نمونه برداری فضایی (کتاب الکترونیک)

مقدمه

يکي از کاربردهاي قانون اول توبلر و وابستگي فضايي اين است که بتوان با چند نمونه که از مکان­هاي مناسب برداشت شده­اند، توصيف تقريباً درستي از سطح زمين ارائه داد. تلاش براي نشان دادن پيچيدگي­هاي بيشمار دنياي واقعي، ما را ملزم به خلاصه­کردن، يا نمونه­برداري رخدادها و وقايع در يک قاب نمونه­برداري^[1] مي­کند. اين قاب به عنوان محدوده واجد شرايط براي نمونه­برداري از عناصر مورد نظر تعريف مي­شود. قاب نمونه­برداري فضايي توسط مرزهاي منطقه مورد مطالعه و يا مجموعه­اي از پديده­هاي ناحيه­اي محدود مي­شود. نمونه­برداري فضایی را مي­توان فرآيند انتخاب نقاطي از يک زمين پيوسته دانست و يا اگر زمين نشاندهنده قطعاتي از پديده­هاي ناحيه­اي باشد، نمونه­برداري فضایی فرآيند انتخاب برخي از موزاييک­ها و ناديده گرفتن بقيه قطعات مي­باشد. نمونه­برداري فضایی علمي مستلزم آن است که هر عنصر در قاب نمونه­برداري يک فرصت از قبل مشخص شده براي انتخاب داشته باشد. نمونه­برداری مکانی نیازمند آن است که محقق درجۀ وابستگی در داده­ها را تشخیص دهد. غالباً سطحی که از آن نمونه گرفته می­شوند، پیچیده بوده و مشکلاتی را برای آنالیز آماری ایجاد می­کند (جوی­زاده، 1396).

برای مطالعات طرح نمونه ­برداری اهداف مختلفی همچون پیشگویی فضایی، تعیین ساختار همبستگی فضایی و ... وجود دارد. در این فصل به اختصار در مورد مفاهیم نمونه­برداری فضایی بحث خواهد شد.

1-2 ماهیت داده­های مکانی

هر داده مکانی مثلاً مقدار بارندگي يا چاه نفت الزاماً بايد به يك مکان يا قسمتي از روي زمين مستند شود. استناد به نقطه­اي از زمين توسط سه ويژگي عرض و طول جغرافيايي و ارتفاع از سطح درياهاي آزاد انجام مي­شود. داده­هاي مکانی به دو شکل پيوسته و ناپيوسته هستند. داده هاي پيوسته داده­هايي هستند که در همه جاي سطح زمين وجود دارند مانند ارتفاع از سطح دريا، دما و باران. داده­هاي ناپيوسته در همه جا يافت نمي شوند. مانند معدن آهن، جنگل، رودخانه، روستا، خانه، درياچه، چاه آب و غيره. داده­هاي ناپيوسته در حقيقت عارضه­هاي مکانی را تشکيل مي­دهند. عارضه­هاي مکانی مي­توانند به صورت نقطه، خط و مساحت ديده شوند. چاه نفت يك عارضه نقطه­اي است در صورتيکه رودخانه يك عارضه خطي و مزرعه گندم يك عارضه مساحتي مي­باشد. معمولاً داده­هاي ناپيوسته شمارش مي­ شوند. فراواني عارضه­ها يا در داخل واحد­هاي طبيعي يا مصنوعي شمرده مي­شوند. تعداد درختان شمشاد واقع در يك دامنه و يا در يك چهارگوش با ابعاد معين. معمولاً از واحد­هاي مصنوعي با شکل و ابعاد منظم و معلوم استفاده مي شود. مطالعه شکل عارضه­هاي مساحتي و طول عارضه­هاي خطي مي­تواند براي محققان مفيد باشد. متخصصين جغرافياي شهري شهر­ها را از نظر شکل طبقه­بندي مي­کنند. ژئومورفولوژيست ها طول رودخانه­ها را اندازه مي­گيرند. اما مهمترين ويژگي مورد مطالعه پراکندگي و تراکم عارضه ها بر روي زمين است. براي اينکه از بررسي پراکندگي­ها الگوهاي پراکنش به دست مي­آيد که براي محقیقین بسيار مهم است. براي شناسايي الگوها فراواني عارضه­ها در داخل واحد­هاي مطالعه شمرده مي­شود و يا اينکه فاصله آنها از همديگر اندازه­گيري مي­شود. داده­هاي پيوسته در نقاط معيني از سطح زمين اندازه­گيري مي­شوند. اندازه دما يا نم نسبي در ايستگاه­هاي هواشناسي تعيين مي شود. براي استفاده از اين داده­ها در نقاط فاقد داده از فرآيند درون­يابي استفاده مي­شود. براي درونيابي داده­هاي پيوسته سطح زمين به واحد­هاي کوچکي بنام پيکسل تقسيم مي­شود.

داده­هاي مکانی به دو روش شمارش و اندازه­گيري جمع­آوري مي­شوند. فراواني تلاقي­هاي خيابان­ها در يك شهر شمرده مي­شوند در صورتيکه آلودگي هواي آن در نقاط مختلفي اندازه­گيري مي­شود. هر دو فرآيند شمارش و اندازه­گيري بر روي مکان انجام مي­شوند و بدون استناد به مکان معنايي ندارند. به اين جهت بعضي­ها داده­هاي مکانی را زمين آمار[2] مي­گويند. در تحليل داده­هاي مکانی حتماً بايد به ويژگي فضایی يا مکاني آنها توجه شود. به استثناي جنبه فضايي، از بقيه جهات، داده­هاي مکانی همانند داده­هاي علوم ديگر است.

منبع داده­هاي مکانی در مرحله اول روي زمين است و بهترين روش تهيه داده­هاي مکانی مشاهده مستقيم است که از ابتداي پيدايش علوم مکانی مهمترين و مؤثرترين روش جمع آوري داده مي باشد. اما در جهان امروز به جهت افزايش داده، در بيشتر موارد امکان مراجعه مستقيم به زمين وجود ندارد و محقیقین از منابع دست دوم استفاده مي­کنند. بهترين نوع منبع دست دوم تصاوير ماهواره­اي و عکسهاي هوايي است که براي جغرافيدان مي­تواند روي زمين تلقي شود. اما در مقياس کوچکتر بسياري از اطلاعات مانند ويژگيهاي توپوگرافي، شبکه زهکشي، خاك، شبکه ارتباطي و…  را مي ­توان از روي اين عکسها و تصاوير تهيه نمود. بعضي ديگر از اطلاعات مکانی مانند آمار بارندگي، آلودگي شهرها، توليدات کارخانجات و کشاورزي به طور مستقيم عملي نيست و از روي سالنامه­هاي آماري استخراج مي شود. تهيه پرسشنامه و جمع­آوري داده­ها از اين طريق نيز يکي ديگر از روشهاي مراجعه مستقيم است (علیجانی، 1390).

 

1-3 مفاهیم در نمونه­برداری

در این بخش با برخی از مفاهیم و تعاریف مهم از جمله جمعیت آماری (جامعه)، سرشماری، نمونه­برداری، اهداف و اصول اساسی در نمونه­برداری آشنا می­شوید.

جمعیت آماری عبارت است از کلیه عناصر و افرادی که در یک مقیاس جغرافیایی مشخص (جهانی، منطقه­ای، محلی و یا مکانی) دارای یک یا چند صفت مشترک باشند (حافظ نیا، 1385). به عبارتی دیگر، جمعیت بیانگر کل گزینه­های مورد گزینش است که برای مطالعۀ مورد نظر در دسترس است (محمدی، 1386). برای نمونه در تحقیقات زیر:

- بررسی آفت در جنگلهاي بلوط زاگرس؛

- تعيين الگوي مكاني بیماری دیابت با استفاده از روشهاي مختلف در شهرستان تفت؛

- مقایسه روشهای پهنه­بندی رقومی خاک در منطقه اردکان؛

- الگوی مکانی ترافیک در شهر تهران و

- ...

جنگل های بلوط زاگرس، بیماران دیابتی شهرستان تفت، خاک منطقه اردکان، ترافیک در شهر تهران و ... جمعیت مورد مطالعه است.

از نقطه نظر اندازه، دو نوع جمعیت شامل "جمعیت­های محدود" و "جمعیت­های نامحدود" وجود دارند. به نظر لوین و رابین (1998) منظور از محدود، این است که جامعه اندازه­اي مشخص دارد بدین معنا که عدد صحیح  وجود دارد که بیان می­کند چه تعداد اقلام در جامعه وجود دارد. اما یک جامعه نامتناهی جامعه­اي است که در آن به لحاظ تئوري مشاهده همه عناصر امکان پذیر نمی­باشد اگر چه بسیاري از جوامع به ظاهر بسیار بزرگ می آیند، هیچ جامعه واقعاً نامتناهی از اشیاي فیزیکی عملاً وجود ندارد. بعد از همه این اوصاف، به فرض داشتن منابع و زمان نامحدود، می­توان هر جامعه محدودي را شمارش نمود حتی دانه­هاي شن کره زمین. بنابراین جمعیت محدود به جامعه­ای گفته می­شود که پژوهشگر امکان مطالعه آن­ها را داشته باشد (رمضانی، 1378). به عبارتی دیگر، جمعیتی قابل سنجش است که در عمل، ممکن است به دلیل وسیع و بزرگ بودن و یا اهداف عملی و محاسباتی، به عنوان جمعیت نامحدود در نظر گرفته شود (محمدی، 1386). جمعیت نامحدود در اینجا کلمه نامحدود به معنی لغوی آن مورد نظر نیست. زیرا آنچه در حوزه ادراک انسان است محدود است، در این تعریف منظور از نامحدود جامعه­ای است که حجم بسیار زیادی دارد و محقق توانایی مطالعه آن­ها را در آن حجم وسیع ندارد.

از آغاز پيدايش بشر تاكنون، همواره پرسشهای فراوان در امـور زنـدگی مطـرح بـوده اسـت کـه برای پاسخ به آن­ها، نیاز بـه گـردآوری داده اسـت. یکی از روش­هـای گـردآوری داده برای انجام تحقیق­های مورد نیاز سرشماری است. سرشماری به روش آمـارگیری گفتـه می­شـود كه در آن همۀ واحدهای جامعه­ای از نظـر يـك يـا چنـد صـفت، مـورد مطالعـه قـرار می­گيرنـد. بديهی است در مواردی که واحدهای جامعه­ای مـورد مطالعـه بسـيار بـزرگ یـا نامتنـاهی اسـت، انجام سرشماری بسیار پرهزینه و زمانبر است و حتی در برخـی از بررسـی­ها انجـام سرشـماری موجب از دست رفتن ویژگی صفت مورد مطالعه می­شود و در نتیجه به­کـارگیری سرشـماری در چنین شرایط معقول نیست.

به دليل وجود مشکلات بالا، پژوهشگران، گاه پژوهش خود را محدود به نمونۀ کـوچک از جامعۀ مورد مطالعه می­سـازند. واضـح اسـت كـه در تعيـين نمونـه و نحـوۀ انتخـاب آن بايـد روش­هايی را به کار گرفت که نمونۀ انتخاب شـده بتوانـد معـرف خـوبی بـرای جامعـۀ خـود باشد و با حداقل هزينۀ ممکن، دقت مورد نظر را تأمين نمايد. يکی از رايجترين هدف­های آمـارگیری نمونـه­ای، بـرآورد پارامترهـایی ماننـد میـانگین یـا نسـبت صفت مورد نظر در جامعه است. در اين صورت بـا انتخـاب يـك نمونـه از جامعـه و محاسـبۀ آمارۀ مربوط، از آن به عنوان برآوردی از پارامتر صفت مورد نظر در جامعـه استفاده می شـود. در سـالهای گذشـته، اطلاعـات مـا دربـارۀ مشخصـه­های جامعـه­های مـورد بررسـی اغلـب از طریـق نمونه­برداری فـراهم شـده اسـت، امــا تـا قبـل از سـال ١٩٤٠مـیلادی بـه روش و نظریــۀ نمونه­برداری توجه چندان نشده بود. با توسعه­ی علم احتمـال و آمـار و ارتبـاط آن بـا نمونـه­برداری، شاخۀ نمونه­برداری برای برآورد مشخصه­های جامعۀ تحت مطالعـه و بررسـی ويژگی­هـای ايـن گونه برآوردها به سرعت گسترش يافـت بـه طـوری کـه امـروزه در بسـياری از علـوم ديگر ماننـد علــوم اجتمـاعی، اقتصـادی، پزشـکی، روانشناسی، كشـاورزی، آموزشی و ... آمارگیری­های نمونه­ای کاربرد وسیع دارد. نتیجۀ نمونه­برداری­ها به شرط رعایت اصول و ضوابط آن، از دقـت بالایی برخـوردار اسـت. از مزیت­های استفاده از روش نمونه­برداری نسـبت بـه سرشـماری بـه مـواردی ماننـد صـرفه­جویی در وقت، انرژی و هزینه و جلوگیری از افزایش احتمال پیش آمدن خطاهای غیرنمونه­برداری می تـوان اشاره کرد.

در گذشته براي به ‌دست آوردن يك نمونۀ نماينده از جامعه، از روش­هاي نمونه­برداری غير احتمالي استفاده مي­شد. اين روش­ها در دهه­هاي 1920 و 1930 مورد استفاده بودند. در آن زمان، تجربه و استفاده از افراد خبره در زمينه­هاي مورد مطالعه، در انتخاب يك نمونه از جامعه كاربرد فراوان داشت. نمونه­برداری "سهميه­اي" از جمله اين روشهاست كه در دهه­هاي 1930 و 1940 براي پيش­بيني انتخابات، نظر­خواهي­هاي عمومي و بررسي­هاي بازار­يابي استفاده فراوان مي­شد. بعد از شكست اين روش در پيش­بيني انتخابات رياست جمهوري آمريكا در سال 1948 و نيز پيشرفت علم احتمال و آمار و تشخيص معايب روش­هاي نمونه­برداری غير احتمالي توسط آماردانها، حدود 60 ،70 سال پيش (نيمه دوم دهه 1930 و دهه 1940) تكنيك­هاي نمونه­برداری مبتني بر احتمال به تدريج ابداع و بكار رفتند. در سال 1934 نيمن مقاله­اي ارائه داد كه در آن فوايد استفاده از نمونه­برداری تصادفي را نسبت به نمونه­برداری غير احتمالي شرح داده است. بدين ترتيب روش­هاي نمونه­برداری احتمالي جايگزين روشهاي نمونه­برداری غير احتمالي شدند. معمولاً محققان روش­هاي نمونه­برداری احتمالي را به روش­هاي غير احتمالي ترجيح مي‌دهند و اين گونه در مورد آن­ها برداشت مي‌شود كه با دقت و موشکافانه عمل مي‌كنند. با اين ‌وجود در تحقيقات اجتماعي كاربردي، ممكن است شرايطي موجود باشد كه به طور عملي يا تئوري، نمونه­برداری احتمالی قابل اجرا نباشد. اين جاست كه دامنه وسيعي از نمونه‌برداري هاي غير احتمالي به كار مي­آيد. در دسترس نبودن يك چارچوب خوب و يا هزينه زياد، مي‌توانند از علت­هاي ديگر استفاده از نمونه­برداري غير احتمالي باشند.

 

 

در صورتی که محقق قصد شناخت جمعیت آماری را از طریق مطالعۀ نمونه­ای از آن دارد باید حتماً روش احتمالی را برای گزینش نمونه انتخاب کند تا نمونه از این طریق با جامعه مشابهت داشته باشد و صفات آن­ها بر یکدیگر مطابقت نماید و و نمونه معرف جامعه باشد.

 

بنابراین روش­هاي انتخاب نمونه را مي‌توان به دو گروه احتمالي و غير احتمالي (تصادفي و غير تصادفي) تقسيم كرد. در روش احتمالي اين امكان وجود دارد كه بر اساس نتايج حاصل از نمونه با اعتماد قابل اندازه‌گيري درباره پارامترهاي جامعه قضاوت كرد. در صورتي كه نمونه­‌برداری غير احتمالي فاقد اين خاصيت است. انتخاب نمونه در نمونه‌­برداری غير احتمالي بر اساس تشخيص و صلاح محقق انجام مي‌گيرد نه بر اساس تصادف و احتمال تعيين شده قبلي. مي‌توان گفت، تفاوت نمونه­برداری احتمالي و غير احتمالي در اين است كه در نمونه­برداری غير احتمالي شانس (تصادف) دخيل نيست. به عبارت ديگر نمونه­هاي غير احتمالي نمي‌توانند به تئوري احتمال وابسته باشند (براي تعيين ميزان خطاي برآورد، نمي‌توان از روشهاي آماري مبتني بر اصول احتمال استفاده كرد). البته اين بدان معنا نيست كه نمونه­هاي غير احتمالي"نماينده" جامعه نيستند (دلاور، 1387).

1-4 گستره­های نمونه­برداری[3]

مفهوم گستره­های نمونه­برداری، در حقیقت، تعمیم و گسترش منطقی ایده و مفهوم جمعیت است. درک و شناخت مفهوم گستره­های نمونه­برداری به منظور طراحی و اجرای صحیح و موفقیت­آمیز برنامه­های نمونه­برداری و پردازش آماری (کلاسیک و آماری) مؤثر، از اهمیت بسیار زیادی برخوردار است. اختلاط گستره­های نمونه­برداری، دریچه­ای به سوی خطاها و دشواری­های مربوط به پردازش و تفسیر نتایج حاصل خواهد بود. در علوم محیطی، شناخت دقیق گستره­های نمونه­برداری و جداسازی صحیح آن­ها بسیار مهم می­باشد. یک مثال ساده از جداسازی گستره­های نمونه­برداری در شکل زیر نشان داده شده است. همان گونه که ملاحظه می­گردد، گسترۀ کلی نمونه­برداری، شامل چینه­ها یا لایه­های آبدۀ چندگانه می­باشد. در این وضعیت، آلودگی سطحی می­تواند بیشترین اثر را بر لایه­های سطحی بر جای گذارد؛ در حالی که واحدهای تحتانی و عمیق­تر، تأثیر نسبتاً اندکی را بر خود می­بینند. حتی در شرایطی که تمامی لایه­ها در برگیرندۀ آلودگی معنی­داری باشند؛ نمونه­برداری لایه­ها به ویژه برای اندازه­گیری تخلخل و آب­گذری (به عنوان دو فاکتور مهم در مدل­های هیدرولیکی) می­بایستی به طور جداگانه صورت گیرد. فرض شرایط و خصوصیات یکسان در آبخوان­های متشکل از لایه­ها و چینه­بندی مختلف و متفاوت، فرضی بسیار نادرست و همراه با ریسک خواهد بود.

تيل يخچالي

شيل

سنگ آهک درز و شکافدار

شيل

ماسه سنگ

شکل 1-1: نمايش شماتيک گستره­هاي مطالعاتي (منبع: محمدی، 1386)

 

ناحيه مديريت پساب

جاده دسترسي شمالي

ناحيه تصفيه پساب

ناحيه مطالعات راهنما

ناحيه تالابي

ناحيه جدايش

تشخیص و تعیین گستره­های نمونه­برداری در فضای جغرافیایی مورد مطالعه نیز حائز اهمیت است. در شکل 1-2 گستره­های مختلف جغرافیایی در یک محدودۀ مطالعاتی که توسط  آلوده شده است، نشان داده شده­اند. این گستره­ها شامل محدوده­های مدیریت ضایعات^[4]، خاک­های مرطوب^[5] و غیره می­باشند.

 

شکل 1-2: نمونه­ای از چگونگی تشخیص و تعیین گستره­های نمونه­برداری در فضای جغرافیایی مورد مطالعه (منبع: محمدی، 1386)

هیستوگرام داده­های مربوط به غلظت  در گستره­های مدیریت ضایعات و اراضی مرطوب در اشکال 1-3 و 1-4 نشان داده شده­اند. همان گونه که ملاحظه می­گردد؛ توزیع داده­ها در هر دو گسترۀ نمونه­برداری، دارای چولگی به سمت راست است. بنابراین، تعداد نمونه­ها و شکل توزیع در دو گستره متفاوت می­باشند. تعداد نمونه­ها در محدوده­های مدیریت ضایعات و اراضی مرطوب، به ترتیب برابر 1300 و 200 می­باشند. مهم­ترین تفاوت، شامل اختلاف آماره­های محاسبه شده در هر دو محدوده است.

شکل 1-3: هیستوگرام داده­های  در محدوده­های مدیریت ضایعات (منبع: محمدی، 1386)

 

شکل 1-4: هیستوگرام داده­های  در گسترۀ خاک­های مرطوب (منبع: محمدی، 1386)

 

مقدار عددی میانگین، واریانس و انحراف معیار آلاینده مورد نظر در محدوده­های مدیریت ضایعات، به ترتیب برابر 2/365، 3239701 و 1800 می­باشند. این در حالی است که مقادیر میانگین، واریانس و انحراف معیار غلظت  در محدودۀ مربوط به خاک­های مرطوب، به ترتیب برابر 89/0، 75/9 و 12/3 می­باشند. بدین ترتیب می­توان نتیجه­گیری نمود که دو جمعیت آماری مختلف وجود دارند و لذا جداسازی آن­ها و پردازش جداگانۀ آن­ها ضروری است.

علاوه بر اهمیت و ضرورت توجه به گستره­های مکانی (جغرافیایی) نمونه­برداری، گستره­های زمانی از اهمیت بسیار زیادی برخوردار هستند. بسیاری از فرآیندها و پدیده­های محیطی، علاوه بر تغییرات مکانی، دارای رفتارهای متفاوت و متغیر در واحدهای مختلف زمانی هستند. برای نمونه، می­توان به تغییرات روزانۀ آلاینده­های مختلف در محیط زیست، تغییرات فصلی سطوح و کیفیت آب­های زیرزمینی، وارونگی هوا در فصول مختلف و تغییرات زمانی در تخلیۀ آلاینده­های مختلف به محیط نام برد. شکل 1-5 متوسط تغییرات ماهیانۀ مونواکسیدکربن در طی چهار سال را نشان می­ دهد.

علاوه بر تغییرات مکانی و زمانی گستره­های نمونه­برداری، در برخی از شرایط، این گستره­ها تحت تأثیر عوامل فیزیکی و محیطی دیگری قرار می ­گیرند و موجب ایجاد تفاوت­های آماری در چگونگی توزیع آماری مقادیر عددی حاصل از نمونه­ها می­گردند. شکل 1-6 چگونگی پراکنش نمونه ­های خاک، به منظور اندازه­گیری غلظت کادمیوم در اطراف سه کارخانۀ تولید روی در بخش شمال شرقی کشور بلژیک....را نشان می­دهد. مقایسۀ خصوصیات آماری نمونه­های مجاور هر کارخانه، حاکی از شدت­های مختلف آلودگی در اطراف کارخانه­های مزبور است. ویژگی­های فیزیکی و فنی هر کارخانه و عوامل محیطی، باعث بروز چنین تفاوت­هایی شده­اند. برای نمونه، میانگین غلظت کادمیوم برای سه کارخانۀ مزبور، برابر با 05/3، 32/3 و 57/4 میلی­گرم در کیلوگرم خاک است.

شکل 1-6: چگونگی پراکنش نمونه­های کادمیوم خاک در اطراف سه کارخانۀ تولید روی در بخش شمال­شرقی کشور بلژیک (منبع: محمدی، 1386)

 

ایدۀ گستره­های نمونه­برداری و بررسی تفاوت­های آماری بین آن­ها می­تواند تحلیل­گر را به یکی از مباحث بسیار مهم در مبانی آمار، تحت عنوان "فرضیۀ ایستایی" (مکانی، زمانی و فیزیکی) رهنمون سازد. از نقطه­نظر نمایشی و بصری، اختلاط دو گسترۀ نمونه­برداری یا جمعیت نمونه­برداری، موجب تولید هیستوگرام­هایی با دو و یا بیش از دو نقطۀ اوج یا نما (مد) می­شود. در پردازش مکانی و پهنه­بندی، اختلاط گستره­های نمونه­برداری، موجب اختلاط ساختارهای هم­بستگی مکانی بین داده­ها و در نتیجه، پوشانده شدن ساختارهای تغییرپذیری واقعی داده­ها و عدم امکان دست­یابی و مدل­سازی آن­ها می­گردد (محمدی، 1396).

1-5 تعاریف مختلف برای نمونه­برداری و اهداف آن

گال و همکاران (2003) می نویسند: پژوهشگرانی که از تحقیقات کمی استفاده می­نمایند، تلاش می­کنند از طریق مطالعه گروهی بسیار کوچک، در مورد یک گروه بزرگ از افراد اطلاعات به دست آورند. گروه بزرگ که قصد دارند در مورد آن اطلاعات کسب کنند، جمعیت، و گروه کوچک که در واقع مورد مطالعه قرار می­گیرند، نمونه نامیده می­شود.

نصر و همکاران (1384) می­نویسند: صرف جویی در وقت و هزینه لازم براي مطالعه تمام جامعه، دلیل انتخاب یک نمونه کوچک از جامعه مورد نظر می­باشد.در تحقیق کمی، به فرآیند انتخاب یک نمونه از جامعه تعریفـــ شده با این هدف که نمونه دقیقاً معرف جامعه مورد نظر باشد، نمونه­برداري گفته می­شود. اگر نمونه­برداري به طور صحیح انجام گیرد، می­توان از نمونه، خصوصیات تمام جامعه را با احتمال بسیار ناچیز خطا استنباط نمود.

به نظر جان بست (1983)، هدف اصلی تحقیق کشف اصولی است که در همه موارد صادق باشد، اما مطالعه تمامی جامعه به گونه­اي که به یک قاعده کلی بینجامد اگر محال نباشد، دست کم عملی نیست. برخی از جامعه­ها به اندازه­اي بزرگ هستند که نمی­توان مشخصات آنها را اندازه گرفت، زیرا قبل از اینکه اندازه­گیري پایان پذیرد جامعه تغییر خواهد یافت. گاه حجم زیاد مستلزم کار هزاران محقق ، خرج هزینه بالا، و صرف صدها هزار ساعت کار لازم است.

شریفی (1384) می­نویسد: فرآیند نمونه­برداري، استخراج نتایج و استنباط قواعد کلی متغیر را براساس مشاهده دقیق متغیرها در گروه نسـبتاً کوچکی از جامعه میسـر ساخته است. مقـدار اندازه­گیري شده مربوط به یک نمونه، شاخص آماري نامیده می­شود.

محمدی (1386) نمونه و نمونه­برداری را چنین تعریف کرد: "نمونه عبارت است از تعدادی از افراد جامعه که صفات آن­ها با صفات جامعه مشابهت داشته و معرف جامعه بوده، از تجانس و همگنی با افراد جامعه برخوردار باشند"؛ از این رو نمونه­برداری، عبارت است از مجموعه اقداماتی که برای انتخاب تعدادی از افراد جامعه به نحوی که معرف آن باشند، انجام می­پذیرند.

اگر چه فرآیند نمونه­برداری، بخش همیشگی مطالعات و تحقیقات محیطی است و به کرات صورت می­پذیر؛ لیکن، تجارب نشان می­دهند که نمونه­برداری غیر صحیح نیز به کرات اتفاق می­افتند. نمونه­ها در حقیقت، پنجره­هایی به سوی دنیای پیرامون ما (پدیدۀ مورد مطالعه) می­گشایند. همان گونه که شکل نشان می­دهد، یک محقق از یک نمونه کوچک، درخواست­ها و انتظارات بسیار زیادی را مطالبه می­کند. به دیگر سخن، یک نمونه با حجم کوچک، تعیین کنندۀ سرنوشت گستره­های بسیار وسیع­تر و با حجم بسیار بزرگ­تر است.

از آن جایی که کیفیت ویژگی عرصه­های مطالعاتی و ارزیابی مسالۀ مورد نظر، وابسته به کیفیت نمونه­ها است؛ توجه به مولفۀ نظریه­ها و شیوه­های نمونه­برداری که به نحوی دلایل و ریشه­های خطا و عدم قطعیت در نمونه­برداری را منعکس می­سازد، از اهمیت زیادی برخوردار است. اهداف اساسی نظریه­ها و شیوه­های نمونه­برداری، عبارتند از:

- تعیین و تفکیک خصوصیات ساختاری و غیرساختاری نمونه­ها

- تجزیه و تحلیل و پردازش ناهمگنی­های محیط و فضای نمونه­برداری و نمونه­ها

- تفکیک و تقسیم خطاهای نمونه­برداری در طبقات و کلاس­های مناسب و صحیح

- ارزیابی صحت ابزارهای نمونه­برداری

- ارائۀ یک طرح و الگوی نمونه­برداری به منظور به حداقل رساندن خطاهای نمونه­برداری

- کاهش تغییرپذیری بین نمونه­های تکراری

10000 تن

پسماند خطرناک؟

نمونه

يک چهارم

يک گرم

(آناليز شده)

وسيله آناليز

ما واقعا چه مي­دانيم؟

شکل 1-7: مفهوم نمونه­برداری (منبع: محمدی، 1386)

 

گال و همکاران (2003) چهار ملاك براي نمونه­برداري مشخص کردند که عبارتند از :

 

- باید توصیف روشنی از جامعه­اي که نتایج به آن تعمیم داده خواهد شد ارائه شود .

- شیوه نمونه­برداري باید با جزئیات کامل بیان شود به طوري که یک پژوهشگر دیگر بتواند همان شیوه را تکرار کند، این جزئیات باید حداقل شامل موارد زیر باشد:

- نمونه­برداری

- حجم نمونه

- منطقه جغرافیایی

با توجه به نوع مطالعه، داده­هاي توصیفی دیگر مانند جنس، سن ، پایه تحصیلی و وضعیت اقتصادي و اجتماعی نیز باید ارائه شود                                                           .

- چهارچوب نمونه­برداري یعنی فهرست­ها، شاخص­ها یا مدارك ثبت شده دیگري که نمونه از آن انتخاب نشده، باید مشخص گردد .

- نرخ تکمیل که عبارت است از نسبت نمونه شرکت کننده به تعدادي که قصد بوده در پژوهش شرکت کنند باید مشخص گردد.

1-6 طرح نمونه­برداری

آمارگیری نمونه­ای می­تواند تعهد سنگینی باشد که مستلزم صرف وقت و منابع بسیار زیادی چه از نظر مادی و چه از نظر انسانی است. در آمارگیری نمونه­ای، مؤلفه­های آماری عمده را طرح نمونه می­نامند که هم برنامۀ نمونه­برداری و هم شیوۀ برآورد را شامل می­شود. برنامۀ نمونه­برداری، روش­شناسی است که برای انتخاب نمونه از جامعه مورد استفاده قرار می­گیرد. شیوه­های برآورد، الگوریتم­ها یا معادلاتی هستند که برای به دست آوردن برآوردهایی از مقدارهای جامعه از روی داده­های نمونه و نیز برای برآورد کردن قابلیت اعتماد این برآوردهای جامعه­ای به کار می­روند.

[1] Sample Frame

[2] Geostatistics

[3] Population and Domains of Sampling

[4] Waste Management Area

[5] Wetland Area

[6] Temporal Domains