Цифровое обновление традиционно составленных почвенных карт

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Представлено описание нового подхода к актуализации бумажных почвенных карт, основанного на имитационном моделировании традиционных экспертных подходов к картографированию почв, и результаты его апробации на примере тестового участка в центре европейской части России. Для обновления создана авторская открытая программа-скрипт IMSOIL на языке программирования R. По сравнению с другими в разработанном подходе могут широко использоваться не только результаты статистического анализа данных, но и экспертные знания о географии почв региона исследований. Обновленная почвенная карта лучше соответствует актуальным данным о факторах почвообразования, чем исходная бумажная почвенная карта. Проанализированные примеры перекодирования пикселей при обновлении показали адекватные изменения в представлении почвенного покрова на обновленной почвенной карте. Предложенный подход имитации почвенного картографирования в геоинформационной системе включает использование качественной информации о географии почв и количественные правила их картографирования. Модель в форме дерева принятия решений может быть проанализирована экспертом, можно вносить изменения в набор используемых при моделировании ковариат и в построенные модели. Представленная форма записи связей почв с выявляемыми факторами почвообразования позволяет сохранить как традиционное качественное описание географии почв в формализованной форме, так и соединить его с однозначными количественными правилами картографирования почв по спутниковым данным и тематическим картам. Вышеуказанный метод позволяет автоматически экстрагировать информацию о связях почв с факторами почвообразования. Обновление почвенной карты сопровождается картой вероятности правильного картографирования почв.

Полный текст

Доступ закрыт

Об авторах

А. В. Жоголев

Почвенный институт им. В.В. Докучаева

Автор, ответственный за переписку.
Email: zhogolev_av@esoil.ru
ORCID iD: 0000-0003-2225-7037
Россия, Пыжевский пер., 7, стр. 2, Москва, 119017

И. Ю. Савин

Почвенный институт им. В.В. Докучаева; МГУ им. М.В. Ломоносова

Email: zhogolev_av@esoil.ru

факультет почвоведения

Россия, Пыжевский пер., 7, стр. 2, Москва, 119017; Ленинские горы, 1, Москва, 119991

Список литературы

  1. Барталев С.А., Лупян Е.А. Исследования и разработки ИКИ РАН по развитию методов спутникового мониторинга растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. Т. 10. № 1. 2013. С. 197.
  2. Дворов И.М. Природные ресурсы Рязанской области. М.: Наука, 1965. 234 с.
  3. Добровольский Г.В., Никитин Е.Д. Сохранение почв как незаменимого компонента биосферы. М.: Наука, 2000. 179 с.
  4. Единый государственный реестр почвенных ресурсов России. Версия 1.0. М.: Почв. ин-т им. В.В. Докучаева, 2014. 856 с.
  5. Жоголев А.В., Савин И.Ю. Автоматизированное обновление среднемасштабных почвенных карт // Почвоведение. 2016. № 11. С. 1319–1327. https://doi.org/10.7868/S0032180X16110125
  6. Жоголев А.В., Савин И.Ю. Программа автоматизированного обновления почвенных карт IMSOIL // Свидетельство о регистрации программы для ЭВМ RU 2022664142, 25.07.2022. Заявка № 2022663764 от 25.07.2022.
  7. Зайдельман Ф. Р. Мелиорация почв. М.: Изд-во Моск ун-та, 2003. 448 с.
  8. Застрожнов, А.С., Шкатова В.К., Астахов В.И., Пестова Л.Е., Чуйко М.А., Гусев Е.А. Новая карта четвертичных отложений России масштаба 1 : 2500000 // Пути эволюционной географии. М., 2016. С. 97–100.
  9. Иванов А.Л., Савин И.Ю., Столбовой В.С., Духанин Ю.А., Козлов Д.Н., Баматов И.М. Глобальный климат и почвенный покров – последствия для землепользования России // Бюл. Почв. ин-та им. В.В. Докучаева. 2021. Вып. 107. С. 5–32. https://doi.org/10.19047/0136-1694-2021-107-5-32
  10. Кирюшин В.И. Задачи оптимизации землепользования в России // Бюл. Почв. ин-та им. В.В. Докучаева. 2023. Вып. 116. С. 5–25. https://doi.org/10.19047/0136-1694-2023-116-5-25
  11. Конюшков Д.Е., Ананко Т.В., Герасимова М.И., Лебедева И.И. Актуализация содержания почвенной карты РСФСР масштаба 2.5 млн в формате классификации почв России для создания новой цифровой карты // Бюл. Почв. ин-та им. В.В. Докучаева. 2020. Вып. 102. С. 21–48. https://doi.org/10.19047/0136-1694-2020-102-21-48
  12. Конюшков Д.Е., Хохлов С.Ф., Контобойцева А.А., Савицкая Н.В. Государственная почвенная карта и ее создатели // Бюл. Почв. ин-та им. В.В. Докучаева. 2015. Вып. 81. С. 12–44. https://doi.org/10.19047/0136-1694-2015-81-12-44
  13. Почвенная карта РСФСР масштаба 1 : 2 500 000 / Под ред. Фридланда В.М. М.: ГУГК, 1988. 16 листов.
  14. Программы для ЭВМ. Базы Данных. Топологии интегральных микросхем. Официальный Бюллетень Федеральной Службы по интеллектуальной собственности (РОСПАТЕНТ). 25.07.2022. Бюл. № 8. https://www1.fips.ru/ofpstorage/BULLETIN/PrEVM/2022/08/20/INDEX.HTM
  15. Руководство по среднемасштабному картографированию почв на основе ГИС. М.: Изд-во Почв. ин-та им. В.В. Докучаева. 2008. 241 с.
  16. Савин И.Ю. Проблема масштаба в современной почвенной картографии // Бюл. Почв. ин-та им. В.В. Докучаева. 2019. Вып. 97. С. 5–20. https://doi.org/10.19047/0136-1694-2019-97-5-20
  17. Савин И.Ю., Жоголев А.В., Прудникова Е.Ю. Современные тренды и проблемы почвенной картографии // Почвоведение. 2019. № 5. С. 517–528. https://doi.org/10.1134/S0032180X19050101
  18. Савин И.Ю. Имитация традиционного картографирования в ГИС. Цифровая почвенная картография: теоретические и экспериментальные исследования. 2012.
  19. Сапожников П.М. Основные проблемы при проведении государственной кадастровой оценки земель сельскохозяйственного назначения // Имущественные отношения в РФ. 2019. № 12 (219). https://cyberleninka.ru/article/n/osnovnye-problemy-pri-provedenii-gosudarstvennoy-kadastrovoy-otsenki-zemel-selskohozyaystvennogo-naznacheniya (дата обращения: 25.08.2024).
  20. Симакова М.С., Андроников В.Л. Почвенные карты // Картографическая изученность России. М.: Изд-во ин-та географии Рос. А.Н. 1999. С. 113-133.
  21. Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почв. ин-та им. В.В. Докучаева. 2012. 333 с.
  22. Breiman L., Friedman J., Olshen R., Stone, C. Classification and regression trees / London: CRC press, 1984. 368 p. https://doi.org/10.1201/9781315139470
  23. Danielson J.J., Gesch D.B. Global multi-resolution terrain elevation data 2010 (GMTED2010). No. 2011-1073. US Geological Survey, 2011. https://doi.org/10.3133/ofr20111073
  24. Grubinger T., Zeileis A., Pfeiffer, K.P. Evtree: Evolutionary Learning of Globally Optimal Classification and Regression Trees in R // Journal of Statistical Software. 2014. V. 61. P. 1–29. https://doi.org/10.18637/jss.v061.i01
  25. Hengl T. Finding the right pixel size // Computers & geosciences. V. 32. № 9. 2006. P. 1283–1298. https://doi.org/10.1016/j.cageo.2005.11.008
  26. Lagacherie P. Digital Soil Mapping: A State of the Art / Digital Soil Mapping with Limited Data. Dordrecht: Springer, 2008. P. 3–14. https://doi.org/10.1007/978-1-4020-8592-5_1
  27. McBratney A.B., Santos M.L.M., Minasny B. On digital soil mapping // Geoderma. 2003. V. 117(1–2). P. 3–52. https://doi.org/10.1016/S0016-7061(03)00223-4
  28. Minasny B., McBratney A.B. Digital soil mapping: A brief history and some lessons // Geoderma. V. 264. Part B. 2016. P. 301–311. https://doi.org/10.1016/j.geoderma.2015.07.017
  29. Mulder V.L., De Bruin S., Schaepman M.E., Mayr T.R. The use of remote sensing in soil and terrain mapping—A review // Geoderma. 2011. V. 162 (1-2). P. 1–19.
  30. Quinlan J.R. Data mining tools See5 and C5.0. // https://www.rulequest.com/see5-info.html – 2004 (дата обращения: 1312.2024).
  31. Zhogolev A., Savin I. Soil mapping based on globally optimal decision trees and digital imitations of traditional approaches // ISPRS Int. J. Geo-Information. 2020. V. 9. № 11. P. 664. https://doi.org/10.3390/ijgi9110664
  32. Zhu AXing Z.A.X., Moore A.C., Smith M.P., Liu J., Burt J.E., Qi F., Simonson D., Hempel J., Lubich K. Advances in information technology for soil surveys: the SoLIM effort / Innovative Techniques in Soil Survey: Developing the Foundation for a New Generation of Soil Resource Inventories and Their Utilization. Bangkok: Land Development Department, 2004. P. 25–42.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Исходная почвенная карта для территории тестового участка близ Рязанской области: преобладающие почвы: 1 – дерново-глубокоподзолистые глубокоглееватые, 2 – дерново-палевоподзолистые, 3 – аллювиальные темногумусовые, 4 и 5 – дерново-подзолы иллювиально-железистые, 6 и 7 – агрочерноземы глинисто-иллювиальные, 8 – торфяно-подзолы глеевые иллювиально-гумусовые, 9 – торфяные олиготрофные, 10 – торфяные мезотрофные, 11 – торфяно-подзолы глеевые иллювиально-гумусовые, 12 – торфяные эутрофные, 13 – агрочерноземы глинисто-иллювиальные квазиглееватые, 14 – агрочерноземы глинисто-иллювиальные, 15 – агрочерноземы глинисто-иллювиальные оподзоленные, 16 – дерново-мелко- и неглубокоподзолистые, 17 – серые, 18 и 19 – агротемносерые, 20 – агрочерноземы квазиглееватые, 21 – подзолы иллювиально-гумусовые и иллювиально-железистые.

Скачать (336KB)
Метаданные
3. Рис. 2. Часть исходного дерева классификации и регрессии со следующими почвами: 37_Tpgg – торфяно-подзолистые глеевые, 2_Atg – аллювиальные темногумусовые, 93_ACH_kvg – агрочерноземы квазиглееватые, 39_Tpgg_ig – торфяно-подзолистые глеевые, 37_Tpgg_ig – торфяно-подзолистые глеевые иллювиально-глеевые, 31_Pdizh – дерново-подзолистые иллювиально-железистые, 13_Pdizh – дерново-подзолистые иллювиально-железистые с торфяными мезотрофными. Используются следующие обозначения: DEM – высота на цифровой модели рельефа, SLP – уклон в градусах, FRST – маска лесов, TPI – топографическое положение (положительное – локальное повышение, отрицательное – локальное понижение), N – количество точек в обучающей выборке, Err – ошибка прогноза по обучающей выборке.

Скачать (186KB)
Метаданные
4. Рис. 3. Фрагмент почвенной карты по модели без корректировки (слева) и по модели после экспертной корректировки решающих правил (справа) (одним цветом показаны одинаковые почвы).

Скачать (444KB)
Метаданные
5. Рис. 4. Общий вид почвенной карты территории тестового участка и карта вероятности правильного прогноза почв, номера почв в легенде соответствуют рис. 1.

Скачать (1MB)
Метаданные
6. Рис. 5. Сопоставление исходной и построенной обновленной почвенных карт с актуальными картами факторов почвообразования: построенная обновленная почвенная карта – слева сверху (а), оригинальная почвенная карта справа сверху (b), цифровая модель рельефа – снизу слева (b), карта классов растительности – справа снизу (d), номера почв в легенде соответствуют рис. 1.

Скачать (985KB)
Метаданные

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».