View More View Less
  • 1 Talajtani és Agrokémiai Intézet, 1022 Budapest, Herman Ottó út 15, Hungary
Restricted access

Purchase article

USD  $25.00

1 year subscription (Individual Only)

USD  $184.00

Az 1980-as évek elejétől kezdődően a geostatisztikai módszerek és a regio-nalizált változók elmélete egyre szélesebb körben került felhasználásra a talajtérké-pezésben, illetve a tágabb értelemben vett talajtani kutatásokban. Ez annak tulajdo-nítható, hogy a talaj ideális médium a geostatisztika megközelítéseire, mely a talaj-tanos szakemberek részéről számos elméleti, illetve gyakorlati fejlesztést eredmé-nyezett, mint például a nem normál eloszlások kezelhetősége, a nem stacionárius valószínűségi függvények, illetve a lokális és térbeli bizonytalanság értékelése. A talajtérképezés szemlélete és gyakorlata drasztikusan megváltozott a geostatisz-tikának köszönhetően, hisz számos talajtulajdonság térbeli változékonysága mutat folytonosságot a térben (és időben egyaránt), mely a geostatisztika megközelítései-vel sikeresen modellezhető. Napjaink digitális talajtérképezése nagymértékben támaszkodik a geostatisztika nyújtotta lehetőségekre, melyre számos hazai és nem-zetközi példát találunk.

Dolgozatunk legfőbb célja az volt, hogy bemutassuk, miként is változott a talaj-térképezés szemlélete és gyakorlata az 1980-as évektől egészen napjainkig illetve, hogy miként is adaptálták a geostatisztikai megfontolásokat és a regionalizált válto-zók elméletét a talajtérképezésben, illetve a tágabb értelemben vett talajtani kutatá-sokban. Emellett bemutattuk a térinformatikai szoftverek potenciálját a geosta-tisztikai elemzésekben és a talajtulajdonságok digitális térképezésében. Ugyanakkor rámutattunk arra is, hogy a térinformatikai eszköztárak nem megfelelő használata téves eredményre és következtetésre vezethet, melynek oka lehet a mögöttes kon-cepciók ismeretének a hiánya, illetve bizonyos félreértelmezések. Ezért munkánk-ban bemutattunk néhány fontosabb fogalmat (például: a stacionaritást), mely elen-gedhetetlen kelléke a geostatisztikai modellalkotásnak, ugyanakkor számos félreér-telmezés okozója is. Továbbá rávilágítottunk a feltáró variográfia szerepére, illetve az azt kiegészítő szakmai ismeretek fontosságára, melyek segítségével a geostatisztika hasznos eszköze lesz a talajban lejátszódó jelenségek térbeli modelle-zésének és megértésének.

Munkánkat a K105167 OTKA pályázat támogatta.

  • BAXTER, S. J. & OLIVER, M. A., 2005. The spatial prediction of soil mineral N andpotentially available N using elevation. Geoderma. 128. 325339.

    • Search Google Scholar
    • Export Citation
  • BÁRDOSSY, GY. , 2006. Geologic and geostatistical evaluation of spatial variability. Acta Geologica Hungarica. 49. 89101.

  • BOURENNANE, H. & KING, D., 2003. Using multiple external drifts to estimate a soil variable. Geoderma. 114. 118.

  • BOURENNANE, H., DÉRE, CH., LAMY, I., CORNU, S., BAIZE, D., VAN OORT, F. & KING, D., 2006. Enhancing spatial estimates of metal pollutants in raw wastewater irri-gated fields using a topsoil organic carbon map predicted from aerial photo-graph. Science of the Total Environment. 361. 229248.

    • Search Google Scholar
    • Export Citation
  • BURGESS, T. M. & WEBSTER, R., 1980a. Optimal interpolation and isarithmic mapping of soil properties. I. The semivariogram and punctual kriging. Journal of Soil Science. 31. 315331.

    • Search Google Scholar
    • Export Citation
  • BURGESS, T. M. & WEBSTER, R., 1980b. Optimal interpolation and isarithmic mapping of soil properties. II. Block kriging. Journal of Soil Science. 31. 333341.

    • Search Google Scholar
    • Export Citation
  • CRESSIE, N., 1990. The origins of kriging. Mathematical Geology. 22. 239252.

  • CRESSIE, N., 1993. Statistics for Spatial Data (Revised Ed.). John Wiley and Sons, Inc. New York.

  • CSILLAG, F. & KERTÉSZ, M., 1989. Spatial variability: Error in natural resource maps? Agrokémia és Talajtan. 38. 715726.

  • CSILLAG, F., KERTÉSZ, M. & KUMMERT, Á., 1996. Sampling and mapping of hetero-geneous surfaces: Multi-resolution tiling adjusted to spatial variability.Geographical Information Systems. 10. 851875.

  • CSILLAG, F., KUMMERT, Á. & KERTÉSZ, M., 1992. Resolution, accuracy and attributes: Approaches for environmental geographical information systems. Computers, Environment and Urban Systems. 16. 289297.

    • Search Google Scholar
    • Export Citation
  • DEUTSCH, C. V. & JOURNEL, A. G., 1998. GSLIB: Geostatistical Software Library and User’s Guide. Oxford University Press. New York.

  • DOBAI A. , HOLNDONNER P. & DOBOS E., 2012. Egy digitális talajtérképezési módszer-tan bemutatása meglévo adatbázisok felhasználásával egy választott min-taterületen. In: Az elmélet és a gyakorlat találkozása a térinformatikában III. (Ed.: LÓKI J.) 135142. Debreceni Egyetemi Kiadó. Debrecen.

    • Search Google Scholar
    • Export Citation
  • DOBOS, E., CARRÉ, F., HENGL, T., REUTER, H.I. & TÓTH, G., 2006. Digital Soil Map-ping as a support to production of functional maps. Office for Official Publica-tions of the European Communities. Luxembourg.

    • Search Google Scholar
    • Export Citation
  • DOBOS, E., MICHELI, E. & MONTANARELLA, L., 2007. The population of a 500-m resolution soil organic matter spatial information system for Hungary. In: Digital Soil Mapping: An Introductory Perspective (Eds.: LAGACHERIE, P., MCBRATNEY, A. B. & VOLTZ, M.) 487495. Elsevier. Amsterdam.

    • Search Google Scholar
    • Export Citation
  • FARKAS, CS., RAJKAI, K., KERTÉSZ, M., BAKACSI, ZS. & MEIRVENNE, M., 2008. Spatial variability of soil hydro-physical properties: A case study inHerceghalom, Hungary. In: Soil Geography and Geostatistics: Concepts andApplications (Eds.: KRASILNIKOV, P., CARRÉ, F. & MONTANARELLA, L.) 107128. Office for Official Publications of the European Communities. Luxem-bourg.

    • Search Google Scholar
    • Export Citation
  • FÜST, A., 1981. Bányászati geometriai és geostatisztikai összefoglaló (tanszéki segédlet). NME kiadvány. Miskolc.

  • FÜST, A. & GEIGER, J., 2010. Monitoringtervezés és –értékelés geostatisztikai módsz-erekkel I.: Szakértoi véleményen alapuló, „igazoló” mintázás geostatisztikai támogatása. Földtani Közlöny. 140. 303312.

    • Search Google Scholar
    • Export Citation
  • GANDIN, L.S., 1965. Objective Analysis of Meteorological Fields (Translated from the Russian). Israel Program for Scientific Translations. Jerusalem.

    • Search Google Scholar
    • Export Citation
  • GEIGER, J., 2006a. Geostatisztika (kézirat). Szegedi Tudományegyetem Földtani és Oslénytani Tanszék. Szeged.

  • GEIGER, J., 2006b. Szekvenciális gaussi szimuláció az övzátonytestek kisléptéku het-erogenitásának modellezésében. Földtani Közlöny. 136. 527546.

    • Search Google Scholar
    • Export Citation
  • GEIGER, J., 2007. Geomatematika. JATEPress. Szeged.

  • GEIGER, J., 2012. Some thoughts on the pre- and post-processing in sequential gaus-sian simulation and their effects on reservoir characterization. In: New Horizons in Central European Geomathematics, Geostatistics and Geoinformatics (Eds.: GEIGER, J., PÁL-MOLNÁR, E. & MALVIC, T.) 1734. GeoLitera. Szeged.

    • Search Google Scholar
    • Export Citation
  • GOOVAERTS, P., 1997. Geostatistics for Natural Resources Evaluation. Oxford Uni-versity Press. New York.

  • GOOVAERTS, P., 1999a. Geostatistics in soil science: state-of-the-art and perspectives. Geoderma. 89. 145.

  • GOOVAERTS, P., 1999b. Using elevation to aid the geostatistical mapping of rainfall erosivity. Catena. 34. 227242.

  • GOOVAERTS, P., 2001. Geostatistical modelling of uncertainty in soil science.Geoderma. 103. 326.

  • GOOVAERTS, P., 2009. Geostatistical Software. In: Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications (Eds.: FISHER, M. M. & GETIS, A.) 125134. Springer. Berlin.

    • Search Google Scholar
    • Export Citation
  • GRINGARTEN, E. & DEUTSCH, C. V., 2001. Teacher’s aide: Variogram interpretation and modeling. Mathematical Geology. 33. 507534.

  • HÄGERSTRAND, T., 1965. A Monte Carlo approach to diffusion. Européenes de Sociologie. 6. 4367.

  • HENGL, T., 2003. Pedometric mapping: Bridging the gaps between conventional and pedometric approaches (Ph.D. Thesis). Wageningen University. Wageningen.

    • Search Google Scholar
    • Export Citation
  • HENGL, T., 2009. A Practical Guide to Geostatistical Mapping (2nd Ed.). University of Amsterdam. Amsterdam.

  • HENGL, T., HEUVELINK, G. B. M. & ROSSITER, D. G., 2007. About regression-kriging: From equations to case studies. Computers & Geosciences. 33. 13011315.

    • Search Google Scholar
    • Export Citation
  • HENGL, T., HEUVELINK, G. B. M. & STEIN, A., 2004. A generic framework for spatial prediction of soil variables based on regesssion-kriging. Geoderma. 120. 7593.

    • Search Google Scholar
    • Export Citation
  • HEUVELINK, G. B. M., 2014. Uncertainty quantification of GlobalSoilMap products. In: GlobalSoilMap: Basis of the Global Spatial Soil Information System (Eds.: ARROUAYS, D., MCKENZIE, N., HEMPEL, J., RICHER DE FORGES, A. & MCBRATNEY, A. B.) 335340. Taylor & Francis Group. London.

    • Search Google Scholar
    • Export Citation
  • HEUVELINK, G. B. M. & WEBSTER, R., 2001. Modelling soil variation: past, present, and future. Geoderma. 100. 269301.

  • ILLÉS G. , KOVÁCS G. & HEIL B., 2011. Nagyfelbontású digitális talajtérképezés a Vaskereszt erdorezervátumban. Erdészettudományi Közlemények. 1. 2943.

    • Search Google Scholar
    • Export Citation
  • ISAAKS, E. H. & SRIVASTAVA, R. M., 1989. An Introduction to Applied Geostatistics. Oxford University Press. New York.

  • JENNY, H., 1941. Factors of Soil Formation. McGraw-Hill. New York.

  • JOURNEL, A. G., 1986. Geostatistics: Models and tools for the earth sciences. Mathe-matical Geology. 18. 119140.

  • JOURNEL, A. G. & HUIJBREGTS, CH. J., 1978. Mining Geostatistics. Academic Press. New York.

  • JOURNEL, A. G. & ROSSI, M. E., 1989. When do we need a trend model in kriging? Mathematical Geology. 21. 715739.

  • KEMPEN, B., 2011. Updating soil information with digital soil mapping (Ph.D. Thesis). Wageningen University. Wageningen.

  • KEMPEN, B., HEUVELINK, G. B. M., BRUS, D. J. & WALVOORT, D. J. J., 2014. Towards GlobalSoilMap.net products for The Netherlands. In: GlobalSoilMap: Basis of the Global Spatial Soil Information System (Eds.: ARROUAYS, D., MCKENZIE, N., HEMPEL, J., RICHER DE FORGES, A. & MCBRATNEY, A. B.) 8590. Taylor & Francis Group. London.

    • Search Google Scholar
    • Export Citation
  • KOHÁN, B. & SZALAI, J., 2014. Spatial analysis of groundwater level monitoring net-work in the Danube-Tisza Interfluve using semivariograms. HungarianGeographical Bulletin. 63. 379400.

    • Search Google Scholar
    • Export Citation
  • KRIGE, D. G., 1951. A statistical approach to some basic mine valuation problems on the Witwatersrand. Journal of the Chemical, Metallurgical and Mining Society of South Africa. 52. 119139.

    • Search Google Scholar
    • Export Citation
  • KRIGE, D. G., 1960. On the departure of ore value distributions from the lognormal model in South African gold mines. Journal of the South African Institute of Mining and Metallurgy. 61. 231244.

    • Search Google Scholar
    • Export Citation
  • LARK, R. M., 2012. Towards soil geostatistics. Spatial Statistics. 1. 9299.

  • MATÉRN, B., 1960. Spatial Variation. Reports of the Forest Research Institute ofSweden (Meddelanden från Statens Skogforskningsinstitut). 49.

    • Search Google Scholar
    • Export Citation
  • MATHERON, G., 1963. Principles of geostatistics. Economic Geology. 58. 12461266.

  • MATHERON, G., 1971. The Theory of Regionalized Variables and Its Applications. École Nationale Supérieure des Mines de Paris. Párizs.

    • Search Google Scholar
    • Export Citation
  • MCBRATNEY, A. B., ODEH, I. O. A., BISHOP, T. F. A., DUNBAR, M. S. & SHATAR, T. M., 2000. An overview of pedometric techniques for use in soilsurvey. Geoderma. 97. 293327.

    • Search Google Scholar
    • Export Citation
  • MCBRATNEY, A. B., MENDONCA-SANTOS, M. L. & MINASNY, B., 2003. On digital soil mapping. Geoderma. 117. 352.

  • MCBRATNEY, A. B. & WEBSTER, R., 1983. Optimal interpolation and isarithmic map-ping of soil properties: V. Co-regionalization and multiple sampling strategy. Journal of Soil Science. 34. 137162.

    • Search Google Scholar
    • Export Citation
  • MEUL, M. & VAN MEIRVENNE, M., 2003. Kriging soil texture under different types of nonstationarity. Geoderma. 112. 217233.

  • MINASNY, B. & MCBRATNEY, A. B., 2007. Spatial prediction of soil properties using EBLUP with the Matérn covariance function. Geoderma. 140. 324336.

    • Search Google Scholar
    • Export Citation
  • MINASNY, B., VRUGT, J. A. & MCBRATNEY, A. B., 2011. Confronting uncertainty in model-based geostatistics using Markov Chain Monte Carlo simulation.Geoderma. 163. 150162.

  • MYERS, D. E., 1989. To be or not to be… Stationary? That is the question. Mathe-matical Geology. 21. 347362.

  • NAGY I. & TAMÁS J., 2005. Cukorrépa (Beta vulgaris L.) termelési kvóták den-zitásának optimalizálása pontszeru geostatisztikai módszerekkel. Agrártu-dományi Közlemények. 18. 4650.

    • Search Google Scholar
    • Export Citation
  • ODEH, I. O. A., MCBRATNEY, A. B. & CHITTLEBOROUGH, D. J., 1994. Spatial predic-tion of soil properties from landform attributes derived from a digital elevation model. Geoderma. 63. 197214.

    • Search Google Scholar
    • Export Citation
  • 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. 215226.

    • Search Google Scholar
    • Export Citation
  • OERTLI, J. J. & RAJKAI, K., 1988. Spatial variability of soil properties and plant cover-age on alkali soils of the Hungarian Puszta. In: Proc. of the International Sympo-sium on Solonetz Soil: Problems, Properties, Utilization (Eds.: ADAM, M., SZABOLCS, I., MILJKOVIC, N. & PLAMENAC, N.) 156161. Yugoslav Society of Soil Science. Osijek.

    • Search Google Scholar
    • Export Citation
  • OLIVER, M. A. & WEBSTER, R., 2014. A tutorial guide to geostatistics: Computing and modelling variograms and kriging. Catena. 113. 5669.

    • Search Google Scholar
    • Export Citation
  • OLIVER, M. A. & WEBSTER, R., 2015. Basic Steps in Geostatistics: The Variogram and Kriging. Springer. Cham.

  • PANNATIER, Y., 1996. Variowin: Software for Spatial Data Analysis in 2D. Springer. New York.

  • PÁSZTOR L. , BAKACSI ZS., LABORCZI A. & SZABÓ J., 2013. Kategória típusú tala-jtérképek térbeli felbontásának javítása kiegészíto talajtani adatok és adat-bányászati módszerek segítségével. Agrokémia és Talajtan. 62. 205218.

    • Search Google Scholar
    • Export Citation
  • PÁSZTOR, L., LABORCZI, A., TAKÁCS, K., SZATMÁRI, G., DOBOS, E., ILLÉS, G., BAKACSI, ZS. & SZABÓ, J., 2015. Compilation of novel and renewed, goaloriented digital soil maps using geostatistical and data mining tools. Hungarian Geographical Bulletin. 64. 4964.

    • Search Google Scholar
    • Export Citation
  • PÁSZTOR, L., SZABÓ, J. & BAKACSI, ZS., 2010. Application of the Digital Kreybig Soil Information System for the delineation of naturally handicapped areas in Hungary. Agrokémia és Talajtan. 59. 4756.

    • Search Google Scholar
    • Export Citation
  • PÁSZTOR, L., SZABÓ, J., BAKACSI, ZS., LABORCZI, A., DOBOS, E., ILLÉS, G. & SZATMÁRI, G., 2014. Elaboration of novel, countrywide maps for the satisfaction of recent demands on spatial, soil related information in Hungary. In: Global-SoilMap: Basis of the Global Spatial Soil Information System (Eds.: ARROUAYS, D., MCKENZIE, N., HEMPEL, J., RICHER DE FORGES, A. & MCBRATNEY, A. B.) 207212. Taylor & Francis Group. London.

    • Search Google Scholar
    • Export Citation
  • PÁSZTOR, L., SZABÓ, K. ZS., SZATMÁRI, G., LABORCZI, A. & HORVÁTH, Á., 2016. Mapping geogenic radon potential by regression kriging. Science of the Total Environment. 12. 883891.

    • Search Google Scholar
    • Export Citation
  • POGGIO, L. & GIMONA, A., 2014. National scale 3D modelling of soil organic carbon stocks with uncertainty propagation –An example from Scotland. Geoderma. 232–234. 284299.

    • Search Google Scholar
    • Export Citation
  • POGGIO, L., GIMONA, A. & BREWER, M., 2013. Regional scale mapping of soil proper-ties and their uncertainty with a large number of satellite-derived covariates.Geoderma. 209–210. 114.

  • POGGIO, L., GIMONA, A., BROWN, I. & CASTELLAZZI, M., 2010. Soil available water capacity interpolation and spatial uncertainty modelling at multiple geographical extents. Geoderma. 160. 175188.

    • Search Google Scholar
    • Export Citation
  • PYRCZ, M. J. & DEUTSCH, C.V., 2014. Geostatistical Reservoir Modeling. Oxford University Press. New York.

  • RAJKAI, K., 2001. Modellezés és modellhasználat a talajtani kutatásban (Szemle). Agrokémia és Talajtan. 50. 469508.

  • RAJKAI, K., MARCHAND, D. & OERTLI, J. J., 1988. Study of the Spatial Variability of Soil properties on Alkali Soils. In: Proc. of the International Symposium onSolonetz Soil: Problems, Properties, Utilization (Eds.: ADAM, M., SZABOLCS, I., MILJKOVIC, N. & PLAMENAC, N.) 150155. Yugoslav Society of Soil Science. Osijek.

    • Search Google Scholar
    • Export Citation
  • RAKONCZAI, J. & FEHÉR, ZS., 2015. A klímaváltozás szerepe az Alföld talajvíz-készleteinek idobeli változásaiban. Hidrológiai Közlemények. 95. 115.

    • Search Google Scholar
    • Export Citation
  • ROSSI, M. E. & DEUTSCH, C. V., 2014. Mineral Resource Estimation. Springer. Dordrecht.

  • SIMBAHAN, G. C., DOBERMANN, A., GOOVAERTS, P., PING, J. & HADDIX, M. L., 2006. Fine-resolution mapping of soil organic carbon based on multivariate secondary data. Geoderma. 132. 471489.

    • Search Google Scholar
    • Export Citation
  • SZALÓKI A. & SOMODI ZS., 2014. Talajok nehézfémtartalmának heterogenitás-vizsgálata geostatisztikai módszerek segítségével. In: Az elmélet és a gyakorlat találkozása a térinformatikában V. (Ed.: BALÁZS, B.) 359368. Debreceni Egyetemi Kiadó. Debrecen.

    • Search Google Scholar
    • Export Citation
  • SZATMÁRI G. & BARTA K., 2013. Csernozjom talajok szervesanyag-tartalmának digitális térképezése erózióval veszélyeztetett mezoföldi területen. Agrokémia és Talajtan. 62. 4760.

    • Search Google Scholar
    • Export Citation
  • SZATMÁRI, G., BARTA, K., FARSANG, A. & PÁSZTOR, L., 2015a. Testing a sequential stochastic simulation method based on regression kriging in a catchment area in Southern Hungary. Geologia Croatica. 68. 273283.

    • Search Google Scholar
    • Export Citation
  • SZATMÁRI, G., BARTA, K. & PÁSZTOR, L., 2015b. An application of a spatial simulated annealing sampling optimization algorithm to support digital soil mapping.Hungarian Geographical Bulletin. 64. 3548.

  • SZATMÁRI G. , LABORCZI A., ILLÉS G. & PÁSZTOR L., 2013. A talajok szervesanyag-készletének nagyléptéku térképezése regresszió krigeléssel Zala megye példáján. Agrokémia és Talajtan. 62. 219234.

    • Search Google Scholar
    • Export Citation
  • TAKÁCS K. , LABORCZI A., BAKACSI ZS., SZABÓ J. & PÁSZTOR L., 2015. Domborzat-modellek és urfelvételek szerepe a digitális talajtérképezésben –országos ter-moréteg vastagság térképezés. In: Az elmélet és a gyakorlat találkozása a térin-formatikában VI. (Ed.: BODA J.) 413420. Debrecen Egyetemi Kiadó. Debrecen.

    • Search Google Scholar
    • Export Citation
  • TAMÁS, J., 2001. Precíziós mezogazdaság. Mezogazdasági Szaktudás Kiadó. Buda-pest.

  • TOBLER, W. R., 1970. A computer movie simulating urban growth in the Detroit Re-gion. Economic Geography. 46. 234240.

  • TÓTH, T. & KERTÉSZ, M., 1996. Application of soil-vegetation correlation to optimal resolution mapping of solonetzic rangeland. Arid Soil Research and Rehabilita-tion. 10. 112.

    • Search Google Scholar
    • Export Citation
  • TÓTH, T. & VÁRALLYAY, GY., 2001. Egy mintaterület talajának variabilitása a sófel-halmozódás tényezoi szerint. Agrokémia és Talajtan. 50. 1934.

    • Search Google Scholar
    • Export Citation
  • WEBSTER, R., 1989. Recent achievements in geostatistical analysis of soil. Agrokémia és Talajtan. 38. 519536.

  • WEBSTER, R., 1994. The development of pedometrics. Geoderma. 62. 115.

  • WEBSTER, R., 2000. Is soil variation random? Geoderma. 97. 149163.

  • WEBSTER, R., 2015. Technological developments for spatial prediction of soil proper-ties, and Danie Krige’s influence on it. The Journal of The Southern AfricanInstitute of Mining and Metallurgy. 115. 165172.

    • Search Google Scholar
    • Export Citation
  • WEBSTER, R. & BECKETT, P. H. T., 1970. Terrain classification and evaluation using air photography: a review of recent work at Oxford. Photogrammetria. 26. 5175.

    • Search Google Scholar
    • Export Citation
  • WEBSTER, R. & BURGESS, T. M., 1980. Optimal interpolation and isarithmic mapping of soil properties. III. Changing drift and universal kriging. Journal of SoilScience. 31. 505524.

    • Search Google Scholar
    • Export Citation
  • WEBSTER, R. & CUANALO DE LA C. , H. E., 1975. Soil transect correlograms of north Oxfordshire and their interpretation. Journal of Soil Science. 26. 176194.

    • Search Google Scholar
    • Export Citation
  • WEBSTER, R. & LARK, R. M., 2013. Field Sampling for Environmental Science and Management. Routledge Taylor & Francis Group. London.

  • WEBSTER, R. & OLIVER, M. A., 2007. Geostatistics for Environmental Scientists (2nd Ed.). John Wiley and Sons, Ltd. Chichester.

All Time Past Year Past 30 Days
Abstract Views 30 29 0
Full Text Views 21 16 1
PDF Downloads 17 13 1