Почвоведение, 2021, № 2, стр. 151-167

ВВЕДЕНИЕ

Деградация пашни на Восточно-Европейской равнине – сложный многофакторный процесс [1, 3, 5, 6, 9, 20, 22, 41]. При детальных исследованиях деградация фиксируется локально [1, 2, 19, 20, 23, 27, 39]. Области пониженного плодородия почв формируются на деградированных землях внутри сельскохозяйственных полей [38, 50]. Развивается внутриполевая неоднородность. Процессы деградации постепенно трансформируют природную структуру почвенного покрова [24]. Формируется новая пространственная неоднородность распространения почв. Новая структура почвенного покрова включает в себя естественные, распаханные недеградированные и распаханные деградированные почвы (смытые, дефлированные, переувлажненные, вторично засоленные, переуплотненные и др.). Усложнение структуры почвенного покрова затрудняет традиционное почвенное картографирование [13] на основе наземных изысканий. Недостающие наземные данные компенсируют различными моделями деградационных процессов. Модели используют более доступные климатические данные [46, 49], цифровые модели местности, цифровые модели рельефа и др. [4, 11, 12, 21]. Широко распространены регрессионные модели, устанавливающие функциональные связи между спектральными характеристиками данных дистанционного зондирования (ДДЗ) и свойствами почв [31, 33, 35, 42]. Имитационное и регрессионное моделирование имеет существенный недостаток – моделируется один процесс или фактор. Точность модели оценивается по одному моделируемому параметру. Реальное сельскохозяйственное поле очень редко можно описать однофакторной моделью. Сочетание нескольких однофакторных моделей на одном поле резко понижает точность моделирования. Традиционная почвенная карта является многофакторной моделью местности. Фактическая картина распространения деградированных почв имеет существенные отличия от моделируемых.

Альтернативой регрессионным зависимостям и имитационному моделированию являются технологии больших данных [30]. Большие данные применяются в географии [40, 45] и сельском хозяйстве в виде больших геоданных (big geo data), больших спутниковых данных (больших данных дистанционного зондирования, big satellite data (remote sensing big data)) и больших сельскохозяйственных данных (big agriculture data) [32, 34, 36]. Подходы больших сельскохозяйственных данных разработали корпорации Intel [28] и Semanticommunity [29]. Результатами алгоритмов обработки больших спутниковых данных являются карты внутриполевой неоднородности типа TF (Talking Fields) компании NEXT farming [44] или карты устойчивой внутриполевой неоднородности плодородия почв компании Agronote (ASF-индекс) [38]. На основе карт устойчивой внутриполевой неоднородности создаются карты-задания для умного (точного) земледелия. Еще одним вариантом использования больших спутниковых данных при изучении трансформации почвенного покрова является прямое почвенное картографирование на основе технологии спектральной окрестности линии почв [7, 8, 14, 15].

Карты устойчивой внутриполевой неоднородности плодородия почв позволяют разделить пространство сельскохозяйственного поля на зоны с различным уровнем плодородия [38, 44, 48]. Часть территории интерпретируется как зоны пониженного плодородия, другая часть – как зоны нормального плодородия, а третья – как зоны повышенного плодородия. Иногда выделяется дополнительная зона очень низкого плодородия. Некоторая часть зон пониженного плодородия почвенного покрова является также деградированной территорией. Следовательно, можно предположить, что технологии дистанционного зондирования больших данных могут дать возможность детектировать деградированные участки пашни.

Цель работы – проверить информативность методов обработки дистанционного зондирования больших данных, используемых для точного земледелия, для определения местоположения деградированных почв.

ОБЪЕКТЫ ИССЛЕДОВАНИЯ

Исследования проведены в восьми регионах юга России (рис. 1S) на площади 127 тыс. га.

Рис. 1.

Схема обработки больших спутниковых данных для получения карты устойчивой внутриполевой неоднородности плодородия почв.

Характеристики районов исследования приведены в табл. 1.

МЕТОДЫ ИССЛЕДОВАНИЯ

Основным методом работы является технология анализа больших данных. Ограничиться в описании методов простым упоминанием больших данных нельзя, так как это широкое понятие, требующее конкретики для каждого исследования. В настоящей работе комплекс процедур по обработке больших данных сведен в две блок-схемы. Первая описывает процедуру вычисления карт устойчивой внутриполевой неоднородности. Вторая демонстрирует процедуру классификации зон плодородия по видам негативных почвенных процессов.

Обработка больших массивов спутниковых данных для построения карт устойчивой внутриполевой неоднородности плодородия почв. Блок-схема обработки больших спутниковых данных представлена на рис. 1. На каждое поле хозяйства обрабатывается массив спутниковых данных из открытых источников (Landsat 4, 5, 7, 8 и Sentinel-2) в количестве 1000 кадров. Процедура отбора состоит из двух блоков данных (Data Mining) и двух процедур (MapReduce). В Data Mining задействованы 8 фильтров для отбора ДДЗ. MapReduce состоит из 4 процедур-алгоритмов. В результате на каждое сельскохозяйственное поле формируется массив спектральных данных за 35 лет (с 1984 по 2019 гг.). Массив состоит из ДДЗ, пригодных для расчетов ASF-индекса [38, 50] в количестве 20–40 кадров на поле. Отобранные ДДЗ подвергнуты калибровке на основе технологии спектральной окрестности линии почв [10]. Для исключения влияния на расчеты ASF-индекса спектральных характеристик лесополос, дорог, водных объектов и др., используются буферные зоны от границ сельскохозяйственных полей. Границы полей создаются по технологии ретроспективного мониторинга почвенно-земельного покрова [16, 17]. Расчет ASF-индекса ведется для каждого поля по всем отобранным и калиброванным ДДЗ.

Математически ASF-индекс является среднемноголетним значением вегетационного индекса EVI+ [35], рассчитанного по ДДЗ, нормализованным по технологии спектральной окрестности линии почв [7, 10]. Биологически ASF-индекс отражает среднемноголетнее состояние сельскохозяйственной растительности. Агрономически ASF-индекс – это индикатор уровня плодородия почв в пределах одного сельскохозяйственного поля – карта устойчивой внутриполевой неоднородности плодородия (табл. 2).

При расчетах ASF-индекса можно разделить сельскохозяйственное поле на произвольное количество градаций. Реально в расчетах используются 3 или 9 градаций, которые интерпретируются как зоны пониженного плодородия, нормального плодородия и повышенного плодородия. При резком отличии плодородия отдельных фрагментов поля добавляется еще одна градация – зона очень низкого плодородия. При разделении поля на 3 зоны обычно соблюдается равенство площадей зон.

Классификация зон плодородия карт устойчивой внутриполевой неоднородности плодородия почв. Карта устойчивой внутриполевой неоднородности (ASF-индекс) рассчитывается на основе автоматических методов. Выделенные зоны плодородия не требуют наземной калибровки, так как отражают среднемноголетнее состояние растительности. Зоны плодородия не несут информации о причинах низкого или высокого плодородия. Для классификации зон пониженного плодородия по негативным почвенным свойствам используют анализ ландшафта. Блок-схема анализа ландшафта представлена на рис. 2, примеры карт распределения ASF-индекса на рис. 3. Для реализации классификации ландшафта применяют методы ретроспективного мониторинга [16, 17], анализ спектральной окрестности линии почв [7, 10, 14, 15] и морфометрических величин цифровых моделей рельефа (ЦМР) [19, 39, 51, 52]. Результатом классификации является разделение зон пониженного плодородия на 7 групп.

Наземная верификация. В работе проводили проверку правильности выделения зон плодородия с помощью тестовых замеров урожайности сельскохозяйственных культур (табл. 2, 3). Для этого выполняли тестовые укосы по квадратам 1 × 1 м с последующим обмолотом. Примеры расположения точек замеров урожайности приведены на рис. 4. Закладкой почвенных разрезов с полевым описанием (рис. 4, 5, табл. 4) проверяли правильность классификации деградированных почв.

Рис. 2.

Схема классификации зон плодородия по типам процессов деградации почв.

Рис. 3.

Примеры карт устойчивой внутриполевой неоднородности плодородия почв (1 – зона повышенного плодородия, 2 – зона нормального плодородия, 3 – зона пониженного плодородия, 4 – зона очень низкого плодородия).

Рис. 4.

Примеры генерализованных карт устойчивой внутриполевой неоднородности плодородия почв, почвенные разрезы и точки замеров урожайности (1 – зона повышенного плодородия, 2 – зона нормального плодородия, 3 – зона пониженного плодородия, 4 – зона очень низкого плодородия, 5 – почвенные разрезы, 6 – почвенные разрезы и точки определения урожайности, 7 – точки определения урожайности, 8 – номера почвенных разрезов).

Рис. 5.

Карты факторов деградации почв и номера почвенных разрезов (1 – естественное иссушение почвы, 2 – дефляция, 3 – естественное уплотнение почвы, 4 – антропогенное переуплотнение почвы, 5 – естественное переувлажнение, 6 – антропогенное переувлажнение почвы, 7 – водная эрозия, 8 – зона пониженного плодородия без проявлений признаков деградации почв, 9 – зоны нормального и повышенного плодородия, 10 – почвенные разрезы).

6. Хозяйства расположены в Ростовской, Саратовской, Самарской, Липецкой, Тамбовской, Ульяновской областях, Краснодарском и Ставропольском краях (рис. 1S).

7. Поля для верификации ASF-индекса отбирали с учетом пожеланий сельскохозяйственных производителей.

8. Верификацию проводили на полях в различных субъектах Российской Федерации (табл. 2, 4).

1. Интеллектуальный анализ географических данных (Geographical data mining) [45].

2. Географические исследования, обусловленные данными (Data-driven geography) [43].

3. Многослойный мультивременной ГИС-анализ [18, 26].

4. Анализ географических мультивременных баз данных [41, 49].

5. Технология дифференцированного внесения средств химизации [38].

6. Расчеты вегетационных индексов [37, 47].

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Биологическая и агротехническая составляющая ASF-индекс. На рис. 3 представлены примеры карт устойчивой внутриполевой неоднородности, автоматически рассчитанные согласно блок-схеме на рис. 1. На рис. 4 приведена группировка зон плодородия (рис. 3) в 3 зоны, примерно равные по площади, и показаны примеры расположения точек замера урожайности, представленных в табл. 2. Для большинства полей (96% измерений) урожайность сельскохозяйственных культур меньше в зонах пониженного плодородия и больше в зонах повышенного плодородия. Урожайность в зонах нормального плодородия находится между ними в 84% измерений. Замеры урожайности вели на полях до применения систем точного земледелия, т.е. при равномерном распределении удобрений по полям.

Рассмотрим поле на рис. 4, К. Это поле из массива полей хозяйства Краснодарского края. На рис. 4, К дано расположение точек замера урожайности. Замеры урожайности проводили в 2017 и 2018 гг. В 2017 г. на поле была посеяна кукуруза на зерно. Дифференцированное внесение удобрений не проводилось. Недифференцированно проведена одна азотная подкормка аммиачной селитрой – 120 кг/га. Результаты замеров урожайности представлены в табл. 2 (запись 21). Как видно из таблицы, три зоны плодородия отличаются по урожайности на 1.3 т/га.

Отметим, что переход к точному земледелию, как правило, осуществляют грамотные и сильные хозяйства. В этих хозяйствах проведены агрохимические замеры и существуют агрохимические картограммы на каждое поле. Большинство хозяйств имеет выровненный агрофон по рекомендациям агрохимических служб. На полях данного хозяйства не обнаружено мест с пониженным содержанием питательных элементов (ни макроэлементов, ни микроэлементов). Зоны плодородия ASF-индекса на исследуемых полях не коррелировали с агрохимическими картограммами.

В 2018 г. проведен эксперимент с дифференцированным внесением удобрений. Под озимую пшеницу удобрения вносили 3 раза: основное внесение и две весенние азотные подкормки. В основное внесение и при посеве вносили аммофос + сульфат аммония ((NH₄)₂HPO₄ + (NH₄)₂SO₄); N – 12%, P – 52% + N – 21%, S – 24%), а при подкормках – аммиачную селитру (NH₄NO₃; N 26–34.4%, S 3–14%). Общая доза удобрений при эксперименте на разных участках поля составила 250, 350, 450 и 550 кг/га. Замеры урожайности проведены при всех возможных сочетаниях трех зон плодородия по ASF-индексу с различными дозами удобрений (табл. 3). Результаты обобщены на рис. 2S [38].

Табл. 2 и 3 подтверждают биологический и агротехнический смысл зон плодородия карт устойчивой внутриполевой неоднородности (ASF-индекс). Зоны пониженного плодородия действительно характеризуются меньшей продуктивностью сельскохозяйственных культур. Можно считать, что полученные анализом больших спутниковых данных карты являются картами плодородия почв. Кроме того, карты устойчивой внутриполевой неоднородности являются картами отзывчивости сельскохозяйственных культур на средства химизации (дозы минеральных удобрений). В таком виде ASF-индекс применяется в системах точного земледелия в виде карт заданий на внесение минеральных удобрений.

Классификация зон пониженного плодородия по факторам деградации. Сельскохозяйственное поле можно сгруппировать в 3 зоны плодородия (пониженного, нормального и повышенного) примерно равной площади (рис. 4). Зона очень низкого плодородия, если она выделяется, является частью зоны пониженного плодородия. Наличие деградации легче всего предположить в зоне пониженного плодородия. Даже если в зонах нормального и повышенного плодородия существуют изменения в почвенном покрове, то эти изменения нужно относить к проградации почвенного покрова. Тема данной статьи относится только к выделению деградированных участков.

Зоны пониженного плодородия крайне редко располагаются на равнинных участках пашни. Обычно деградированные земли приурочены к определенным типам элементов рельефа: к верхней части водораздела, склонам, потяжинам, западинам и др. Расположение почвенного покрова на тех или иных элементах рельефа еще не означает развития того или иного вида деградации. При правильной обработке склона на нем не будет развиваться эрозия. В условиях юга России на черноземах эрозия приурочена к склонам южной экспозиции при равных уклонах со склонами северной экспозиции. Дефляция может быть остановлена культивированием лесополос. Таким образом, в одних и тех же условиях деградация может происходить или не происходить. Следовательно, карта устойчивой внутриполевой неоднородности является индикатором фактического проявления деградации в виде снижения почвенного плодородия.

С другой стороны, части поля, приуроченные к элементам рельефа, могут иметь пониженное плодородие в силу естественных причин. На юге России распространены слитые почвы, которые имеют большую плотность и более тяжелый гранулометрический состав по сравнению с окружающими черноземами [17, 25]. В силу физических свойств плодородие слитых почв является пониженным. Но аналогичные физические свойства формируются и при антропогенном уплотнении сельскохозяйственной техникой. Антропогенно-уплотненные почвы также имеют пониженное плодородие. Наиболее возвышенные участки поля часто испытывают недостаток увлажнения, что снижает биологическую продуктивность. Дефляция также чаще всего проявляется на наиболее возвышенных фрагментах поля и также уменьшает биологическую продуктивность. Сочетание элементов рельефа и зон пониженного плодородия позволяет выделить парные группы почв с естественным пониженным плодородием и уменьшением плодородия, вызванным деградацией (рис. 2).

Отделить деградированные почвы от естественно низко плодородных можно на основе изучения среднемноголетней спектральной яркости. Для этого строится мультивременная линия почв по технологии спектральной окрестности линии почв [14]. Иссушенные земли водоразделов имеют спектральную яркость отличную от дефлированных почв. В свою очередь слитые почвы и зональные уплотненные почвы имеют разные спектральные характеристики.

В табл. 5 представлены величины двух коэффициентов мультивременной линии почв [8]. Коэффициенты мультивременной линии почв вычисляются в рамках технологии спектральной окрестности линии почвы [14] при грамотном выделении открытой поверхности почвы [7]. Коэффициенты мультивременной линии почв позволяют разделить типы и подтипы почв [8] в зональном ряду почв, не нарушенных деградацией. Процессы деградации нарушают спектральные характеристики зональных почв. В отличие от работ по разделению типов и подтипов зональных почв, в настоящем исследовании коэффициенты мультивременной линии почв используются для выделения деградированных участков полей в рамках одного подтипа или даже в границах одного поля. Табл. 5 дана для черноземов предкавказских мощных малогумусных (чернозем типичный слабогумусированный сверхмощный).

Рассмотрим поля А и Б рис. 5. В зоне пониженного плодородия находятся почвы с разными коэффициентами мультивременной линии почв. Одна часть зоны пониженного плодородия имеет спектральные характеристики, идентичные недеградированным почвам как в зонах нормального, так и повышенного плодородия. Другая часть зоны пониженного плодородия имеет спектральные характеристики эродированных земель. Таким образом, можно разделить зону иссушения и зону дефляции.

На полях В и Г рис. 5 зоны пониженного плодородия также имеют разные коэффициенты мультивременной линии почв. Области распространения слитизированных почв имеют крайние значения коэффициентов мультивременной линии почв, а переуплотненные почвы – переходные значения к недеградированным почвам, что позволяет отделить области распространения слитизированных почв от областей деградации.

Общая схема разделения зон пониженного плодородия по формам рельефа, результатам ретроспективного мониторинга и спектральным характеристикам открытой поверхности почв представлена блок-схемой рис. 2. Карты факторов, снижающих плодородие почв, приведены на рис. 5.

Верификация выделенных деградированных участков пашни. Почвенные разрезы закладывали по зонам плодородия для идентификации приуроченности зон к тем или иным почвенным разностям (рис. 4, 5). Список разрезов, номенклатура почв и причины, формирующие зоны пониженного плодородия, охватывающие все варианты блок-схемы рис. 2, представлены в табл. 4. В ходе данного исследования в среднем закладывали 3–4 разреза на поле.

В 83% случаев почвенная номенклатура содержит факторы деградации, аналогичные факторам, определенным по алгоритмам блок-схемы рис. 2. Если считать, что 4% зон пониженного плодородия могут быть дешифрированы ошибочно, то в 13% случаев при почвенных обследованиях номенклатура почв не позволяет идентифицировать причины формирования зон пониженного плодородия. В этих случаях особенно важно провести наземные измерения урожайности и подтвердить правильность выделения зон плодородия. Практически в 13% случаев фактор деградации указывается по алгоритмам блок-схемы рис. 2, а не почвенному обследованию. Это происходит в связи с необходимостью выдачи рекомендаций для точного земледелия. Следовательно, в 13% случаев наблюдаются зоны пониженного плодородия, причины формирования которых не удается идентифицировать при полевых исследованиях.

В рамках дальнейших работ по наземной верификации необходимо действовать в рамках концепции следования за данными (Data-driven geography). Необходимо модифицировать традиционные методы почвенных изысканий для установления физических причин формирования зон пониженного плодородия.

Наземная верификация позволяет утверждать, что методы обработки больших данных, примененные в настоящей работе, пригодны для построения карт фактического проявления процессов деградации почв.

ЗАКЛЮЧЕНИЕ

Для почвоведов-картографов и сельскохозяйственных производителей появились новые методы детектирования расположения деградированных земель. Точность детектирования достаточна для применения результатов работ в системах точного земледелия. Методы основаны на анализе больших спутниковых данных, технологии спектральной окрестности почв, ретроспективном мониторинге почвенно-земельного покрова и анализе ландшафта. Методы собраны в две технологические цепочки, которые позволяют автоматизировать процесс расчетов. В технологии использованы большие спутниковые данные из открытых источников. Карта устойчивой внутриполевой неоднородности плодородия почв является результатом технологий обработки больших спутниковых данных и новым источником информации о почвенно-земельном покрове.

Карты устойчивой внутриполевой неоднородности плодородия почв служат основой для классификации почвенного покрова по типам процессов деградации. Карты внутриполевой неоднородности созданы для точного земледелия и в рамках концепции точного земледелия. Карты задают новый вектор почвенных исследований. Реализуется концепция географических исследований, обусловленных данными, когда почвовед при наземных изысканиях исследует результаты обработки больших данных автоматизированными методами. При таком подходе резко увеличивается эффективность детектирования неоднородности почвенного покрова и областей распространения деградированных земель.

В ходе исследования построены карты деградированных земель на площади более 100 тыс. га в восьми регионах России. Проведена наземная верификация построенных карт. Верифицирован уровень плодородия, выделенных зон деградации, и факторы деградации. Точность детектирования зон пониженного плодородия составила 96%, а факторов деградации 83–96%.

Дистанционное зондирование в виде больших данных дистанционного зондирования обладает высокой информативностью для детектирования деградированных участков пашни.