Автоматизированное картографирование почв по спутниковым данным для проектирования АЛСЗ (на примере тестовых полей в саратовском Поволжье)

Размещено на http://www.allbest.ru/

На правах рукописи

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата биологических наук

автоматизированное картографирование почв по спутниковым данным для проектирования алсз (на примере тестовых полей в саратовском Поволжье)

Специальность 03.02.13 - Почвоведение

Прудникова Елена Юрьевна

Москва 2013

Работа выполнена в ФГБОУ ВПО «Российский государственный аграрный университет - МСХА имени К.А. Тимирязева»

Научный руководитель: доктор сельскохозяйственных наук, старший научный сотрудник, заместитель директора по научной работе ГНУ Почвенный институт им. В.В. Докучаева Россельхозакадемии Савин Игорь Юрьевич

Официальные оппоненты: Васенев Иван Иванович - доктор биологических наук, профессор, заведующий кафедрой экологии ФГБОУ ВПО «Российский государственный аграрный университет - МСХА имени К.А. Тимирязева»

Семенов Николай Афанасьевич - доктор биологических наук, старший научный сотрудник, ГНУ ВНИИ кормов имени В. Р. Вильямса Россельхозакадемии, ведущий научный сотрудник

Ведущая организация: ФГБОУ ВПО «Московский государственный университет имени М. В. Ломоносова»

Защита состоится «18»ноября 2013 г. в 1430 часов на заседании диссертационного совета Д 220.043.02 при ФГБОУ-ВПО РГАУ-МСХА имени К.А. Тимирязева по адресу: 127550 Москва, ул. Прянишникова, д. 15.

Тел./факс (499)976-24-92; e-mail: dissovet@timacad.ru.

С диссертацией можно ознакомиться в ЦНБ ФГБОУ ВПО «Российский государственный аграрный университет - МСХА имени К.А.Тимирязева».

Автореферат разослан «.....» октября 2013 года.

Ученый секретарь

диссертационного совета С.Л. Игнатьева

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. На сегодняшний день остро стоит проблема обновления устаревших почвенных карт и актуализации информации о состоянии и свойствах почвенного покрова. Наиболее перспективным средством для обновления почвенных карт являются спутниковые технологии (Андроников, 1979; Виноградов, 1984; Симакова,1984; Савин 1990, 1998; Королюк, Щербенко 1994, 2003; Савин, Симакова, 2012). Актуализация информации о состоянии почвенного покрова имеет особое значение в рамках проектирования адаптивно-ландшафтных систем земледелия (АЛСЗ) (Кирюшин и др., 2005). На настоящий момент опыт использования спутниковых данных при проектировании АЛСЗ сводится, главным образом, к их применению в качестве подложки для визуального дешифрирования в системах ГИС (как на предварительном этапе для выбора точек заложения разрезов, так и на этапе составления карты структур почвенного покрова (СПП)) (Кирьянова, 2010). Есть опыт составления карт агроэкологических групп почвенных комбинаций (ПК) (Сорокина, Козлов, 2009). Однако данная методология предполагает значительный объем полевых работ. Кроме того, традиционная карта СПП не всегда позволяет количественно оценить пространственное варьирование агрономически важных свойств почв и выделить объективные границы разных классов земель (Савин, Симакова, 2012).

Таким образом, актуальность темы диссертационного исследования определяется объективной необходимостью разработки подхода, который бы предполагал использование современных методов и технологий обработки и анализа спутниковой информации для создания или обновления почвенных карт в рамках проектирования АЛСЗ.

Цель исследования. Разработать методы картографирования пахотных почв Саратовского Поволжья на основе спутниковых данных с целью усовершенствования методов проектирования адаптивно-ландшафтных систем земледелия.

Задачи исследования:

1. Выявить специфику почвенного покрова региона исследований и основные факторы, лимитирующие сельскохозяйственное производство.

2. Оценить потенциальные возможности распознавания почв региона по многоспектральным космическим снимкам на основе анализа спектральной отражательной способности (СОС) их поверхности.

3. Разработать автоматизированные подходы к картографированию почв и отдельных свойств почвенного покрова региона по оптическим и радарным спутниковым данным и цифровой модели рельефа и провести их апробацию на тестовом участке.

4. Проанализировать индикационные возможности использования косвенных признаков (неоднородностей развития посевов) для картографирования почвенных неоднородностей пахотных угодий региона по спутниковым данным.

5. Оценить возможности создания системы дистанционного мониторинга почв региона на основе спутниковой информации.

Научная новизна:

1. Впервые на основе анализа СОС почвенных образцов разработаны параметры для спутниковой оценки свойств почвенного покрова Саратовского Поволжья, а также оценена роль неоднородности поверхности и ее вклад в СОС почвы.

2. Впервые для территории исследования на основе автоматизированной обработки спутниковой информации и цифровой модели рельефа (ЦМР) построены цифровые почвенные карты.

3. Разработан оригинальный подход, позволяющий осуществлять автоматизированное картографирование свойств, поверхностной каменистости почвенного покрова и почвообразующих пород.

4. Проведена оценка возможностей использования радарной информации для картографирования как почвенного покрова Саратовского Поволжья в целом, так и его отдельных характеристик.

5. Впервые оценены возможности использования неоднородностей развития посевов для картографирования почвенных неоднородностей Саратовского Поволжья по спутниковым данным.

6. Впервые на основе концепции почвенной линии проведена оценка контрастности почвенного покрова пахотных почв (на примере ключевого участка в Саратовском Поволжье).

На защиту выносятся:

1. Подходы к автоматизированному картографированию почвенного покрова, включающие: 1) классификацию с обучением цветовых композитов тестовых полей для выделения однородных по спектральным характеристикам почвенных выделов; 2) создание карты классов уклонов по ЦМР; 3) наложение результатов классификации цветных композитов на карту классы уклонов и интерпретацию полученных сегментов с учетом данных полевого обследования.

2. Подходы к автоматизированному картографированию отдельных свойств почв по спутниковым данным, включающие: 1) разработку параметров спутниковой оценки свойств почвенного покрова на основе анализа спектральной отражательной способности почвенных образцов и фотографий поверхности почв; 2) разработку регрессионных моделей, достоверно описывающих связь между анализируемыми свойствами почв тестовых полей и параметрами оценки СОС почвенного покрова, рассчитанными по оптическим и радарным спутниковым данным; 3) построение цифровых карт свойств почвенного покрова по разработанным регрессионным моделям и оценку их информативности.

3. Цифровые почвенные карты тестовых полей, полученные по оптическим и радарным спутниковым данным и ЦМР.

4. Карты содержания гумуса, содержания частиц размером 1,0-0,25 мм и 0,05-0,01 мм, карта каменистости и карта почвообразующих пород тестового участка, полученные по оптическим и радарным спутниковым данным.

Практическая значимость. Разработанные подходы могут использоваться для оперативного принятия производственных решений на основе автоматизированного анализа спутниковой информации (проектирование АЛСЗ, прогнозирование урожайности), для организации многолетнего попиксельного мониторинга цвета поверхности пахотных почв и оценки динамичности свойств их поверхности.

Кроме того результаты исследования могут быть использованы для усовершенствования методик инвентаризации почв, а также в курсах «Картографирование почв» университетов географической и сельскохозяйственной специализаций.

Апробация. Основные положения работы доложены на VIII и IX конференциях молодых ученых «Фундаментальные и прикладные космические исследования» (2011, 2012), на конференции «Presenting academic achievements to the world» (Саратов, 2012), на VI съезде Докучаевского общества почвоведов (Петрозаводск, 2012), а также на заседаниях кафедры почвоведения, геологии и ландшафтоведения РГАУ-МСХА имени К.А. Тимирязева.

Публикации. По результатам исследования опубликовано 9 печатных работ, в том числе 2 статьи в журналах, включенных в список ВАК.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, выводов, списка литературы и приложения; изложена на 237 страницах; содержит 87 рисунков и 47 таблиц. Список литературы включает 154 наименования, в том числе 97 иностранной. Приложение состоит из 9 страниц, включает 4 таблицы и 5 рисунков.

Автор выражает глубокую признательность своему научному руководителю д.с.-х.н. И.Ю. Савину за интересную и актуальную тематику диссертационной работы и всестороннюю поддержку в ходе ее выполнения; академику В.И. Кирюшину за ценные советы и замечания, а также за предоставленную возможность выполнения научных исследований в хозяйстве Саратовской области; Р.А. Шумову за помощь в разработке метода оценки открытой поверхности пахотных почв; коллективу кафедры почвоведения геологии и ландшафтоведения РГАУ-МСХА имени К.А. Тимирязева за постоянный интерес и помощь в работе; своей семье и друзьям за моральную поддержку и помощь.

СОДЕРЖАНИЕ РАБОТЫ

почвенный космический распознавание спектральный

Во введении обосновывается актуальность темы исследований, указываются цель, задачи, научная новизна, а также практическая значимость работы.

Глава 1 «Использование спутниковых данных для картографирования почвенного покрова (литературный обзор)».

Изучению и картированию почвенного покрова на основе спутниковой информации посвящено большое количество работ отечественных ученых (Андроников, 1979; Зонн 1979, 1980; Кузьмин 1988; Савин 1990; Королюк, Щербенко 1994, 2003; Симакова, Савин, 1998, 2012; Сорокина, Козлов 2009).

На современном этапе развития науки широко используются методы, при которых спутниковая информация выполняет роль подложки для визуального дешифрирования почв по экрану компьютера в ГИС системах (Рухович и др., 2012). Отдельно можно выделить направление, связанное с разработкой методов полностью автоматизированного дешифрирования почвенного покрова (Конюшкова, 2010; Кирьянова, Савин, 2012).

Для картографирования свойств почвенного покрова по спутниковым данным наиболее часто используются специализированные спектральные индексы, рассчитываемые, главным образом, на основе мультиспектральной спутниковой информации (Amen and Blaszczynski, 2001; Apan et al., 2002; Ninomiya et al., 2005; Пузаченко и др., 2006; Cole and Boettinger, 2007; Saunders and Boettinger,2007; Marchetti et al., 2010). Также значительное количество работ посвящено картографированию свойств почвенного покрова с помощью методов геостатистики (Boruvka et al., 2006; Gonzalez et al., 2006; Greve et al., 2010; Самсонова, Мешалкина, 2011).

Следует отметить, что автоматизация картографирования параметров почвенного покрова по спутниковым данным является неотъемлемой составляющей современного этапа развития почвоведения. В то же время это достаточно сложный процесс, требующий разработки соответствующего методического и технологического обеспечения, формализации параметров картографирования и критериев оценки почвенного покрова.

Глава 2 «Объекты и методы исследования» содержит характеристику региона исследований и описание использованных методов.

Характеристика региона исследований.

Три тестовых поля являются частью СХП «Татищево», которое располагается в черноземно-степной зоне Саратовского Поволжья. По природно-экологическому районированию Саратовской области хозяйство относится к Центральной правобережной зоне и характеризуется умеренно-засушливым, умеренно-жарким климатом (гидротермический коэффициент - 0,6-0,8). Среднегодовое количество осадков составляет 385 мм. Наибольшее количество выпадающих осадков приходится на теплый период (апрель-октябрь) - 255-270 мм.

Рельеф тестовых полей холмистый с преобладанием склонов, рассеченных сетью ложбин.

Почвообразующие породы представлены элювием коренных пород, покровными отложениями, а также песками и супесями. Покровные глины и тяжелые суглинки слагают наиболее спокойные, выровненные элементы рельефа - слабоволнистые плато, пологие и покатые склоны водоразделов. Элювий коренных пород залегает на слабоволнистых плато водоразделов и их склонах. В средней части крутых склонов элювий песчаника подстилается элювием опок. Так же встречаются делювиальные отложения нижних частей склонов, балок и конусов выноса, аллювиальные - рек и ручьев.

Из-за сложного геологического строения и маломощного чехла четвертичных отложений территория характеризуется достаточно контрастным почвенным покровом. В качестве фоновых компонентов в почвенном покрове «Татищево» выступают черноземы обыкновенные и южные на глинах и суглинках. Сопутствующими компонентами почвенных комбинаций являются солонцы черноземные на глинах и суглинках, черноземы обыкновенные на элювии опок и песчаников, черноземы южные на песках и супесях, выходы почвообразующих пород.

Согласно результатам проведенного полевого обследования тестового участка и данным проведенных лабораторных анализов, черноземы обыкновенные, сформировавшиеся на водораздельных поверхностях, имеют мощность гумусового горизонта 60-70 см, вскипают с 50-60 см, ниже 60 см наблюдается белоглазка. Содержание гумуса 4,2-5,7 %. Черноземы обыкновенные на склонах имеют меньшую мощность гумусового горизонта (40-50см), вскипают с 30-50 см, ниже линии вскипания появляется белоглазка. Содержание гумуса варьирует от 3,8 % до 5,5 %. В зависимости от крутизны склона встречаются слабосмытые и среднесмытые почвы.

Намытые почвы расположены в нижних частях крутых склонов (3-5?). Мощность гумусового горизонта таких почв составляет 70-90 см, а содержание гумуса 6-7,5 %. Вскипание наблюдается в нижней части переходного горизонта. С 80 см встречается псевдомицелий.

Мощность гумусового горизонта черноземов южных, занимающих водораздельные поверхности, составляет 40-45 см, с 30-40 см наблюдается вскипание, а содержание гумуса варьирует от 2 до 3 %. Черноземы южные склоновых земель характеризуются мощностью гумусового горизонта от 30 до 40 см, вскипают с 45 см, ниже линии вскипания появляется белоглазка. Содержание гумуса варьирует от 1,2 до 3, 2 %.

Сформировавшиеся на элювии опок и песчаников черноземы обыкновенные занимают, главным образом, склоновые земли. Мощность гумусового горизонта таких почв составляет 35-40 см, с 50 см начинается горизонт почвообразующей породы. Содержание гумуса 4,2-4,9 %. Поверхность и профиль таких почв характеризуются, как правило, средней степенью каменистости. Распространены также поверхностно-сильнокаменистые почвы. Слабодифференцированные южные черноземы на песках и супесях характеризуются мощностью гумусового горизонта от 52 до 57 см. По профилю не вскипают, имеют супесчаный гранулометрический состав. Содержание гумуса 1,5-1,8 %.

Солонцы черноземные имеют тяжелосуглинистый гранулометрический состав. Профиль вскипает с 40 см. Содержание гумуса около 2,5 %.

Методы исследований.

Полевое обследование почвенного покрова проводилось в 2011 (май, сентябрь) и 2012 (май) годах. В ходе него было заложено 19 опорных разрезов и отобрано 50 поверхностных образцов почв. Каждый почвенный профиль был описан в полевом дневнике и сфотографирован. Географические координаты расположения точек отбора образцов и разрезов регистрировались прибором GPS.

Возможности применения спутниковых данных для картографирования почв и их отдельных характеристик изучались на примере спутниковой информации Landsat TM-5 Сцена от 18.09.2011, QuickBird Сцена от 19.10.2010 и Radarsat-2 Сцены от 04.09.2011 и от 11.09.2011 vv-поляризации, сцены от 14.09.2011 vv и vh-поляризаций.

В качестве источника информации о рельефе использовались ЦМР SRTM и ЦМР, полученная по оцифрованной топографической карте масштаба 1:10000.

Для анализа СОС почвенных образцов и их связи с почвенными свойствами тестовых полей использовались программы MS Excel и STATISTICA. Реализация моделей для картографирования почвенных свойств, составление цифровых почвенных карт, анализ и обработка спутниковых данных и информации о рельефе осуществлялись в программной среде ILWIS Academic 3.3.

При выборе участков для картографирования почв по уже имеющимся почвенным картам исследуемой территории (почвенная карта, созданная Южгипроземом в 1982 г и почвенная карта 2010 г. (Башкирев, 2010)) анализировалась исходная контрастность почвенного покрова.

Также был проведен предварительный анализ спутниковой информации (квиклук снимка QuickBird от 13.08.2010) для получения представления о цветовых неоднородностях почвенного покрова и сопоставления их с данными имеющихся почвенных карт. В результате были определены 19 контрастных участков для заложения разрезов.

Съемка кривых спектральной отражательной способности высушенных образцов проводилась в солнечную малооблачную погоду прибором HandHeld 2, который проводит измерения в диапазоне длин волн от 325-1075 нм с точностью ± 1 нм. Во время съемки спектрорадиометр располагался перпендикулярно поверхности образца на высоте 10 см. Снимаемая площадь составила 20 см2.

После съемки проводился анализ кривых СОС и разработка параметров их классификации.

Глава 3 «Спектральная отражательная способность почв региона исследований» содержит результаты анализа спектральной отражательной способности почв тестовых полей. По данным визуальной оценки кривых СОС растертых и нерастертых образцов были выделены параметры их классификации, которые в формализованном виде использовались для выявления связей между СОС почв и их свойствами (содержание гумуса и гранулометрический состав).

С учетом спектрального разрешения используемых в работе оптических спутниковых систем (Landsat TM-5 и QuickBird) были разработаны параметры оценки СОС, позволяющие перейти от анализа кривых СОС к спутниковым данным.

В ходе корреляционно-регрессионного анализа оценивалась связь между преходными параметрами и данными лабораторных анализов. Также дополнительно в анализ были включены спектральные отношения СОС в различных каналах съемки и спектральные индексы (NDVI, GSI).

В результате были получены модели для картографирования свойств почв тестового участка и выделены параметры, наиболее подходящие для разработки алгоритмов картографирования свойств почв по спутниковым данным.

Глава 4 «Картографирование почвенного покрова на основе спутниковой информации» содержит три основных раздела.

Раздел 4.1«Картографирование отдельных свойств почв». Для картографирования содержания гумуса и гранулометрического состава за основу взяты параметры, которые были отмечены как наиболее подходящие для данной цели по результатам анализа СОС почвенных образцов.

Лучшие модели для картографирования исследуемых свойств почв по спутниковым данным, полученные в ходе корреляционно-регрессионного анализа, представлены в таблице 1.

Таблица 1 - Модели, отобранные для картографирования анализируемых свойств почвенного покрова тестового участка

Картографируемый параметр	Используемые спутниковые данные	Общий вид модели	R2 модели	Ошибка оценки
Содержание гумуса	Landsat TM-5	-11,78 + 6,92* LT_b/g +0,008* tgLT3_4	0,71	±1,03
Содержание частиц размером 1-,0-0,25 мм	Landsat TM-5 и QuickBird	-206,41+50,24* QB_r/g +0,5* StQB1_2+1,07* LT_6 -29,85* LT_r/n	0,74	±4,67
Содержание частиц размером 0,05-0,01 мм	Landsat TM-5	89,07 -61,33* LT_b/r - 213,06* LT_4/6 + 26,29* LT_4/7 - 0,50* StLT1_3	0,79	±4,63

Карты, созданные на основе данных моделей, представлены ниже (рис. 1-3). На картах белым цветом показаны участки, для которых нет данных.

Рисунок 1 - Карта содержания гумуса, построенная по модели для спутниковых данных Landsat TM-5

Рисунок 2 - Карта содержания частиц размером 1,0-0,25 мм, построенная при совместном использовании данных Landsat TM-5 и QuickBird

Рисунок 3 - Карта содержания частиц 0,05-0,01 мм, построенная по модели для спутниковых данных Landsat TM-5

Построенные карты содержат попиксельную информацию о значении свойств почв. При использовании данных карт для агроэкологической оценки земель они могут быть обобщены (генерализованы) до нужного уровня обобщения и/или классифицированы с заданными границами классов (рис.4).

Рисунок 4 - Карта содержания гумуса (среднее значение для каждого поля)

При картографировании поверхностной каменистости (раздел 4.1.2) использовались рассчитанные по спутниковым данным Landsat TM-5 и QuickBird параметры оценки СОС, спектральные отношения и индексы, рассмотренные в разделе 4.1.1 и радарные данные. Полевая поверхностная каменистость определялась по результатам классификации фотографий открытой поверхности почв.

Лучшая модель для картографирования каменистости почв региона исследований получена при совместном использовании спутниковых данных QuickBird и радарной информации. В модель вошли такие параметры, как значение СОС в 4 канале, тангенс угла наклона участка кривой СОС между 3 и 4 каналами, радарные данные вертикальной и вертикально-горизонтальной поляризации. R2 модели 0,82; ошибка оценки ±7,68.

Общий вид модели:

Поверхностная каменистость = -146,32+2,91*QB_4-0,07*14vv + 1,68*tgQB3_4-0,24*14vh±7,68

Карта каменистости, построенная на основе данной модели, представлена на рисунке 5.

Рисунок 5 - Карта каменистости, построенная при совместном использовании данных QuickBird и радарной информации

Для получения цифровой карты почвообразующих пород (раздел 4.1.3) в связи с особенностями региона исследований использовалась информация о гранулометрическом составе и поверхностной каменистости почв, тестовых полей.

Цифровая карта гранулометрического состава почв получена путем разбиения на классы почв тестового участка по содержанию в них физического песка (в соответствии с классификацией Н.А. Качинского). Картографирование содержания физического песка проводилось на основе регрессионной модели по спутниковым данным Landsat TM-5 (R2 модели 0,75; ошибка оценки ±6,06).

Информация о каменистости почв использовалась в виде карты каменистости, полученной для тестового поля 1 при совместном использовании спутниковых данных QuickBird и радарной информации (раздел 4.1.2).

Совмещение карты гранулометрического состава тестового участка с картой каменистости позволило построить карту почвообразующих пород тестового участка (рис. 6).



Рисунок 6 - Карта почвообразующих пород тестового участка (Условные обозначения: Dg - делювиальные глины, Dl - делювиальные легкие суглинки, Ds - делювиальные средние суглинки, Dt - делювиальные тяжелые суглинки, Eop - элювий опок, Epes - элювий песчаника, P - пески, Y - супеси)

Раздел 4.2 Построение цифровых почвенных карт на основе оптических и радарных спутниковых данных. В разделе рассматриваются возможности использования различных типов спутниковой информации для создания цифровых почвенных карт тестовых полей. По итогам раздела была сформулирована методика цифрового картографирования почв, включающая в себя следующие этапы:

1. Получение оптической и радарной информации в сроки, совпадающие со сроками полевых исследований.

2. Подбор сочетания каналов съемки оптических спутниковых данных и сочетания радарных данных, которые визуально лучше всего отображают варьирование почвенного покрова.

3. Выделение однородных участков изображения: для оптических данных применяется классификация с обучением отобранного сочетания каналов съемки методом максимального правдоподобия; в случае радарных данных однородные сегменты изображения выделяются вручную.

4. Совмещение результатов классификации оптических данных и сегментного анализа радарных данных с картой классов уклонов исследуемой территории, полученной по ЦМР.

5. Интерпретация полученных выделов с учетом материалов почвенно-картографического обследования тестового участка.

6. Совмещение цифровых почвенных карт, полученных по оптическим и радарным спутниковым данным для уточнения границ каменистых почв и исправления ошибок автоматизированной классификации оптических данных на участках, занятых растительностью.

7. Формирование итоговой цифровой почвенной карты (рис. 7)



Рисунок 7 - Почвенная карта тестовых полей, полученная при совместном использовании оптических и радарных спутниковых данных (Условные обозначения: 1) тип почв: Cho - чернозем обыкновенный, Chu - чернозем южный; 2) вид по мощности гумусового горизонта: *** - среднемощный, ** - среднемощный укороченный, * - маломощный, отсутствие * - очень маломощный; 3) степень смытости: !!! - сильносмытый, !! - среднесмытый, ! - слабосмытый, отсутствие ! - несмытый; 4) гранулометрический состав: lg - легкоглинистый, ts - тяжелосуглинистый, ss - среднесуглинистый, ls - легкосуглинистый, y - супесчаный, p - песчаный; 5) почвообразующая порода: Dt - делювиальный тяжелый суглинок, Ds - делювиальный средний суглинок, Dl - делювиальный легкий суглинок, Y - супесь, P - песок, Eop - элювий опоки, Epes - элювий песчаника)

В разделе 4.3 Возможности использования результатов спутниковой оценки состояния растительного покрова с/х угодий для картографирования неоднородностей почвенного покрова рассматривается применение анализа неоднородностей изображения растительного покрова для дешифрирования почв в случае, когда поверхность почв сельскохозяйственных полей покрыта растительностью.

Для оценки индикационных возможностей неоднородностей посевов для цифрового картографирования неоднородностей почвенного покрова пахотных земель использовались спутниковые данные MODIS. При этом неоднородности развития посевов оценивались в динамике (т.е. рассматривалось развитие посевов в течение всего вегетационного периода).

В качестве индикатора состояния посевов использовался вегетационный индекс NDVI, данные о котором для любой территории России доступны в режиме реального времени через спутниковый сервис анализа вегетации «ВЕГА» (http://vega.smislab.ru/).

В ходе исследования было отмечено, что показателями неоднородностей почвенного покрова пашни могут выступать изменение величины сезонного пика NDVI, его формы, выположенности, его положения на кривой вегетации, появление дополнительных пиков, а также форма и характер нисходящей части графика NDVI.

Сопоставление кривых NDVI разных почвенных выделов в пределах одного поля и одного сезона показало, что более надежно неоднородности почвенного покрова индицируются по состоянию культур весеннего сева, чем по состоянию озимых. Кроме того, надежность индикации варьирует по годам, что связано, вероятно, с изменениями агрометеорологической обстановки.

При оценке устойчивости разницы в развитии посевов на разных почвенных выделах в разных сезонах было выявлено, что надежность индикации различна для разных полей, что может быть связано с различиями в агротехнике возделывания культур.

Согласно результатам анализа отличий в развитии посевов на однотипных почвенных выделах разных полей, проявление влияния неоднородностей почвенного покрова на развитие посевов зависит от характера самих неоднородностей. При этом в некоторых случаях контрастные компоненты почвенных выделов могут не оказывать влияния на развитие посевов и, соответственно, не вызывать изменения кривой NDVI.

В разделе 4.4 Сопоставление традиционного метода почвенного картографирования и подходов, основанных на автоматизированной обработке спутниковой информации для оценки эффективности работы предлагаемого в рамках диссертации подхода и его качества, полученные цифровые почвенные карты были сопоставлены с уже имеющимися картами на данную территорию.

Информация на почвенных картах, полученных по спутниковым данным, представлена в более детальном виде по сравнению с традиционными почвенными картами, что связано с особенностями методики их построения. На них лучше отражена каменистость почв.

Оценка затрат труда на выполнение полевого этапа показала, что согласно (Общесоюзная инструкция…, 1973) на 1 почвенный разрез в регионе исследований должно приходиться 18 га. Общая площадь тестовых полей 635 га, соответственно, требуется заложить 35 разрезов. Предварительный анализ спутниковой информации и имеющихся почвенных карт позволил выделить однородные (фоновые) и контрастные участки, и снизить, таким образом, число почвенных разрезов до 19.

В главе 5 «Возможности спутникового мониторинга пахотных почв региона исследований» на основе концепции почвенной линии проводилась оценка пространственной и временной неоднородности пахотных почв региона исследований. При этом в качестве индикатора изменения почвенных (цветовых) характеристик выступало изменение параметров почвенной линии (Richardson, Wiegand, 1977; Кирьянова, Савин, 2012).

Для дешифрирования неоднородностей почвенного покрова в работе использовалось 17 сцен Landsat TM-5 c 1984 по 2010 гг.

Параметры почвенной линии рассчитывались по каждой из отобранных сцен для пикселей, относящихся к открытой поверхности пахотных почв.

В качестве критериев разделения открытой поверхности почв и других фоновых компонентов (растительности, водоемов, дорог, зданий) был использован набор серии вегетационных индексов: NDVI, RVI, NRV и TTVI (Jordan, 1969; Rouse et al., 1973, Baret and Guyot, 1991; Thiam, 1997).

В ходе анализа рассчитанных параметров почвенной линии была выявлена большая гетерогенность свойств поверхности пахотных почв региона исследований. Кроме того, было обнаружено, что в зависимости от особенностей территории (степени ее неоднородности) может быть выделена одна преобладающая (фоновая) почвенная линия и ряд сопутствующих почвенных линий или, в случае высокой неоднородности почвенного покрова, несколько групп преобладающих почвенных линии. При этом различия внутри таких групп, как и различия между сопутствующими почвенными линиями, во многом обусловлены особенностями рельефа, которые, в свою очередь, предопределяют неоднородности почвообразующих пород и эрозионные процессы.

Индикатором динамики почвенных свойств являлось наличие тренда в изменении угла наклона почвенной линии (оценивалось методом Фостера-Стьюарта) или, при отсутствии тренда, экстремальные изменения угла наклона почвенной линии во времени.

В результате была получена карта динамичности свойств почв за последние 30 лет (рис. 8), на которой показаны участки (пиксели), где произошло изменение цветоопределяющих свойств почв за анализируемый период времени.



Рисунок 8 - Карта динамичности почвенного покрова за последние 30 лет (красным цветом показаны пиксели, в которых за 30 лет произошли направленные или резкие изменения свойств почвенного покрова)

ВЫВОДЫ

1. Основными факторами, лимитирующими сельскохозяйственную деятельность в регионе исследования, являются поверхностная каменистость, облегченность гранулометрического состава и низкое содержание гумуса.

2. Анализ спектральной отражательной способности поверхности почв показал, что многоспектральные данные могут успешно использоваться для картографирования содержания гумуса, а также содержания частиц размером 1,0-0,25 и 0,05-0,01 мм. Наиболее информативными для дешифрирования содержания гумуса являются тангенс угла наклона участка кривой СОС между 3-м и 4-м каналами (красным и ближним ИК) и отношение СОС в первом канале к СОС во втором (синий/зеленый). Для картографирования содержания частиц размером 1,0-0,25 мм лучше всего подходят такие параметры, как отношение каналов красный/зеленый (3/2), тангенс угла наклона участка кривой СОС между 1 и 2 каналами (синим и зеленым), а также 6 канал Landsat TM-5 и отношение каналов красный/ближний ИК (3/4). Для определения содержания частиц размером 0,05-0,01 мм подходят такие параметры как отношение СОС в 1 канале к СОС в 3 канале (синий/красный), тангенс угла наклона участка кривой СОС между 1-м и 3-м каналами (синим и красным), отношение СОС в 4 канале (ближний ИК) к ширине спектрального диапазона 4 канала и отношения каналов 4/6 (ближний ИК/тепловой) и 4/7 (ближний ИК/средний ИК).

3. Разработанные автоматизированные подходы к картографированию почв, отдельных свойств почвенного покрова и почвообразующих пород по оптическим (QuickBird, Landsat TM-5) и радарным (Radarsat-2) спутниковым данным, а также цифровой модели рельефа, позволяют получать карты содержания гумуса (по данным Landsat TM-5) и частиц размером 1,0-0,25 мм (лучшая модель, позволяющая получить карту для всех тестовых полей, включает данные Landsat TM-5 и QuickBird) и 0,05-0,01 мм (по данным Landsat TM-5), карты почвообразующих пород (по данным Landsat TM-5), карты поверхностной каменистости (по данным QuickBird), а также цифровые почвенные карты тестовых полей. Для картографирования отдельных свойств почвенного покрова спутниковые данные QuickBird оказались менее информативными, чем данные Landsat TM-5. Ошибка получаемых карт варьирует от ±1,03 до ± 7,68 %.

4. Состояние посевов на исследуемой территории, выявляемое по кривым NDVI, может служить индикатором неоднородностей почвенного покрова пашни. При этом в качестве показателей неоднородностей выступают изменение величины сезонного пика NDVI, его формы, выположенности, его положения на кривой вегетации, появление дополнительных пиков, а также форма и характер нисходящей части графика NDVI. Надежность индикации зависит от особенностей агротехники, агрометеорологической обстановки и характера почвенных неоднородностей.

5. Оценка контрастности почвенного покрова, проведенная на основе концепции линии почв, показала, что почвенных покров тестовых полей, как и всего региона, характеризуется значительной пространственной неоднородностью. При этом в качестве показателей неоднородности цвета поверхности выступают угол наклона линии почв и величина ее смещения вдоль оси ординат. Данный подход рекомендуется использовать в качестве основы для организации многолетнего попиксельного мониторинга цвета поверхности пахотных почв по данным Landsat TM-5.

6. Среди достоинств разработанного метода автоматизированного картографирования почв по спутниковым данным можно выделить следующие:

a) Метод позволяет получать достаточно подробную информацию о варьировании характеристик почвенного покрова, важных с точки зрения агроэкологической оценки земель;

b) По разработанным моделям можно достаточно быстро в автоматизированном режиме получить карты отдельных свойств и каменистости почв для всего региона исследований;

c) Трудовые затраты на полевой этап ниже, чем при традиционном подходе к картографированию почв;

d) Для разработки алгоритмов автоматизированного картографирования почв и их реализации используются достаточно простые статистические модели и бесплатное открытое программное обеспечение.

По теме диссертации опубликованы следующие работы

В рецензируемых журналах из списка ВАК:

1. Кирьянова Е.Ю., Савин И.Ю. Линия почв как индикатор неоднородностей почвенного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т.8. № 4. С.310-318.

2. Кирьянова Е.Ю., Савин И.Ю. Неоднородность посевов, определяемая по спутниковым данным MODIS, как индикатор контрастности почвенного покрова // Доклады Российской академии сельскохозяйственных наук. 2013. № 3. С. 36-39.

В рецензируемых сборниках:

3. Кирьянова Е.Ю., Савин И.Ю. О возможностях оценки контрастности почвенного покрова Саратовского Поволжья по спутниковым данным Landsat. . В сб.: Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почвенный ин-т им. В.В. Докучаева, 2012. С. 189-209.

В материалах конференций:

4. Кирьянова Е.Ю. Выявление динамичности свойств почв по космическим снимкам Landsat (на примере тестового участка в Саратовской области) // VIII конференция молодых ученых «Фундаментальные и прикладные космические исследования». 2011. С.44

5. Кирьянова Е.Ю. Потенциальные возможности распознавания почв Среднего Поволжья по многоспектральным спутниковым данным // IX конференция молодых ученых «Фундаментальные и прикладные космические исследования». 2012. С. 43.

6. Kirianova E.Y. Soil mapping and monitoring based on remote sensing // Presenting Academic Achievements to the world. Natural Science. March 14-15, 2012, Saratov.2012. P. 43-45.

7. Кирьянова Е.Ю. Возможности автоматизированного картографирования почвообразующих пород на основе спутниковой информации// VI съезд Общества почвоведов имени В.В. Докучаева, Всероссийская научная конференция с международным участием «Почвы России: современное состояние, перспективы изучения и использования», Всероссийская молодежная конференция «Знания о почве - развитию страны». Материалы докладов. Книга 1. 2012. С. 244-245.

8. Савин И.Ю., Кирьянова Е.Ю. Спутниковые данные как информационный ресурс для инвентаризации и мониторинга почв // VI съезд Общества почвоведов имени В.В. Докучаева, Всероссийская научная конференция с международным участием «Почвы России: современное состояние, перспективы изучения и использования», Всероссийская молодежная конференция «Знания о почве - развитию страны». Материалы докладов. Книга 1. 2012. 2012. С. 250-251.

9. Kirianova E.Y. Soil dynamics estimation using Landsat data in Saratov Povolzhye region (Russia) // Anais XVI Simpуsio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaзu, PR, Brasil, 13 a 18 de abril de 2013, INPE. 2013. P. 237-243.

Размещено на Allbest.ru

...