Содержание к диссертации
Введение
Глава 1 Обзор литературы. Модель почвенно-ландшафтных связей и структура почвенного покрова 8
1.1 Региональные модели почвенно-ландшафтных связей 8
1.2 Учение о структуре почвенного покрова 9
1.3 Цифровая почвенная картография (ЦПК) 10
1.4 Развитие цифровой почвенной картографии 12
1.5 Принципы создания цифровых почвенных карт 19
1.6 ЦПК в задачах агроэкологической оценки земель 23
1.8 Проблемы и перспективы ЦПК 29
Глава 2 Характеристика условий почвообразования и почвы Владимирского ополья 31
2.1 Характеристика климата района исследований как фактора почвообразования 32
2.2 Характеристика рельефа и почвообразующих пород территории 32
2.3 Характеристика растительного покрова 36
2.4 Характеристика почв и структуры почвенного покрова Владимирского ополья 37
2.5 Характеристика почвенных условий учхоза «Дружба» 44
Глава 3 Материалы и методы 49
3.1 Подготовка факторно-индикационной основы 49
3.2 Методы полевых изысканий 53
3.3 Моделирование почвенно-ландшафтных связей 55
Глава 4 Результаты моделирования почвенно-ландшафтных связей 64
4.1 Крупномасштабная цифровая модель 64
4.2 Детальная модель пространственного распределения второго гумусового горизонта почв Владимирского ополья на уровне поля 89
4.3 Верификация крупномасштабной и детальной моделей почвенно ландшафтных связей 105
Заключение 110
Список сокращений 112
Библиографический список 113
Приложение А 130
Приложение Б 132
Приложение В 144
- Развитие цифровой почвенной картографии
- Характеристика почв и структуры почвенного покрова Владимирского ополья
- Крупномасштабная цифровая модель
- Верификация крупномасштабной и детальной моделей почвенно ландшафтных связей
Развитие цифровой почвенной картографии
В последние двадцать пять лет цифровое почвенное прогнозное картографирование получило широкое развитие, целью которого является предсказание пространственного распространения 1) таксономических единиц почвы и/или 2) различных количественных свойств почвы (pH, гумус, содержание элементов питания растений, тяжелые металлы и т.д.) на основе анализа распределенных в пространстве количественных характеристик факторов почвообразования (Флоринский, 2012; Minasny, 2016). При этом используются различные математические методы, включающие множественный регрессионный анализ, различные геостатистические подходы, аппарат нечетких множеств, дискриминантный анализ, нейронные сети и др. (McBratney et al., 2003).
За прошедшее время ЦПК стала успешной субдисциплиной почвоведения. Количество работ по данной тематики постоянно растет, растет и количество цитирования с каждым годом (рис. 1.1).
Методы ЦПК основаны на моделях, которые развивают гипотезу В.В. Докучаева о почве, как функции от факторов почвообразования (рис. 1.2) (Докучаев, 1886). Таким образом гипотеза Докучаева, в той или иной степени, лежит в основе практически всех современных методов цифровой почвенной картографии, цифрового почвенного прогнозного картографирования и в значительной части математических моделей в почвоведении (Флоринский, 2012).
В работе Алекса МакБратни с соавторами была предложена модель SCORPAN (McBratney et al., 2003), данная модель ориентирована на практическое применение для цифрового почвенного картографирования и поэтому рассматривает известную информацию о картографируемых почвах и местоположении как предсказатели при моделировании.
Развитие ЦПК непосредственно связано с разработкой методов автоматизированного картографирования почв. В 70-х годах XX века такие методы уже активно разрабатывались в Почвенном институте имени В.В. Докучаева: основы «интерактивного» метода дешифрирования и картографирования почв (Савин, Симакова, 2014).
В 80-х благодаря быстрому развитию вычислительной техники привело к появлению специальных компьютеров, позволяющей проводить анализ спутниковые данные («Периколор» (Франция), «КТС-Диск» (ГДР), «СВИТ» (Болгария-СССР). С использованием данных комплексов были получены первые данные по автоматизированному дешифрированию отдельных свойств почв (Васильев, Полуаршинова, 1984; Крупенио, 1985), динамичности почвенного покрова (Виноградов, 1984), по автоматизированному картографированию почв (Щербенко, 1983; Аэрокосмические методы, 1990).
ЦПК непосредственно связана и с географическими информационными системами (ГИС). Первые публикации по ГИС для мониторинга и рационального использования почв появились в 1991 году (Рожков, Столбовой, 1991).
Активная работы по созданию почвенных баз данных в ГИС происходила и за рубежом (Lagacherie, 1992; Oldeman, Engelen, 1993; Grunwald, Thompson, Boettinger, 2011; Anderson, Scott Smith, 2011).
Наиболее часто в качестве исходной информации для автоматизированного построения почвенных карт используются данные дистанционного зондирования полученные со спутниковых аппаратов.
В ЦПК получили широкое распространение методы математической статистики и геостатистики (Lagacherie, McBratney, 2006; Grunwald, Thompson, Boettinger, 2011; Adhikari et al., 2014; Hengl et al., 2014). При таком подходе для составления или обновления почвенных карт, на основе имеющихся данных о почвах и факторах почвообразования, проделывается работа по поиску взаимосвязей, например, методом линейного дискриминантного анализа или множественной логистической регрессии, автоматически строится модель. В среднем масштабе такие методы могут приводить к большим ошибкам, так как зачастую индикаторы очень косвенно описывают почвообразующие факторы (Lagacherie, 2008; Kempen et al., 2009; Kempen, Brus, Vries, 2015).
Одним из подходов к ЦПК является так называемая «имитация» традиционного почвенного картографирования (Савин, 2012), при этом в полной мере используются достижения традиционной почвенной картографии, так как методы цифровой почвенной картографии органично встраиваются в процесс традиционного составления карт (Жоголев, 2016).
Ключевое место в ЦПК занимает установление почвенно-ландшафтных связей, которое может проводиться автоматизировано (McBratney, Santos, Minasny, 2003; Kempen et al, 2009; Кренке, 2012; Hengl et al, 2014; Kempen, Brus, de Vries, 2015; Minasny, McBratney, 2016), но на данном этапе результаты не всегда получаются качественными. Кроме того, методы статистического поиска взаимосвязей (data mining) требуют детальной качественной информации о почвообразующих факторах. Это дает возможность для дальнейшего научного поиска.
В цифровой почвенной картографии возникли оригинальные новые подходы к картографированию почв на основе нечеткой логики, позволяющие так же автоматизировано строить почвенные карты и картографировать постепенный переход одной почвы в другую (Zhu, 1994; Zhu, Hudson, Burt et al., 2001; Zhu, Liud, Dud, et al., 2015).
Основу ЦПК составляет использование большого спектра методов математической статистики и машинного обучения (machine learning) (Hengl, Hannes, Reuter, 2009; Bruin, Heuvelink, Ligtenberg, 2013; Kempen, 2015): искусственные нейронные сети, классификационные и регрессионные деревья, метод опорных векторов, нечёткая логика, деревья классификации, криггинг, ко-криггинг, регрессионный криггинг, универсальный криггинг, мультиномиальный регрессионный анализ, дискриминантный анализ и многие другие.
Большинство работы в цифровой картографии почв основаны на построении численной модели, связывающей полевые данные о почвах и scorpan факторов (BouKheir et al., 2010; Brungard et al., 2015). Модель применяется к пространственным данным об окружающей среде. Однако при цифровом картографирование почв также можно использовать традиционные почвенные карты в качестве входных данных для целей экстраполяции, обновления или дезагрегирования почвенных карт (Subburayalu и Slater, 2013; Odgers et al., 2014). Обоснование заключается в извлечении знаний из законченных исследований, или перепроектировании мысленной модели эксперта почвоведа с помощью технологии машинного обучения (Moran и Bui, 2002). Правила могут быть извлечены из почвенных карт, и впоследствии знания этих правил могут быть использованы для пространственной экстраполяции на картируемую область (Grinand et al., 2008), для обновления или уточнения существующих карт (Collard et al., 2014), или дезагрегирования единиц почвенного картографирования в другие единицы почвенной классификации или группы (Hring et al., 2012; Subburayalu and Slater, 2013; Odgers et al., 2014). Кроме того, дезагрегированые карты и карты полученные на основе scorpan-кригинга могут быть объединены для получения более точных результатов (Malone et al., 2014).
В разрезе ЦПК так же следует упомянуть и средствах, которые позволяют реализовывать алгоритмы построения и оценки карт. На данный момент существует большое разнообразие компьютерных программ: ГИС (ArcGIS, ГИС Панорама, SAGA, GRASS, QGIS, ILWIS и др.), программное обеспечение статистического анализа (Statistica, SPSS, MatLab, MathCad, Matematica), распространены объектно-ориентированные языки программирования (R, Python, Stata). Подобные языки программирования имеют относительно простые команды для статистического анализа, а также импорта-экспорта разных данных, в том числе геопривязанных растровых изображений. В настоящее время во многие ГИС встраиваются языки программирования R и Python. Остаются актуальными традиционные языки программирования: С/C++, Pascal, Basic, Fortran.
Характеристика почв и структуры почвенного покрова Владимирского ополья
По почвенно-географическому районированию территория землепользования относится Средне-Русской провинции подзоны дерново-подзолистых почв южной тайги, но специфика ополья привела к формированию других почв, чаще классифицируемых как серые лесные.
Почвенный покров Владимирское ополье представляет интерес со времен Докучаева (Докучаев, 1884). В основном почвы Владимирского ополья рассматривают в типе серых лесных почв (Модель…, 2004). Однако отмечается их ряд морфологических и химических признаков, отличающий их от таковых (Рубцова, 1974). Также в ряде работ сделана попытка выделить их в отдельные генетические типы переходного класса почв (Быстрицкая, Тюрюканов, 1966). Так же особенностью почвенного покрова здесь является повсеместное распространение комбинаций почв с участием почв со вторым гумусовым горизонтом (ВГГ). Широкое участие почв со ВГГ в структуре почвенного покрова Владимирского ополья показано в работах Рубцовой (Рубцова, 1974), Макеева и Дубровиной (Макеев, Дубровина, 1990), Алифанова и Гугалинской (1993), Савастру (1999).
Почвы ополья характеризуются преобладанием слабокислой реакцией среды, pH колеблется в среднем около 5,2-6,0. Мощности гумусовых горизонтов изменяются от 17 см у светло-серых лесных до 37 см для темно-серых. Содержание гумуса колеблется от 2,1 до 3,7%. Почвенный покров характеризуется комплексностью, которая связывается с микрорельефом. Микропревышениям характерны серовато-бурый светлые тона окраса поверхности почвы, а микропонижениям – более тёмные, серые и тесно-серые. Опольные почвы относят к текстур-дифференцированным Верхняя часть профиля более легкая (это горизонты А1, Апах, А1А2, Аh) чаще характеризуется среднесуглинистым гранулометрическим составом, иногда тяжелосуглинистым. Нижняя более тяжелая (серия горизонтов B, ВС, С) и имеет легкоглинистый гранулометрический состав. (Поветкина, 2008).
В микропонижениях чаще всего описываются серые лесные почвы со вторым гумусовым горизонтом (Аh). Характерное строение профиля: Aпах – ([Ah) – Blt – B2t – B3t – BtC – C (Макеев, Дубровина, 1990). Верхний горизонт пахотный 25-35 см мощностью буровато-серый, порошисто-комковатый или комковатый, рыхлый, среднесуглинистый, пронизан корнями, переход резкий по цвету, имеют резкие верхние и нижние границы.
Второй гумусовый горизонт обнаруживается с 25-25 см. Характеризуется гумусированной субстанцией серовато-черного или темно-серого цвета. ВГГ по мощности может достигать 40 см. Причем его мощность связывается с формой понижения – максимальная мощность наблюдается в центре и снижается по краям. Верхняя часть ВГГ зачастую вовлекается в пахотный горизонт. Имеет неоднородную структуру. Лучше агрегирован и имеют более высокую пористость с обилием пор-камер округлой формы по сравнению с верхними гумусовыми горизонтами (Макеев, Дубровина, 1990). Генезис ВГГ проблематичен, и объясняется с позиции двух основных гипотез. В первом случае многие авторы рассматривают ВГГ как реликт, оставшийся с предыдущих стадий формирования почв в период оптимума голоцена (Рубцова, 1974; Макеев, Дубровина, 1990; Алифанов, Гугалинская, 1993). Этими же авторами отмечается связь распространения почв с микрорельефом палеокриогенного происхождения и приуроченность почв со ВГГ к микропонижениям.
В противовес реликтовой теории Пономаревой и Плотниковой предложена гипотеза современного происхождения ВГГ за счет высокой подвижности, при определенных условиях, второй фракции гуминовых кислот (Пономарева, Плотникова, 1980).
Нижняя, более тяжелая, часть профиля представлена сериец горизонтов Bt, которые имеют желтовато-бурый цвет, плотные, призмовидно-ореховатую структуру, с тонкими ореховато-коричневыми и черными глянцевыми кутанами, и скелетаной на гранях структурных отдельностей. От верхних части к переходу к почвообразующей породе структурные отдельности становятся крупнее (от мелкоореховатых к крупнопризмовидным), выраженность их ухудшается, снижается количество скелетан и кутан. Почвы понижений как правило не содержат карбонатов в профиле (Макеев, Дубровина, 1990).
Обычные серые лесные почвы, без ясно выраженных признаков оглеения или оподзоливания и без ВГГ, распространены на слабовыпуклых высоких водоразделах и пологих склонах с невыраженным микрорельефом и при глубоком залегании грунтовых вод. Строение профиля: Апах – (А1) – B1t – B2t – B3t – BtC – С. В структуре почвенного покрова к ним могут включаться полугидроморфные почвенные разностей, приуроченные к пониженным формам микрорельефа (Макеев, Дубровина, 1990). В случае близкого залегания карбонатов (0,3-0,6 м) почвы описываются как серые лесные остаточно-карбонатные. В пахотный горизонт часто могут включаться фрагменты иллювиального горизонта Иллювиальная часть профиля почв повышений обычно более плотная, хуже оструктурена, содержит меньше кутан более светлой окраски (Макеев, Дубровина, 1990). Последний цвет придается всей почвенной толще. Карбонаты кальция находятся на глубине 70-100 см (иногда - на глубине 30-40 см).
Карбонаты кальция встречаются в различной форме. Отмечаются в общей массе частицы известняка и доломита размером от средней пыли до среднего песка.
Встречаются зоны карбонатной пропитки плазмы вторичным скрытокристаллическим кальцитом, а также карбонатные кутаны по порам. Встречаются крупные гидрогенные новообразования, приуроченные к трещинной сети в виде журавчиков. Они имеют небольшой размер и хрупкие, внутри часто полые, с органическими пленками, проникающими в глубь конкреций. Встречаются и плотные разновидности вытянутых журавчиков с тончайшими трещинами усыхания в центре стяжений. Встречаются и округлые рыхлые карбонатные сгустки типа белоглазки около 1-2 см в диаметре. Могут встречаться и новообразования карбонатов в виде псевдомицелия. Карбонатные горизонты имеют более светлую окраску и более плотные (Макеев, Дубровина, 1990).
Почвы глубоких западин имеют сильно выраженные признаки оглеения. По своим морфологическим признакам профиль этих почв близок выделяемым в лесной зоне дерново-подзолистым оглеенным. Гумусовый горизонт темно-серый, комковато-глыбистый, уплотненный, часто с ржавыми разводами. Может выделятся горизонт A2g белесый, с охристыми пятнами, выделяются железо-марганцевые конкреции, плитчатой структуры. Иллювиальный горизонт плотный, призмовидно-ореховатый, с плотным сложением структурных отдельностей, имеет оглеенные скелетаны и кутаны, количество которых снижается вниз по профилю (Макеев, Дубровина, 1990).
Под гумусовым горизонтом серых лесных почв микропонижений и под вторым гумусовым горизонтом может выделяться переходный оподзоленный. По мощности и степени проявления такового почвы разделяются на: слабо-, средне- и сильнооподзоленные (Савастру, 1999).
На слабодренированных равнинах, водоразделах со слабовыраженным микрорельефом, в подножъях склонов, в ложбинах и ложбинообразных понижениях распространены глееватые почвенные разности. Они входят в комплексы с серыми лесными почвами. Глееватые и глеевые почвенные разности приурочены к привершинным водосборам крупных балок, часто выделяются на гофрированных склонах, могут находиться в комплексе с эродированными серыми лесными почвами (Савастру, 1999).
При предоставлении детальных картографических материалов по Владимирскому ополью, часто ограничиваются короткими профилями (Симакова, 1987), либо небольшими ключевыми участками детального картографирования площадью 1 га (Рубцова, 1974) и до 5 га (Алифанов, Гугалинская, 1993).
В работе Савастру Н.Г. (1999) представлена группировка элементарных почвенных структур (ЭПС) Владимирского ополья. В схеме группировки три основные позиции ландшафта: водоразделы - склоны - основания склонов с прилегающими участками. Делятся на две категории: дренированные и слабо дренируемые.
Крупномасштабная цифровая модель
В качестве исходных материалов для моделирования использовалась карта структуры почвенного покрова, составленная в рамках проекта АЛСЗ для учхоза «Дружба» (Агроэкологическая оценка земель…, 2005) Структуры почвенного покрова по карте были сгруппированы в 10 групп. Критерии выделения и группировки структур почвенного разработаны ранее, с учетом местных условий (Савастру, 1999). Выделены следующие группы СПП.
Для поиска наиболее представительной модели были выбраны ключевые ареалы соответствующих групп структур почвенного покрова (рис. 4.1). Стоит отметить, что итерации для поиска оптимальной модели осуществлялись по различным схемам включающим точечные отметки групп выделенных по методу латинского гиперкуба в разном количестве и в виде ключевых ареалов. В работе представлены наиболее оптимальные схемы и итерации для примера моделирования связей почвы (или структуры) с факторами задаваемыми индикационной моделью.
Факторно-индикационную основу модели почвенно-ландшафтных связей задавали морфометрические параметры рельефа, рассчитанные по ЦМР представленные ранее в главе 3. Прежде, чем переходить к непосредственным моделям необходимо представить предварительную оценку и вклад в модель рассматриваемых параметров.
Представленные на рисунках 4.2-4.4 графики, показывают характер распределения групп структур почвенного покрова в пространстве пар признаков: крутизна (SLP), топографический индекс влажности (TWI), индекс конвергенции (CI), профильная кривизна поверхности (LC), плановая кривизна поверхности (CSC), индекс отношения крутизны к длине склона (LSF), экспозиция (ASP), замкнутые понижения (CD), глубина понижений (VD), вертикальное расстояние до гидрографической сети (VDCN), относительные превышения в области 50 метров (TPI50), относительные превышения в области 100 метров (TPI100), относительные превышения в области 250 метров (TPI250), относительные превышения в области 500 метров (TPI500) , относительные превышения в области 1000 метров (TPI1000), базовые уровень гидрографической сети (CNBL). Чем четче пики плотности распределения отделены друг от друга, тем лучше значения данной характеристики отделяют группы структур почвенного покрова. Характер этих пиков разнообразен и позволяет разделит не все группы структур почвенного покрова, а только отдельные группы.
Согласно графикам, представленным на рисунке, можно выделить следующие наиболее значимые характеристики: крутизна (SLP), топографический индекс влажности (TWI), профильная кривизна поверхности (LC), плановая кривизна поверхности (CSC), индекс отношения крутизны к длине склона (LSF).
В экспериментальных условиях данные графики распределения позволяют идентифицировать наиболее значимые признаки. Таким образом проведя подобный графический анализ осуществляется возможность разделения и выбора ряда независимых переменных для построения модели.
Согласно графикам представленным на рисунке 4.3 выделяются следующие наиболее значимые характеристики рельефа: относительные превышения в области 100 метров (TPI100), относительные превышения в области 250 метров (TPI250), относительные превышения в области 500 метров (TPI500), относительные превышения в области 1000 метров (TPI1000), базовый уровень гидрографической сети (CNBL).
Согласно графикам представленным на рисунке 4.4 можно выделить наиболее значимые характеристики: экспозиция (ASP), замкнутые понижения (CD), глубина понижений (VD). Рисунок 4.4 - Графики рассеяния групп структур почвенного покрова в пространстве пар морфометрических признаков рельефа
Кроме выделения морфометрических параметров рельефа хорошо разделяющих группы структур почвенного покрова в пространстве признаков факторно-индикационной основы необходимо исключить параметры которые влияют на модель совместно. Для этого рассмотрим матрицу корреляции признаков в виде эллипсов. Чем сильнее вытянут эллипс, тем больше доля совместного варьирования признаков
Верификация крупномасштабной и детальной моделей почвенно ландшафтных связей
Применение подходов цифровой почвенной картографии для построения моделей почвенно-ландшафтных связей позволяет получить статистическую оценку точности получаемых данных, то есть дать оценку точности чисто формально. Сравнительная оценка методов, использованных в работе совместно с экспертной оценкой и сравнением с картографическими материалами, заложенными в основу модель (табл. 4.12) показала, что чисто формальный подход не достаточен для оценки модели почвенно-ландшафтных связей.
Для проверки полученной модели были заложены дополнительные верификационные разрезы на нескольких ключевых участках (рис. 4.17).
Верификация полученной картографической модели выявила хорошее совпадение с фактическими данными. Всего было заложено 60 разрезов из которых подтверждение совпадения выявлено в 41 разрезе и в 19 подтверждения сходства не зафиксировано.
При экспертном анализе полученной карты можно сказать, что выделенные группы не лишены ландшафтной логики. Так автоморфные (зональные) группы (1 на рис. 4.18) приурочены к выпуклым водоразделам и вершинам холмов, эрозионные группы (2, 3, 4 на рис. 4.18) к различным склонам, что, связано с высокой ролью крутизны в данной модели при выявлении эрозионных групп. Хорошо выделены пойменные участки (10 на рис. 4.18) которые совпадают с долинами рек, протекающих на данной территории. В целом карты на участках сравнения имеют не плохое сходство. Самое большое отличие в распространении группы полугидроморфно-зональных (6 на рис. 4.18) структур, которые при расчете по модели были определены на участке, но в исходной карте отсутствуют.
В целом на цифровой карте гидроморфные структуры заметно коррелируют с замкнутыми понижениями. Хорошо выделены полугидромофрно-зональные группы, которые в виду специфики территории представлены комбинациями серых лесных почв с участием слабоглееватых, и группа полугидроморфных структур, в которых доля глееватых почв возрастает, приуроченных к вогнутым поверхностям с небольшим уклоном и водосборным площадкам оврагов.
Обобщая полученные модельные и полевые поверочные данные можно сделать вывод, что в условиях Владимирского ополья внутриландшафтная дифференциация групп структур почвенного покрова в пространстве объясняется рельефом на 68%.
Для проверки полученных результатов в детальном масштабе было выбрано еще 2 ключевых участка (рис. 4.19). Исходный участок вполне описывал многообразие элементов рельефа и микрорельефа, представленных в основном на пашне – это и вытянутый водораздел с прилегающими склонами разной крутизны и экспозиции, субгоризонтальные поверхности, выположенные нижние части склонов, ложбинная сеть разного направления и выраженности, а также микрозападины.
На проверочных участках проведена аналогичная съёмка БПЛА с построением и анализом ЦМР и построены карты распространения второго гумусового горизонта на основе величины относительных превышений в области 30 м. Для проверки был заложено по 20 прикопок на соответствующих участках и произведено сравнение с цифровой картой.
Результаты проверки цифровых карт, представленные в таблицах 4.16 и 4.17, показывают, что результат вполне сопоставим с модельным участком и предлагаемый алгоритм картографирования второго гумусового горизонта вполне удовлетворительно работает.
Также на основании проведенного моделирования и проверки принимается результат моделирования ВГГ на основе относительных превышений и общая зависимость его распространения от элементов микрорельефа составляет 65%.