazują, żeotrzymane wyniki
współczynnikównachylenia prostych
bardzo dobrze
wskazująkierunek zmian semiwariancji na badanych obiektach
,
tym
samym
pozwalająw
zadawalającysposób wyznaczyć
wymiary
fraktalne.
Wysokie
wartościwymiarów
fraktalny
ch
wilgotnościgleby w
powierzchnio-wej warstwie
gleby
wskazująna
dużą losowość wjej
rozkładzie.Taki stan w
238 B. USOWICZ
rozkładzie wilgotności obserwowany jest na ugorze
w
całymprofilu
g
l
ebowym.
Wyraźny zaś
spadek
wartościwymiarów
fraktaJnych w raz
z
głębokościąwystą-pił
na
poletkach
z
roślinami.Spadek
ten
można interpretowaćw kategoriach
zdc-terminowania
rozkładu wilgotnościg
l
eby w czasie
pr
zez czynnik
zewnętrzny.W
t
ym
przypadku
byłato
roślina. Można teżinaczej
zinterpretowaćten spadek i
powiedzieć, że
to rośliny
spowodowałyzmniejszenie
się przypadkowościw
roz-kładzie wilgotności
na tych polach.
Tabela t. Statystyki wilgotności gleby na polu z jęczmieniem, żytem i ugorze
Tablc I. Summary statistics for water eontent o f spring barley, rye and barc soi l
Statystyka Wilgotność gleby, m3 m·3
Poziom (m)
o
0,05 O, l 0,2 0,3 0,4 0,5 0,8 Cały profil J~;czmień Średnia 0,195 0,210 0,219 0,199 0,258 0,229 0,232 0,214 0,219 Minimum 0,108 0,140 0,149 0,142 0,204 O, 190 0,189 0,167 0,108 Maximum 0,343 0,325 0,310 0,272 0,318 0,278 0,278 0,249 0,343 Std.Dcv. 0,054 0,049 0,047 0,043 0,036 0,031 0,033 0,027 0,045 Coef.Var (%) 27,8 23,1 21,4 21,7 13,9 13,7 14,4 12,5 20,5 Asymetria 0,612 0,276 -0,009 0,305 0,283 0,211 O, ISO -0,294 0,021 Kurto za 2,969 1,823 1,798 1,685 1,435 1,310 1,208 1,441 2,362 Żyto Średnia 0,215 0,221 0,218 0,221 0,237 0,221 0,209 0,258 0.225 Minimum O, 135 0,156 O, 163 0,188 0,190 0,187 0,171 0,236 0,135 Maximum 0,325 0,326 0,322 0,287 0,310 0,300 0,295 0,287 0,326 Std.Dcv. 0,044 0,044 0,036 0,032 0,033 0,035 0,038 0,012 0,038 Coc[Var (%) 20,6 19,8 16,6 14,3 13,9 15,8 18,0 4,8 16,9 Asymetria 0,470 0,527 0,771 0,789 0,600 0,820 0,865 -0,026 0,292 Kurto za 2,592 2,260 3,072 2,248 2,072 2,368 2,480 1,885 2,195 Ugór Średnia 0,155 0,270 0,254 0,218 0,243 0,264 0,302 0,333 0,255 Minimum 0,111 0,239 0,219 O, 197 0,212 0,247 0,289 0,322 0,111 Maximum 0,278 0,332 0,305 0,243 0,267 0,284 0,311 0,345 0,345 Std.Dev. 0,034 0,021 0,023 0,013 0,013 0,010 0,005 0,005 0,053 Coef.Var (%) 22,1 7,7 9,0 6,0 5,2 3,7 1,6 1,6 20,9 Asymetria 1,056 0,243 0,189 0,309 0,071 0,332 -0,196 -0,081 -0,631 Kurtuza 3,870 2,415 1,833 1,973 2,299 2,026 2,384 2,481 3,207ZASTOSOWANIE ANALIZY GEOSTATYSTYCZNEJ I TEORil FRAKTAU 239
Tabela 2. Statystyki fraktali i parametry scmiwariogramów wilgotności gleby na polu z jęczmi
c-niem, żytem i ugorze
Tablc 2. F ractal summary statistics and scmivariogram parameters for water eontent o f spring bar-ley, rye and bare soi!
Statystyka Wilgotność gleby, m3 m·3
Jęczmień
Poziom (m)
o
0,05 0,1 0,2 0,3 0,4 0,5 0,8Błąd standardowy 0,079 0,103 0,062 0,016 0,019 0,014 0,021 0,016
R2 0,940 0,913 0,964 0,991 0,987 0,991 0,985 0,989
N 29 24 24 79 66 66 66 66
Model Sp h Sp h Sp h Lin Gauss Gauss Gaus s Gauss Samorodek(m3 m-3
)2 3,34E-4 l,OOE-6 l,OOE-6 l ,OOE-6 4,00E-5 l,OOE-5 2,00E-5 1,00E-6 Próg (m3 m·3
i
3,31E-3 2,67E-3 2,42E-3 5,36E-3 4,66E-3 3,34E-3 2,60E-3 2,54E-3Zakres (doba) 23,4 17,5 21,7 79 90 85 65 90
R2 0,944 0,995 0,996 0,977 0,998 0,996 0,976 0,995 RSS 1,46E-6 8,19E-8 1,07E-7 4,6SE-6 3,66E-7 2,86E-7 l ,SOE-6 2,43E-7
Żyto
Błąd standardowy 0,093 0,101 0,078 0,044 0,046 0,019 0,011 0,039
R2 0,854 0,841 0,889 0,917 0,917 0,980 0,993 0,967
N 60 SS 57 80 80 80 80 59
Model Sp h Sp h Sp h Gaus s Gauss Gauss Gauss Sp h Samorodek(m3 m'3)2 4,08E-4 3,32E-4 I,SOE-5 3,00E-5 I,OOE-5 2,00E-5 2,00E-5 8,00E-7
Próg (m3 m'3
)2 2,87E-3 3, ISE-3 2,22E-3 6,83E-3 6,95E-3 8,82E-3 1,13E-2 2,49E-3
Zakres (doba) 47,3 52,7 53,5 !55 145 160 170 47,1
R2 0,848 0,954 0,981 0,996 0,997 0,994 0,993 0,980 RSS 6,68E-6 2, 12E-6 5,44E-7 4,94E-7 5,53E-7 1,04E-6 1,56E-6 7,16E-9
Ugór
Błąd standardowy 0,219 0,091 0,042 0,023 0,400 0,280 0,090 0,0116
R2 0,716 0,851 0,960 0,987 0,962 0,979 0,848 0,781
N 29 70 70 70 70 70 70 70
Model Sp h Sp h Sp h Sph Ex p Ex p Lin Sph
Samorodek(m3 m'3)2 3,74E-4 1,86E-4 1,33E-4 1,73E-S l ,29E-5 6,00E-7 8,58E-7 1,07E-S
Próg (m3 m·3
)2 1 ,48E-3 6,06E-4 9,36E-4 3,22E-4 2,77E-4 2,07E-4 4,48E-5 4.08E-5
Zakres (doba) 18,7 60,2 82,3 80,3 96,3 128,1 70 60,1
R2 0,675 0,765 0,933 0,968 0,921 0,972 0,865 0,738 RSS 1,34E-6 3,54E-7 2,85E-7 ł,85E-8 2,57E-8 4,58E-9 ł,ISE-9 2,06E-9
R2- współczynnik determinacji, RSS - suma kwadratów reszt wartości z modelu i empirycznych
240 B.
usowrcz
POD
SUMOW
ANIE
I
WNIOSKI
W pr
acy
dokonano
oceny
czasowo-przestrzennej
zmienności wilgotnościw
profilu glebowym na polu
z
roślinamii bez przy wykorzystaniu analizy
geostaty
-stycznej
i
teorii fraktali.
Ob
lic
zono
pod
s
tawowe parametr
y
statystyczne
i
wykazano,
żenajmn
iejsze
i
największe wartości wilgotności
g
l
eby
w okre
sie
wiosenno-letnim
wystąpiłyna
polu bez
roślin;n
ajmniejsze
w
powierzchniowej warstwie gleby,
największe po-niżejniej
.
Największą zmienność wilgotnościgleby w
profilu
glebowym
o
b
se
r-wowano na poletkach z
roślinami,najmniejszy
zaśna polu bez
roślin.Wy
znacz
one parametry geostatystyczne
wykazały czasową zależność rozkładu
wilgotnościw profilu glebowym, przy czym
promieńautokore
l
acji czasowej
wzrastał
z
głębokością. Największejego
wartościobserwowano na polu
z
roślinami
poniżejwarstwy ornej, najmniejsze
zaśw warstwie ornej na polu z
jęczmieniem i ugorze.
Wymiary fraktaJne
wykazywałyna poletkach
z
roślinami wyraźnyspadek
wartości
wraz z
głębokością,n
atomiast
na poletku bez
roślinniewiele
sięzm
i
e-niały obrębie
badanego profilu.
Tym samym
wskazywały, żeczasowy
rozkład wilgotnościgleby w
profilu glebowym na poletku bez
roślin byłbardziej lo
sowy
niż
na poletkach z
roślinami.Otr
zy
mane
wyniki
i przeprowadzone
a
n
a
li
zy
wskazują, żena
wilgotnośćw
profilu
gle
bowym
,
jej
zmiennośći
zdeterminowanie
w istotny
sposób
wpływarodzaj
i stan szaty
roślinnej. Zróżnicowanie wilgotności międzypolami
wynika z
różnejintercepc
ji
opadowej
i
różnej intensywnościpobierania wody
przez
korzenie.
LITERATURA
J. Anderson A. N., McBratncy A. B., Crawford J. W.: Applications of Fractals to Soi l Science.
Advenccs in Agronomy, 63, 2-76, 1998 (Ed. D. L. Sparks, Acadcmic Press)
2. Armstrong A. C.: On the fi·actal dimensions of some transient soi! properties. J. Soi l Sci., 37,
641-652, 1986.
3. Baranowski P., Kossowski J., Usowicz B.: Spatial variability of soi! watcr eontent in
culti-vatcd fields. Zesz. Prob. Post. Nauk Roi., 405, 9-19, 1994.
4. Bartoli F., Burtin G., Royer J. J., Gury M., Gornendy V., Phylippy R., Leviandier Th., Gafrej
R.: S patia! variability o f topsoi l characteristics within one silty soi l type. Effects on clay migration. Geoderma, 68, 279-300, 1995.
5. Bartoli F., Philippy R., Burtin G.: Influence of organie matter aggregation in Oxisols rich in
ZASTOSOWANIE ANALIZY GEOSTATYSTYCZNEJ l TEORII FRAKTALI 241
6. Bartoli F., Philippy R, Doirissc M., Niquct S., Dubuit M.: Structure and self-similarity in silty and sandy soils: lhe fi·actal approach. J. Soi! Sci., 42, 167-185, 1991.
7. Brus D.,J.: lncorporating model s o f spatial variation in sampling stratcgics for soi!. PhD Thcsis,
Wagcningen Agricultural University, The Netherlands, 2 l l pp, 1993.
8. Burrough P. A.: Multiscale sourccs of spatial variability in soi!. L Thc application of tractal conccpts to tcstcd lcvcls ofsoil variation. J. Soi! Sci., 34,577-626, 1983.
'J. Englund E., Sparks A.: Geostatistical Environmental Asscssmenl Software. Environrnental Monitoring Systems Laboratory Oftice of Research and Development, U.S. Environmcntal Protcction Agency, Las Vegas, NV, 89193-3478, 1988.
10. Gamma Dcsign Software. GS+ v. 3.06.5 beta. Geostatistics for the environmcntal Sciences.
1998.
11. Hummatov N.,G., Zheromskiy S.,V., Mironeoko Yc.,V., Pachepskiy Ya.,A., Shcherbakov R.,A.: Geostatistical analysis o f water retention capacity s patia! variability for a grcy forcst soi!. Pochvoviedenie, 6, 52-62, 1992.
12. Józcfaciuk G.: Zmiany wlaściwości powierzchniowych gleb i mineralów ilastych w procesach zakwaszania i alkalizacji. Badania modelowe. Acta Agrophysica 15, 1998.
13. Józcfaciuk G., Sokołowska Z., Hajnos M., Hoffmann C., Rcngcr M.: EITect of leaching of DOC on watcr adsorption prope1ties o f sandy soi!. Geoderma, 74, 125-137, 1996.
14. Kozak E.: Aspekty metodyczne wyznaczania rozkładu rozmiarów porów i wymiam fraktalnego material ów glebowych. Praca doktorska, Instytut Agrofizyki PAN, Lublin, 1994.
15. Kozak E., Pachcpsky Y.A., Sokalowski S., Sokalowska Z., Stępnicwski W.: A modificd numbcr
-based metbod for estimatig fragmentation fi·actal dimensions o f soils. Soi! S ci. A m. J., 60, 1291-1297, 1996.
16. Kozak E., Sokalowska Z., Sokołowski S., Wierzeboś J.: Surface fi·actal dimension of soi! materials from porc size distribulion data. I. A comparison o f two methods of detcm1ination. Polish J. Soil Sci., 28, 77-85, 1995.
17. Kravchcnko A., Zhang R.: Estimating the soi! water rctention from particle-size distributions: a fractal approach. Soi! Sci., 163, 171-179, 1998.
18. Lipiec J., Ha ta no R., Slowińska-Jurkicwicz A.: The fractal dimension ofpore distribulion pattern s in variously-compacted soi!. Soi! Tillage Res., 47,61-66, 1998.
19. Lipiec J., Usowicz B.: Spatial variability of penetration resistance of soi! at diiTcrent cornp ac-tion level. BibHotheca FragmentaAgronomica. t.2b, 423-426, 1997.
20. Malicki M.A.: Rellectometric (TOR) meter of moisture eontent in soils and other capil lary-porous matcrials. Zesz. Prob. Post. Nauk Roi., 388:107-114, 1990.
21. McBratney A.B., Webster R.: How many observations are needed for rcgional estimation of soi! properties. Soi! Sci., 135(3), 177-183, 1983.
22. Morcno F., Usowicz B., Fcrnandez J.E., Andreu L.: S patia! distribulion o f salinity and water eontent in thc rcclaimcd salt-affected soils of soulh-western Spain. Proc In t. Conf. "Wastewater
re-use in irrigated agriculture" 22-26 Septernber L 997, vol. IV, 83-93, Valcnzano (Sari), ltaly. 23. Pachcpsky Y.A., Korsumskaja L. P., Hajnos M.: Fractal parameters of soi! porc surface area
242 B. USOWICZ
24. Pachepsky Y.A., Polubesova T.A., Hajnos M., Józefaciuk G., Sokołowska Z.: Paramcters of
surface heterogencity from laboratary experimenls on soil degradation. Soił Sci. Soc. Am. J.. 59.
410-417, 1995.
25. Pachcpsky Y.A., Polubesova T.A., Hajnos M., Sokołowska Z., Józefaciuk G.: Fractal parar~eters
uf pore surface area as influcnccd by simulated soi! degradation. Soi! Sci. Soc. Am. J., 59, 68-75,
1995.
26. Pannatier Y.: V ariowin 2.1. Program for geostatistical analysis. Univcrsity of Lausannc, 1994.
27. Papritz A.J.: Estimating temporał changc ofsoil properties. PhD Thesis, Swiss Fedcral Institute
ol'Tcchnology Zurich, 166pp, 1993.
28. Patrykiejew A., Sokołowski S., Sokołowska Z.: On thc nonideality effccts in adsorption o f anions
in soils. lnt. Agrophysics, 3, 165-176, 1987.
29. Patrykiejew A., Sokołowski S., Sokołowska Z.: On the kinetics ofphosphate sorption by soils. lnt.
Agrophysics, 5, 13-25, 1989.
30. Pcrfcct E., Grocncvclt P. H., Kay B. D., Grant C. D.: Spatial variability of soi! penetrometer
measurcments at the mesoscopic scalc. Soi! Tillage Res., 16, 257-291, 1990.
31. Pcrfcct E., Kay B. D.: Application o f fi'actals in soi! and tillage research: a review. Soi l Tillage
Rcs., 36, 1-20, 1995.
32. Połubcsova T.A., Pachcpsky Y.A., Hajnos M., Józcfaciuk G., Sokołowska Z.: Comparison of
three tcchniques to assess surface heterogencity o f solids in soils. In t. Agrophysics, li, 189-198. 1997.
33. Rasiah V., Alymorc A. G.: Characterizing the changes in soi! porosity by computed tomography
and fractal dimension. Soi! Sci., 163, 203-211, 1998.
34. Rieu M., Sposito G.: Fractal fragmentation, soi! porosity, and soi! water properties. Soi l Sci. Soc.
Am. J., 55, 1231-1244, 1991.
35. Sokołowska Z.: Rola niejednorodności powierzchni w procesach adsorpcji zachodzących na
glebach. Problemy Agrofizyki 58, 1989.
3 6. Sokołowska Z.: On the role o f energetic and geometrie heterogencity in sorption o f wat er vapour by
soils. Gcoderma, 45, 251-265, 1989.
37. Sokolowska Z., Hajnos M., SokolowsiO S.: Effect of leaching of dissolved organie carbon on
fractal dimension of soils. 231-239, W: Fractals and Beyond: Complexities in the Science. Novak
M. M. (Ed.), World Sci. Pub. Co. Pte. Ltd., Singapore, New Jersey, London, HongKong, 1998.
38. Sokołowska Z., SokolowsiO S.: Teorie fraktaJne adsorpcji. Problemy Agrofizyki 55, 1988. 39. Sokołowska Z., Sokołowski S.: Water sorption in soils: The role of energetic and geometrie
heterogeneity. lnt. Agrophysics, 5, 247-254, 1989.
40. Sokołowska
z.,
Sokołowski S.: Influence of humic acid on suńace fractal dimension of kaolin:analysis o f mercury porosimetry and water adsorption data. Geoderma 88, 233-249, 1999.
41. Sokolowska Z., Stawi11ski J., Patrykiejcw A., Sokalowski S.: A note on fractał analysis of
adsorption process by soils and soi! minerals. Int. Agrophysics, S, 3-12, 1989.
42. Usowicz B., Kossowski J., Baranowski P.: Spatial variability of soi! thermal properties in
cultivated fields. Soi! Tillage Res., 39, 85-100, 1996.
43. Usowicz B.: Time and s pace variabili ty o f soi! thermal properties in cultivated fields. Proc. 16'" World Congress o f Soi! Science, Montpełli er, France, 20-26 August 1998, CD 253-t.pdf. 1-9.
ZASTOSOWANIE ANALIZY GEOSTATYSTYCZNEJ I TEORII FRAKTALI 243
44. Walczak R.: Struktura bilansu promieniowania i stosunki termiczno-wiJgonościowe gkby.
Sprawozdanie Grantu PB 1679/5/91, 1994.
45. Walczak R. Usowicz B.: Variability of moistun~. temperature and thermal properties in bare
soiland in crop field. lnt. Agrophysics, 8, 161-168,1994.
46. Webster R.: Quantitalive Spatial Analysis of Soil in the Field. Advances in Soil Science. 3: 1
-70, 1985.
47. Webster R., Burgcss T.M.: Sampling and bulking strategies for cstimating soi! propetties in
smali regions. J. Soil Sci., 35, 127-140, 1984.
APPLICA
TION OF GEOSTA TISTICAL ANAL
YSIS
AND FRACT AL
THEORY FOR THE INVESTIGATION OF
MOISTURE
DYNAMICS
IN SOlL
PROFILE OF CUL TIV A TED FIELD
lnstitute o f Agrophysics, Polish Acadcmy o f Scienccs
ul. Doświadczalna 4, 20-290 Lublin 27, Poland
S u m mary. Thc cslimation o f t he spalial-time variabili ty o f soi l moisture in field undcr plant
cover as comparcd to the moisturc variabili ty of barc soil has been performed using a gcostatistical
analysis and fractal dimensions. !t was shown, that the moislurc distribulion during spring-sununc:r
pc:riod in soi l profilc is dctcm1incd by rai n fali and plant cover. The dependence of thc soi l moisturc on time was establishcd and thc increasc of the autocorrelation radius with increasing dcpth was
found. Thc fractal dimension apparently decreased with depth in fields under plant covcr whercas in soi l without plants ils value did not undergo considerable changcs. It can be concludcd then, that thc
timc distribulion of soil moisturc in the soi l profilc without plants is more random than that with plan ts.