شوری و سدیمی بودن خاک از جمله مهم ترین عوامل محدودکننده ی رشد گیاهان، به ویژه در مناطق خشک و نیمه خشک محسوب می شود. بنابراین، شناخت تغییرات مکانی این ویژگی ها در خاک (به خصوص در اراضی کشاورزی) به منظور برنامه ریزی خاص مکانی، موضوعی اجتناب ناپذیر است. در چنین شرایطی، روش های درون یابی مکانی، ابزاری را فراهم می کنند تا با به کارگیری داده های نقطه ای و تخمین مقادیر یک متغیر محیطی در محل هایی که نمونه برداری نشده است، داده های پیوسته ی مکانی را به ارمغان آورند. با این وجود، انتخاب یک تخمینگر خاص در گرو توجه به الگوی نمونه برداری، تعداد نمونه ها، کیفیت داده ها، برهم کنش موجود بین متغیرهای مختلف و مواردی از این قبیل است. پژوهش حاضر می کوشد تا ضمن پهنه بندی مکانی وضعیت شوری و سدیمی خاک های منطقه ی اسلامیه ی رفسنجان، به منظور مدیریت بهتر این منطقه، دقت تخمینگرهای آماری وزن دهی معکوس فاصله و اسپلاین و نیز تخمینگر زمین آماری کریجینگ معمولی را از طریق محاسبه ی شاخص جذر میانگین مربعات خطای استانداردشده (rmse%) مورد بررسی قرار دهد و تأثیر تعداد نمونه در صحت تخمین این ویژگی ها را برای تخمینگرهای مزبور آزمون نماید. بدین منظور، از 99 نقطه ی مشاهداتی در قالب یک الگوی نمونه-برداری شبکه ای منظم (با فاصله ی 500 متر) و از سه عمق صفر تا 40، 40 تا 80 و 80 تا 120 سانتی متر، نمونه های خاک جمع-آوری شدند و قابلیت هدایت الکتریکی عصاره ی اشباع و نسبت جذب سطحی سدیم آن ها در آزمایشگاه اندازه گیری شد. در نهایت، نقشه های پیوسته ی تغییرات شوری و سدیمی خاک به کمک هر کدام از تخمینگرهای سه گانه ترسیم شدند و از طریق آزمون های آماری فریدمن و ویلکاکسون مورد مقایسه قرار گرفتند. نتایج نشان داد که در تعداد نمونه های نسبتاً زیاد (99 نقطه ی مشاهداتی)، اختلاف آماری معنی داری بین این سه تخمینگر در سطح اطمینان 95 درصد وجود ندارد. این در حالی است که کاهش تصادفی تعداد نمونه ها به مجموعه های 79، 59 و 39تایی، نشانگر وجود اختلاف معنی دار بین تخمینگرهای کریجینگ معمولی با اسپلاین و وزن دهی معکوس فاصله با اسپلاین بود؛ لیکن تفاوت بین روش های کریجینگ معمولی با وزن دهی معکوس فاصله در این حالت نیز معنی دار نشد. به دیگر سخن، روی هم اندازی نقشه های به دست آمده و محاسبه ی صحت عمومی آن-ها، بیان گر درصد هم خوانی بالاتر بین دو تخمینگر کریجینگ معمولی و وزن دهی معکوس فاصله (حتی در تعداد نمونه های کم) بود. با توجه به این که بهینه سازی تخمینگر وزن دهی معکوس فاصله نسبت به کریجینگ معمولی، راحت تر و آسان تر می باشد و افراد با تجربه ی کم تر می توانند از عهده ی این کار برآیند؛ بنابراین، استفاده از تخمینگر آماری وزن دهی معکوس فاصله می تواند در مطالعات آتی برای منطقه ی مطالعاتی بیش از پیش مدنظر قرار گیرد.