ЦИФРОВОЕ КАРТОГРАФИРОВАНИЕ ЗАСОЛЕННОСТИ ПОЧВ СОЛОНЦОВОГО КОМПЛЕКСА В КАЛМЫКИИ
DIGITAL MAPPING OF SOIL SALINITY OF SOLONETZIC COMPLEX IN KALMYKIA
У.Ю. Улюмджиев1, М.В. Конюшкова2
U.Yu. Ulymdzhiev1, M.V. Konyushkova1
1Почвенный институт им. В.В. Докучаева
(Россия, 119017, г. Москва, Пыжевский пер. д. 7)
2Евразийский центр по продовольственной безопасности МГУ
(Россия,119991, г. Москва, Ленинские горы, МГУ им. М.В. Ломоносова, Аграрный центр МГУ)
1V.V. Dokuchaev Soil Science Institute
(Russia, 119017, Moscow, Py'zhyovskij pereulok, 7)
2Eurasian Center for Food Security
(Russia, 119991, Moscow, Leninskie Gory, Lomonosov Moscow State University, Eurasian Center for Food Security)
e-mail: ulyumdzhiev@gmail.com, mkon@inbox.ru
Разработан подход к составлению цифровой крупномасштабной карты засоления почв. Используется автоматическая обучающая выборка по наземным наблюдениям; на основе параметров синтезированного космического снимка и NDVI, составлены две почвенные карты, взвешенное наложение которых используется в качестве контурной основы карты распределения значений EC и pNa.
The main objective of this research was the development of remote sensing methodology for estimation of soil salinity. The approach is using training samples (based on filed observations), color-synthesized image and NDVI. We have created two soil maps based on color-synthesized image and NDVI, that’s map were weighted overlay, which is use as a contour map for distribution weighted average values of EC1:5 and pNa.
Для разделения почв разной степени засоления на основе дистанционных данных необходимо проводить анализ структуры почвенного покрова. Пространственная неоднородность засоления почв в разных природных зонах и при разном антропогенном воздействии закономерно связана с условиями миграции и аккумуляции солей в ландшафте [1, 4-6, 9], что проявляется в размерах пятен незасоленных и засоленных почв. В существующих публикациях [7, 8] было показано, что в Прикаспийском регионе России на основе дистанционной информации возможно выделение только двух категорий почв по их засоленности: незасоленных и засоленных в разной степени вместе. Использование наземных данных в сочетании с дистанционными позволяет повысить достоверность получаемых прогнозных карт, что подтверждается современными исследованиями в данной области [11, 12]. Для развития методологии дистанционной оценки засоления почв были выполнены исследования на почвенной трансекте, расположенной на солонцовом комплексе в зоне бурых полупустынных почв. Ключевой участок был заложен на правобережье Волги, в южной части Сарпинской низменности [3], в районе пос. Эрдниевский (в 13 км), координаты 46,971° с.ш., 46,321° в.д., с отрицательной абсолютной отметкой 3 м. Административно участок расположен в пределах Юсти?нского района Калмыкии.
Полевые работы заключались в наземных исследованиях микрорельефа, растительного покрова и наборе фактического почвенного материала (характеристика СПП, отбор образцов) для использования в автоматическом дешифрировании космического снимка. Для наземных почвенных исследований был применён метод трансект. Всего трансект было заложено 4 – одна основная (длиной 55 м), остальные – дополнительные, на которых, путём прикопок (глубиной до 30-50 см) с шагом 1 м, были определены границы элементарных почвенных ареалов (ЭПА). Длина трансект составляла от 32 до 61 м. Далее, исходя из полученной с помощью прикопок информации о границах ЭПА, были пробурены скважины метровой и двухметровой глубины (всего 29) и заложены два почвенных разреза. Образцы отбирались с глубин: 0-2, 2-10, 10-20, 20-30, 40-50, 50-70, 80-100, 100-120, 140-160 и 180-200 см. Расстояние между скважинами и их глубина варьировали, исходя из размеров ЭПА: в случае с большей протяжённостью ЭПА – меньшее количество скважин (т.к. они характеризуют относительно однородный объект) на данном участке трансекты и увеличение расстояний между скважинами, зоны смены ЭПА – уменьшение расстояния между скважинами (до шага в 1 метр) с возрастанием их количества.
Аналитические исследования были выполнены с применением следующих методов. Измерение активности ионов с помощью ионоселективных электродов (ИСЭ). Последовательность операций при измерении pH и активности других различных ионов (в нашем случае натрия) одинакова, различия только в применении разных ИСЭ, которые селективны к соответствующим ионам и их калибровке по стандартным растворам. С помощью данного метода были определены показатели pH и pNa. Показатель pNa характеризует активность ионов натрия через отрицательный десятичный логарифм. Показатель pNa был определен в водной суспензии (1:5) и в пасте с переменной влажностью по нижней границы текучести – от 25% до 50%, обусловленной в первую очередь гранулометрическим составом определяемых образцов почв. Были проведены измерения удельной электропроводности (EC1:5) с помощью кондуктометра в водных суспензиях 1:5, полученных экспресс-методами (после оседания твёрдого остатка) [10].
В работе был использован многозональный (4 канала: 1-й или синий – 0,45-0,52 мкм, 2-й или зелёный – 0,52-0,60 мкм, 3-й или красный – 0,63-0,69 мкм, 4-й ближний инфракрасный – 0,76-0,90 мкм) космический снимок GeoEye с пространственным разрешением 2 м. Для дальнейшего использования в работе было получено синтезированное изображение из каналов 4, 3 и 2. Выбор синтеза изображения в данных каналах был обусловлен наиболее контрастным рисунком, который позволяет учитывать не только общее проективное покрытие растительности на территории, но и спектральные характеристики обнаженной поверхности.
Помимо синтеза многозонального снимка в том или ином сочетании каналов, ещё одним вариантом для использования в дешифрировании могут быть различные индексы, например, NDVI (Normalized Difference Vegetation Index) – нормализованный относительный индекс растительности. Данный индекс – один из самых распространенных и широко используемых. Это простой показатель, отражающий количество фотосинтетически активной биомассы. Он вычисляется по следующей формуле:
где, NIR – отражение в ближней инфракрасной области спектра (4 канал), RED - отражение в красной области спектра (3 канал). Согласно этой формуле, количество фотосинтезирующей растительности в точке изображения является отношением разницы интенсивностей отраженного света в красном и инфракрасном диапазоне к сумме их интенсивностей. В отличии от использования двух каналов (3 и 4) раздельно, при использования индекса, в большинстве случаев полученное изображение выглядит контрастнее, что значительно упрощает дешифрирование [2].
Был разработан подход к составлению цифровой крупномасштабной карты засоления почв. С помощью обучающей выборки, построенной по наземным наблюдениям, на основе параметров синтезированного (в каналах 4, 3, 2) космического снимка, с одной стороны, и NDVI, с другой, были автоматически составлены две почвенные карты участка по классификационной принадлежности и по индикации состояния растительного покрова. Пространственное распределение NDVI зависит от проективного покрытия и состояния растений, находящихся в разных фенофазах, задержка которых связана, в том числе с засолением почвы. Далее была применена реклассификация карт почвенного покрова в соответствии со средними значениями искомых показателей в пределах ЭПА той или иной почвы. На основе закономерности распределения показателей необходимо было установить средневзвешенные значения в точках опробования и соотнести их с типами почв, что позволяет применить переклассификацию – перейти от текстового атрибута (названия ЭПА) к числовым значениям засоления. Данная методика создания карт искомых показателей на основе принадлежности к определенным таксонам широко используется. В следующем шаге, путём взвешенного наложения двух почвенных карт с весами 0,75 и 0,25 соответственно, выбранными на основе подбора и многократного сравнения данных снятых с карты и с аналитическими данными по обучающей трансекты и сравнения с данными верификационных трансект, была получена контурная основа карты, для которой задано распределение средневзвешенных значений EC и pNa.
Для анализа изменения параметров засоления почв (pNa, EC) в зависимости от удаленности от границы ареала с незасоленной почвой и в зависимости от площади ареала с засоленными почвами было изучено пространственное распределение солей на ключевом участке и рассчитана функция зависимости засоленности от расстояния до контура с незасоленной почвой с использованием модуля Proximity Grid в программе SAGA GIS. Эта функциональная зависимость использована для создания плавных переходов значений ЕС и pNa на границах контуров с разными средневзвешенными величинами.
Таким образом, предложенная методика картографирования позволяет выделять незасоленные и различные категории (слабо-, средне- и сильнозасоленные) засоленных почв на основе данных дистанционного зондирования высокого разрешения.
Работа выполнена при финансовой поддержке РФФИ (гранты № 14-04-31436 и 13-04-00107).
СПИСОК ЛИТЕРАТУРЫ: