Modelling and mapping of the spatial distribution of some plant nutrient contents of the soils in Sariseki-Dörtyol Region by geostatistical methods

Öz

In this study, it was aimed to determine some nutrient content of the soils in the agricultural lands between Sarıseki-Dörtyol (Hatay) and to model their distribution in the study area and to create maps. For this purpose, a total of 42 soil samples were taken from 0-30 cm depth according to the random sampling method to represent the soils in the research area. Geographical coordinate of the points where soil samples were taken were recorded using a global positioning device (GPS). Soil samples were analyzed for extractable sodium (Na), potassium (K), magnesium (Mg), calcium (Ca), available phosphorus (P), iron (Fe), copper (Cu), manganese (Mn) and zinc (Zn) Geostatistical methods were used to determine and map the local distribution of nutrient content of soils. It has been determined that the distribution of the fertility-related properties of the soils in the study area varies within quite different limits. The minimum-maximum Na, K, Mg, Ca, P, Fe, Cu, Mg and Zn contents of the soils are 12.50 - 145.56, 43.65 - 587.44, 1403.53 - 6578.25, 314.09 - 2514.97, 0.20-170.36, 3.27 – 50.33, 0.56 – 37.62, 9.89 – 93.35 ve 1.53 – 74.16 mg kg-1, respectively. Among the nutrients, the lowest coefficient of variation (VK) was determined in Mg contents (35.7%), while the highest VK value was determined in phosphorus values (133.3%). The most suitable semivariogram model is spherical for K, Cu and Zn; Gaussian for Na, Ca, Mg, P and Mn and exponential for Fe. Except for iron (Fe), all of the other micronutrient elements were found to be at sufficient levels in the soil. Finally, it was determined that the Ca and Mg contents, which are macronutrients, were at sufficient levels in all the soils of the study area.

Anahtar Kelimeler

• Sarıseki-Dörtyol district
• soil
• nutritients
• geostatistics
• mapping
• kriging

Sarıseki-Dörtyol Bölgesinde yer alan toprakların bazı besin element içeriklerinin yersel dağılımımın jeoistatistiksel yöntemlerle modellenmesi ve haritalanması

Öz

Toprak özelliklerinin bilinmesi, hem tarımın sürdürülebilirliği hem de çevre koruma açısından son derece önemlidir. Bu çalışmada, Sarıseki-Dörtyol (Hatay) arasında kalan tarım arazilerdeki toprakların bazı besin elementi içeriklerinin belirlenmesi ve dağılımlarının modellenerek haritalarının oluşturulması amaçlanmıştır. Bu amaçla, araştırma alanındaki toprakları temsil edecek şekilde rastgele örnekleme yöntemine göre 0-30 cm derinlikten toplam 42 adet bozulmuş toprak örneği alınmıştır. Toprak örneklerinin alındığı noktaların coğrafi koordinatları küresel konumlama cihazı (GPS) kullanılarak kayıt edilmiştir. Toprak örneklerinde, ekstrakte edilebilir sodyum (Na), potasyum (K), magnezyum (Mg), kalsiyum (Ca), alınabilir fosfor (P), demir (Fe), bakır (Cu), mangan (Mn) ve çinko (Zn) analizleri yapılmıştır. Toprakların besin element içeriklerinin yersel dağılımının belirlenmesi ve haritalanmasında jeoistatistiksel yöntemler kullanılmıştır. Araştırma sonuçlarına göre çalışma alanındaki toprakların verimlilik ile ilgili özelliklerinin dağılımlarının oldukça farklı sınırlar içinde değiştiği belirlenmiştir. Toprakların en düşük-en yüksek Na, K, Mg, Ca, P, Fe, Cu, Mg ve Zn içerikleri sırasıyla, 12.50 - 145.56, 43.65 - 587.44, 1403.53 - 6578.25, 314.09 - 2514.97, 0.20-170.36, 3.27 – 50.33, 0.56 – 37.62, 9.89 – 93.35 ve 1.53 – 74.16 mg kg-1 arasında değişmiştir. Besin elementleri içerisinde en düşük varyasyon katsayısı (VK) Mg içeriklerinde (%35.7), en yüksek VK değeri ise fosfor değerlerinde (%133.3) belirlenmiştir. En uygun yarıvariyogram modeli; K, Cu ve Zn için küresel; Na, Ca, Mg, P ve Mn için Gaussian, Fe için ise üssel olarak belirlenmiştir. Demir (Fe) dışında diğer tüm mikro besin elementlerinin toprakta yeterli düzeyde olduğu görülmüştür. Yine, makro besin elementlerinden Ca ve Mg içeriklerinin çalışma alanındaki tüm topraklarda yeterli düzeyde olduğu belirlenmiştir.

Anahtar Kelimeler

• Sarıseki-Dörtyol bölgesi
• Toprak
• Besin elementleri
• Jeoistatistik
• Haritalama
• Kriging

Kaynakça

1. Ağca, N. 2015. Spatial distribution of heavy metal content in soils around an industrial area in Southern Turkey. Arab J Geosci. 8:1111–1123.
2. Ağca N, Özdel E, 2014. Asssessment of spatial distrubition and possible sources of heavy metals in the soils of Sariseki-Dörtyol District in Hatay Province (Turkey). Environmental Earth Sciences, 71(3): 1033-1047.
3. Aishah AW, Zauyah S, Anuar, AR, Fauziahalaysian CI, 2010. Spatial variability of selected chemical characteristics of paddy soils in Sawah Sempadan, Selangor, Malaysia. Journal of Soil Science. 14: 27-39.
4. Anonim, 2004. Hatay ili Tarım master planı. Tarım ve Köyişleri Bakanlığı Araştırma Planlama ve Koordinasyon Kurulu Başkanlığı Hatay Tarım İl Müdürlüğü. 232 s. Hatay.
5. Anonim, 2018. http://www.mta.gov.tr/v2.0/bolgeler/adana/bolgesel-jeoloji/jeoloji-hatay-2.pdf
6. Aşkın T, Türkmen F, Tarakçıoğlu C, Kulaç S, Aygün S, 2017. DTPA-extractable micronutrients: a geostatistical study from Ordu, Turkey. Eurasian J Soil Sci. 6 (2):154 – 160.
7. Aydın G, Kurucu Y, Öztürk H.S, Demiral MA, Kızılkaya K, Atanır L, Yorulmaz A, Eylül MAK, 2008. Near – Infrared (NIR) yansıma tekniği kullanılarak söke ovası (aydın) topraklarının bazı fiziksel ve kimyasal özelliklerinin belirlenebilirliği üzerine bir araştırma. Tübitak Projesi, Proje No: 106O208 2008. 155 s. Ankara.
8. Banwasi R, Singh SK, Kumar N, Sahu KK, 2020. Assessing the accuracy of geostatistical techniques for mapping soil macronutrients on basaltic landscape of central India. International Journal of Chemical Studies. 8(1): 1014-101. DOI: https://doi.org/10.22271/chemi.2020.v8.i1m.8379.

9. Dharumarajan S, Lalith M, Niranjana KV, Hegde R, 2022. Evaluation of digital soil mapping approach for predicting soil fertility parameters—a case study from Karnataka Plateau, India. Arabian Journal of Geosciences. 15: 386.
10. Dongare, V.T., Reddy, G.P. O., Kharche, V.K., Ramteke, I.K. 2022. Spatial variability of soil nutrients under sugarcane cropping system in semi-arid tropics of western India using geostatistics and GIS .Journal of Soil and Water Conservation 21(1): 67-75. DOI: 10.5958/2455-7145.2022.00008.X
11. FAO, 1990. Micronutrient, assessment at the country level: an International study. FAO Soil Bulletin by Sillanpaa. Rome.
12. Günal HF, Akbaş E, Özgöz A, Ünlükara H, Yıldız A, Kurunç A, Çetin A, Erşahin S, 2008. Kazova’da sürdürülebilir tarımsal üretim için gerekli güncel veri tabanının oluşturulması. TÜBİTAK Projesi Raporu, TOVAG 105.
13. Helmke PA, Sparks DL, 1996. Lithium, sodium, potassium, rubidium, and cesium. (D.L. Sparks, editör). Methods of Soil Analysis, part:3, Chemical methods. Number 5 in the Soil Science Society of America Book Series. 551-574. Soil Science Society of America, Inc. Madison Wisconsin, USA.
14. Isaaks, HE, Srivastava RM, 1989. Applied geostatistics. Oxfort University press, Inc. 561 p.
15. Khadka D, Lamichhane S, Giri RK, Chalise B, Amgain R, Sushila Joshi S, 2020. Geostatistical based soil fertility mapping of Horticultural Research Station, Rajikot, Jumla, Nepal. Journal of Agriculture and Natural Resources. 3(2): 257-275.
16. Laekemariama F, Kibretb K, Mamoc T, Hailu Shiferaw H, 2018. Accounting spatial variability of soil properties and mapping fertilizer types using geostatistics in Southern Ethiopia. Communications in Soıl Scıence and Plant Analysis. 49 (1): 124–137. https://doi.org/10.1080/00103624.2017.142165
17. Lindsay W, Norwell, W A, 1978. Development of DTPA soil test for zinc, iron, manganese and copper. Soil Science Society America Journal. 42:421-428.
18. Li C, Wang X, Qin M, 2021. Spatial variability of soil nutrients in seasonal rivers: A case study from the Guo River Basin, China. Plos One. 16(3): e0248655.
19. Liu W, Su Y, Yang R, Yang Q, Fan G, 2011. Temporal and spatial variability of soil organic matter and total nitrogen in a typical oasis cropland ecosystem in arid region of Northwest China. Environ Earth Sci. 64:2247–2257.
20. Olsen SR, Cole V, Watanabe FS, Dean LA, 1954. Estimation of available phosphorus in soil by extraction sodium bicarbonate, USDA.
21. Öztaş T, 1995. Jeoistatistiğin toprak bilimindeki önemi ve uygulanışı. İ. Akalan Toprak ve Çevre Sempozyumu Bildiriler kitabı. I:271-280, Ankara.
22. Özden N, Sökmen Ö, Uslu İ, Aras S, 2022. Manisa ili tarım topraklarının verimlilik durumları ile mikro element kapsamlarının belirlenerek haritalanması. Anadolu. J. of AARI, 32 (2): 228-241. DOI: 10.18615/anadolu.1225168
23. Sharma RP, Chattaraja S, Vasua D, Karthikeyana K, Tiwarya P, Naitama R K, Dasha B, Tiwaria G, Jangira A, Daripaa A, Singhb S K, Anantwara SG, Nimkar A M, 2020. Spatial variability assessment of soil fertility in black soils of central India using geostatistical modelling. Archives of Agronomy and Soil Science, https://doi.org/10.1080/03650340.2020.176667.
24. Sharmaa R, Sood, K, 2020. Characterization of spatial variability of soil parameters in apple orchards of Himalayan region using geostatistical analysis. Communicatıons in Soil Science and Plant Analysıs. https://doi.org/10.1080/00103624.2020.174463.
25. Suarez DL, 1996. Beryllium, magnesium, calcium, strontium, and barium. (D.L. Sparks, editor). Methods of Soil Analysis, part:3, Chemical methods. Number 5 in the Soil Science Society of America Book Series. 575-602. Soil Science Society of America, Inc. Madison Wisconsin, USA.
26. Tagore G S, Sethya S K, Kulharea P S, Sharma GD, 2023. Characterization of Spatial Variability of Micro Nutrients in Soils: Classical Vs. Geo-Statistical Approach. Communications in Soil Science and Plant Analysis. 54 (4):472–487. https://doi.org/10.1080/00103624.2022.2118292.
27. Tepecik M, Özen F, Bolca B, Kayıkçıoğlu HH, İlbi H, Erdoğan Bayram S, 2022. Menemen ovası entisol topraklarının verimlilik durumlarının belirlenmesi ve haritalarının oluşturulması. Anadolu, J. of AARI. 32 (2): 143-160. DOI: 10.18615/anadolu.122337
28. Zhou HH, Chen YN, Li WH, 2010. Soil properties and their spatial pattern in an oasis on the tarim river, northwest China. Agricultural Water Management. 97(11): 1915-1922.