An appropriate understanding of spatial variability of soil properties could help to perform sustainable soil nutrient management. The study aims to identify the most important soil characteristics driving spatial variability in tropical soil. A total of 5000 sample locations were randomly generated from the Sub-Saharan Africa map and the sample values were obtained from  www.soilgrid.org. Various variogram models were tested and the best fitted variogram parameters were used to simulate 10000 replications of each attributes and the spatial dependence indices were computed. Results suggested that soil N, pH and organic carbon are the most driving spatial variability to better control experimental error.

Une compréhension appropriée de la variabilité spatiale des propriétés du sol facilite une gestion durable des éléments nutritifs du sol. L’étude vise à identifier les caractéristiques du sol les plus importantes à l’origine de la variabilité spatiale des sols tropicaux. Au total, 5000 échantillons ont été générés de manière aléatoire à partir de la carte de l’Afrique subsaharienne et les valeurs ont été obtenues à partir du site www.soilgrid.org. Différents modèles de variogramme ont été testés et les meilleurs paramètres de variogramme ajustés ont été utilisés pour simuler 10000 réplications de chaque attribut et l’indice de dépendance spatiale a été calculé. Les résultats suggèrent que l’azote, le pH et le carbone organique du sol sont les paramètres les plus importants pour mieux contrôler l’erreur expérimentale

Here, we present an automatic data generation method which is fully computer-based for a variate $X$ with an absolutely continuous probability density function (pdf) $f$ exactly computable. The method uses computer-based on calculations of integrals (trapezoidal and/or the Monte-carlo method) for approximating the cumulative distribution function and next, the dichotomy algorithm to get the quantile function from which we obtain data from $f$. We apply the method to generate gig(a,b,c) data. The comparison with analogues, as in R Software is very successful. The method may work where the rejection method fails because of a lack of pdf bound which can be generated. The method might be slower but the area of more and more powerful computer is favorable to it. The implementation for gamma and/or gig laws in R codes are presented.

Dans ce papier, nous proposons une méthode automatique de génération aléatoire de données basée sur l’évaluation des intégrales par la méthode trapezoidale ou par la méthode Monte-Carlo et l’algorithme de dichotomie pour le calcul des fonctions des quantiles. Cette méthode à été utilisée pour la génération de données gamma et gig.