Digital mapping of the organic matter content of chernozem soils on an area endangered by erosion in the Mez?föld region;Csernozjom talajok szervesanyag-tartalmának digitális térképezése erózióval veszélyeztetett mezoföldi területen

Agrokemia es Talajtan

Volumn 62, Issue 1, 2013, Pages 47-60

  Szatmári, Gábor ^a   Barta, Károly ^a  

^a UNIVERSITY OF SZEGED   (Hungary)

Author keywords

[No Author keywords available]

Indexed keywords

EID: 84891928207     PISSN: 00021873     EISSN: 15882713     Source Type: Journal    
DOI: 10.1556/Agrokem.62.2013.1.4     Document Type: Article

References (20)

1. Dobos, E., Micheli, E. & Montanarella, L., 2007. The population of a 500-m resolution soil organic matter spatial information system for Hungary. In: Developments in Soil Science. Vol. 31. (Eds.: Lagacherie, P., McBratney, A. B. & Voltz, M.) 487-495. Elsevier B.V. Amsterdam.
2. Dövényi Z. (szerk.), 2010. Magyarország kistájainak katasztere. MTA Földrajztudományi Kutatóintézet. Budapest.
3. Eldeiry, A. & Garcia, L. A., 2010. Comparison of ordinary kriging, regression kriging, and cokriging techniques to estimate soil salinity using LANDSAT images. ASCE Journal of Irrigation and Drainage. 136. 355-364.
4. Farsang A., Kitka G. & Barta K., 2011. Mezogazdaságilag hasznosított kisvízgyujtok talajerózióhoz kötodo elemdinamikája. Talajvédelem különszá m. Talajtani Vándorgyulés, Szeged, 2010. szeptember 3-4. 339-349. Talajvédelmi Alapítvány. Budapest.
5. Geiger J., 2007. Geomatematika. JATEPress Kiadó. Szeged.
6. Hengl, T., 2006. Finding the right pixel size. Computers & Geosciences. 32. 1283-1298.
7. nd ed.) University of Amsterdam. Amsterdam.
8. Hengl, T., Heuvelink, G. B. M. & Stein, A., 2003. Comparison of kriging with external drift and regression-kriging. Technical note. ITC. Enschede.
9. Hengl, T., Heuvelink, G. B. M. & Stein, A., 2004. A generic framework for spatial prediction of soil variables based on regression-kriging. Geoderma. 122. 75-93.
10. Kalivas, D. P., Triantakonstantis, D. P. & Kollias, V. J., 2002. Spatial prediction of two soil properties using topographic information. GLOBAL NEST: the International Journal. 4. 41-49.
11. Marchetti, A. et al., 2010. Estimating soil organic matter content by regression kriging. In: Digital Soil Mapping, Progress in Soil Science 2. (Eds.: Boettinger, J. L. et al.) 241-254. Springer Science+Business Media B.V. New York.
12. McBratney, A. B., Mendonça Santos, M. L. & Minasny, B., 2003. On digital soil mapping. Geoderma. 117. 3-52.
13. Minasny, B. & McBratney, A. B., 2007. Spatial prediction of soil properties using EBLUP with the Matérn covariance function. Geoderma. 140. 324-336.
14. Mishra, U. et al., 2012. Improving regional soil carbon inventories: Combining the IPCC carbon inventory method with regression kriging. Geoderma. 189-190. 288-295.
15. Odeh, I. O. A., McBratney, A. B. & Chittleborough, D. J., 1995. Further results on prediction of soil properties from terrain attributes: heterotopic cokriging and regression-kriging. Geoderma. 67. 215-226.
16. Simbahan, G. C. et al., 2006. Fine-resolution mapping of soil organic carbon based on multivariate secondary data. Geoderma. 132. 471-489.
17. Sisák I. & Pocze T., 2011. A talaj fizikai féleségére vonatkozó adatok harmonizá lása egy Balaton környéki mintaterületen. Agrokémia és Talajtan. 60. 259-272.
18. Szabó J., Pásztor L. & Bakacsi Zs., 2005. Egy országos, átnézetes, térbeli talajinformá ciós rendszer kiépítésének igénye, lehetoségei és lépései. Agrokémia és Talajtan. 54. 41-58.
19. Wischmeier, W. H. & Smith, D. D., 1978. Predicting Rainfall Erosion Losses: A Guide to Conservation Planning. Agriculture Handbook No. 537. US Government Printing Office. Washington, D. C.
20. Zhang, S. et al., 2012. Spatial prediction of soil organic matter using terrain indices and categorical variables as auxiliary information. Geoderma. 171-172. 35-43.