Tilastollisia käsitteitä ja työvälineitä maaperän spatiaalisen vaihtelun ymmärtämiseen

vellu parhaalla mahdollisella tavalla maaperän jatkuvanluonteisesti vaihtelevien ominaisuuksien tutkimiseen. Tässä artikkelissa esitellään esimerkkiaineiston avulla tilastollisia työvälineitä, joita voidaan hyödyntää maaperän tilavaihtelun tutkimisessa. Menetelmillä on jo varsin vakiintunut asema maaperätieteissä, mutta ne eivät ilmeisesti vielä ole kaikkialla saaneet osakseen ansaitsemaansa huomiota. Esiteltävät menetelmät perustuvat muuttujan vaihtelun spatiaalisen riippuvuuden tutkimiseen autokorrelaatiokerrointen sekä geostatistisen lähestymistavan avulla. Jälkimmäinen metodologia on erityisen hyödyllinen maaperätutkimuksessa. Siinä näytepisteiden eri etäisyysluokille laskettuihin semivariansseihin perustuva variogrammi mallitetaan, jolloin saadaan selkeä yhteenveto muuttujan tilavaihtelun luonteesta. Mallia käytetään hyväksi interpoloinnissa, jossa ennustetaan muuttujan arvoja näytepisteiden välialueille. Tuloksena saadaan muuttujan tilavaihtelua kuvaava kartta, jonka luotettavuutta on mahdollista arvioida objektiivisesti. Jälkimmäinen ominaisuus on erityisen arvokas paikkatietoon perustuvien maataloudellisten sovellutusten yleistyessä.Statistical concepts and tools for understanding the spatial variation of soil Traditional statistical methods are not ideal for studying continuously varying soil properties. With the aid of an example dataset, this article reviews statistical tools that are more useful in the study of soil spatial variation. The methods are well established in the soil sciences but they may not have attracted all the attention they deserve. The methods presented here are based on the study of spatial autocorrelation and on the application of geostatistics. The latter is particularly useful in soil studies. In geostatistical analyses, semivariances are calculated for different spatial lags, and the resulting variogram is modelled. The model, which provides a concise summary of a variable`s spatial continuity, is used in interpolating the values of the variable for unvisited sites. As a result, spatial variation can be presented as a smoothed map surface, the quality of which can be objectively evaluated. This property is of considerable value today with the increasing use made of agricultural applications based on spatial information.vokMK