La simulazione annealing per la pianificazione del campionamento: applicazione in tre areali

Sampling scheme is the major factor influencing the efficiency and costs of a survey. Moreover, in designing sampling scheme, earlier observations and knowledge on the area can provide valuable information. The aim of this study was to describe a method to optimize the spatial sampling scheme, taking physics constraints and preliminary information into account. The method was based upon a spatial simulated annealing algorithm. Spatial sampling schemes can be optimised for minimal Kriging variance or distance between observations. Three case studies are presented, in different pedoclimatic conditions (mountain, plain, hill), to locate 100 samples. In Val Chiavenna (mountain, Sondrio, Lombardy) minimal distance between observations criterion was used. Lithology, aerial photographs and two pedological profiles were the preliminary information. In Lodi (plain, Lombardy) preliminary information was soil use and 158 soil samples. The optimization process was carried out in two steps: 50 samples were located with the minimal distance between observations criterion, while additional 50 samples were located with the variance Kriging criterion. In Mustigarufi (hill, Caltanissetta, Sicily), 50 samples were located with the minimal distance between observations criterion without taking preliminary information into account. Additional 50 samples were located with the minimal distance between observations criterion and soil electrical conductivity variability, 6 pedological profiles and the earlier 50 observations as preliminary information.

Lo schema di campionamento è il fattore principale che influenza l'efficienza e i costi di un'indagine. Inoltre, nella progettazione dello schema di campionamento, osservazioni precedenti e la conoscenza dell'area possono fornire informazioni rilevanti. Lo scopo di questo lavoro era la descrizione di un metodo per ottimizzare lo schema spaziale di campionamento, tenendo conto dei vincoli fisici e delle informazioni preliminari. Il metodo era basato su un algoritmo di simulazione spaziale di tipo annealing. Gli schemi spaziali di campionamento possono essere ottimizzati per la varianza minima di Kriging o la minimizzazione della distanza media fra le osservazioni. Sono presentati tre studi di casi, in condizioni pedoclimatiche diverse (montagna, pianura, collina), per l'ubicazione di 100 campionamenti. In Val Chiavenna (montagna, Sondrio, Lombardia) è stato utilizzato il criterio della minimizzazione della distanza fra le osservazioni. Le informazioni preliminari erano costituite dalla litologia, da fotografie aeree e da due profili pedologici. A Lodi (pianura, Lombardia) le informazioni preliminari erano costituite dall'uso del suolo e da 158 campioni di suolo. Il processo di ottimizzazione è stato condotto in due fasi successive: 50 sono stati localizzati secondo il criterio di minimizzazione della distanza media fra le osservazioni, mentre gli altri 50 sono stati ubicati applicando il criterio della varianza di Kriging. A Mustigarufi (collina, Caltanissetta, Sicilia), 50 campioni sono stati ubicati secondo il criterio della distanza minima fra le osservazioni, senza considerare le informazioni preliminari. Gli ulteriori 50 campioni sono stati ubicati con il criterio della minimizzazione della distanza fra le osservazioni e la variabilità della conducibilità elettrica del suolo, 6 profili pedologici e le 50 precedenti localizzazioni come informazioni preliminari.