Comprehensive assessment of soil heterogeneity by crop canopy status

Одним из самых важных направлений прикладного использования знаний о почвах с момента становления почвоведения как науки является решение сельскохозяйственных задач. От почвенных условий сильно зависит урожайность сельскохозяйственных культур и кормовых угодий (Oldfield et al., 2019) , а также сама возможность их возделывания в том или ином регионе (The Aims of Land Evaluation, 2019) . Поэтому точная информация о почвах является важным компонентом информационного обеспечения сельскохозяйственного производства и включена во многие информационно-аналитические системы (Козубенко, 2018) . В качестве основы для получения данных о почвах земельного участка используют почвенную карту. Но информация на почвенной карте во многих случаях не отражает пространственное варьирование всех агрономически важных свойств почв, а показывает лишь вы-делы почв в той или иной классификации или их комбинаций

(Савин, 2016; 2020) . Из названия почв в почвенной классификации можно в обобщенном виде получить информацию о свойствах почв (но не обо всех агрономически важных), так как практически все свойства почв так или иначе коррелируют друг с другом (Lal, 2014; Rabot et al., 2018) . На этом подходе построены практически все методы агроэкологической оценки почв как в России (Методическое руководство…, 2005) , так и за рубежом (Manikandan et al., 2013) . Но их использование приводит к схематичности и неточности анализа почвенной информации в процессе принятия управленческих решений при возделывании сельскохозяйственных культур (Савин, 2020) . Подобные подходы были предложены еще во времена В.В. Докучаева (Докучаев, 1877) и нуждаются в модернизации и детализации с учетом последних научных достижений в области цифрового картографирования и пространственного моделирования почв (Цифровая почвенная картография…, 2012) и развития дистанционных методов их детектирования и мониторинга (Савин, Симакова, 2012) .

В данной статье изложен новый подход к оценке почвенных неоднородностей поля на основе анализа многолетних архивов спутниковых данных.

ОБЪЕКТЫ И МЕТОДЫ

Для иллюстрации предложенной методологии использовались тестовые поля, расположенные в разных природных зонах России и с разным набором возделываемых культур.

Первое поле расположено в Ленинградской области (Мень-ково – 59°25'23.01" N, 30°01'23.25" E, площадью 26 га), второе – в Тульской области (Стрелецкое – 53°48'25.65" N, 36°45'46.24" E, площадью 63 га), третье – в Кабардино-Балкарской республике (Белокаменское – 43°53'08.05" N, 43°01'24.64" E, площадью 31 га) (рис. 1).

На поле “Меньково” преобладают дерново-подзолистые среднесуглинистые почвы в разной степени переувлажненные и смытые. В состав севооборота на поле входят озимая пшеница, яровой ячмень, картофель, однолетние травы.

Рис. 1. Расположение тестовых участков ( + – Меньково, - – Стрелецкое, х – Белокаменское).

Fig. 1. Layout of test sites ( + – Menkovo, - – Streletskoe, x –

Belokamenskoe).

На поле “Стрелецкое” – серые лесные тяжелосуглинистые почвы, которые в разной степени эродированы на склонах. В состав севооборота на поле входят озимая пшеница, черный пар, рапс, яровая пшеница, гречиха.

На поле “Белокаменское” преобладают горные черноземы типичные малогумусные, среднемощные, слабодефлированные, местами слабосмытые среднеглинистые. Основными возделываемыми культурами на поле являются картофель, кукуруза на силос, озимая пшеница и ячмень.

Для анализа цвета открытой поверхности почв использовались спутниковые данные Sentinel-2 за последние 7 лет. Эти же данные применялись для анализа неоднородностей посевов на тестовых полях. В качестве индикатора неоднородностей посевов служил вегетационный индекс NDVI (Kriegler et al., 1969) , который на протяжении уже более 40 лет является основным для многих систем спутникового мониторинга растительности (Толпин и др., 2010; Becker-Reshef et al., 2010; Wu, 2014) .

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Предложенный подход

Для повышения точности информации о почвах конкретного земельного участка, необходимой для принятия управленческих решений при возделывании сельскохозяйственных культур, целесообразно отказаться от отражения на карте выделов почв в какой-либо базовой классификации (классификационные выделы почв). Использование традиционной почвенной карты, на которой отражены классификационные выделы почв, приводит к неточным и схематичным результатам. Это связано с тем, что классификационно важные свойства почв базовой классификации часто или не важны для оценки качества почв для сельскохозяйственных целей, или представлены не в тех градациях, и, наоборот, важные для роста сельскохозяйственных растений свойства почв часто не важны для базовой классификации почв. Например, для целей классификации черноземов важно наличие в профиле почв карбонатных новообразований и глубина их залегания, а для многих возделываемых сельскохозяйственных культур это свойство почв не имеет практически никакого значения (то есть, не сказывается на их урожайности). С другой стороны, например, актуальное содержание питательных веществ – архиважная информация для выращивания сельскохозяйственных культур – на традиционных почвенных картах вовсе не отражается.

Следовательно, прикладная карта почв для земледельческих задач должна отражать пространственные неоднородности тех свойств почв, которые важны для решения именно этих задач.

На основе обобщения мирового опыта специалистами ФАО был определен список свойств почв, которые могут использоваться в качестве базовых для оценки их качества и пригодности для возделывания тех или иных сельскохозяйственных культур и которые могут лимитировать сельскохозяйственное производство (A framework for land…, 1976) . Данный список, конечно же, не является исчерпывающим и может быть усовершенствован. Он отражает уровень научных знаний в области влияния свойств почв на развитие сельскохозяйственных растений на момент создания списка. Но, учитывая то, что практически все свойства почв связаны друг с другом, его можно рассматривать как набор основных индикаторных или лимитирующих свойств почв для роста сельскохозяйственных культур.

Необходимо также отметить, что создание почвенной карты, отражающей пространственное варьирование каждого их этих свойств почв, может быть осуществлено традиционно, методом построения картограмм свойств, используя в качестве основы традиционно составленную почвенную карту. Но в этом случае, как отмечалось выше, не все нужные свойства могут быть “выведены” из классификационного положения почв, отраженных на традиционно составленной почвенной карте. Или некоторые свойства будут “выведены” с большими неточностями. В результате можно получить карту, которая будет неточной или слишком схематичной для решения сельскохозяйственных задач.

Альтернативным и более логичным методом является картографирование каждого из лимитирующих почвенных свойств по отдельности, независимо друг от друга и от классификационных выделов почв и затем, пересечением этих карт отдельных свойств почв, например в ГИС, получать некие элементарные выделы, однородные по своим лимитирующим почвенным свойствам. Построенная подобным образом почвенная карта должна теоретически в гораздо большей степени отражать географию лимитирующих свойств почв, чем традиционно составленная почвенная карта. Но на практике мы сталкиваемся с проблемой отсутствия надежных и оперативных методов картографирования отдельных (нужных для решения нашей задачи) свойств почв. Решать задачу картографирования отдельных свойств почв можно, отказавшись от подходов факторного картографирования почв и переходя на методы, основанные на большом количестве точек полевого опробования с последующей геостатистической интерполяцией (или пространственным моделированием) (Савин, 2022). Ограничением этих методов является большая трудоемкость, длительность и высокая затратность работ, что делает их применение на больших территориях практически невозможным.

Часть лимитирующих свойств почв может быть оперативно закартирована на основе использования данных дистанционного зондирования (Ge et al., 2011) .

В таблице 1 приведен перечень основных лимитирующих рост сельскохозяйственных растений свойств почв и оценены возможности их спутниковой индикации по данным литературных источников.

Но на данном этапе развития дистанционных методов в почвоведении речь пока может идти лишь о некоторых свойствах пахотного горизонта почв (Савин и др., 2019) , а не о свойствах всего потенциально корнеобитаемого слоя почв, что необходимо. В перспективе могут быть установлены связи между свойствами пахотного горизонта почв и свойствами нижележащих горизонтов, которые послужат основой для косвенного дистанционного детектирования и свойств почв нижележащих горизонтов.

На современном этапе информацию о свойствах корнеобитаемой толщи почв можно также получить косвенно, по характеру изображения растительности на данных дистанционного зондирования (Serteser et al., 2008; Fischer et al., 2019) . И данный подход представляется наиболее логичным. Если свойства корнеобитаемого слоя почв не лимитируют развитие сельскохозяйственных растений, то необходимости в их учете нет, так как они не влияют на урожайность.

Существующие на настоящий момент архивы спутниковых данных высокого разрешения (Landsat, Sentinel, 10–30 м) вполне позволяют оценить пространственные неоднородности растительности на конкретных полях в течение всего сезона вегетации за последние несколько десятков лет, что позволяет оценить неоднородности посевов разных культур всего используемого севооборо- та, причем в разных метеорологических условиях (т. е. проследить за изменениями нескольких временных севооборотов на поле).

Таблица 1. Возможности картографирования отдельных свойств почв на основе дистанционных методов по прямым дешифровочным признакам Table 1. Possibilities of mapping individual soil properties based on remote sensing methods by direct decoding features

№ п/п	Лимитирующее свойство почв (A framework for land evaluation…, 1976)	Возможность дистанционного картографирования	Примеры в научной литературе
1	Дренированность почв	Да	(Asgari et al., 2020)
2	Присутствие паводков и их продолжительность	Да	(Gleason, Durand, 2020)
3	Грансостав пахотного горизонта почв	Да	(Bousbih et al., 2019)
4	Содержание включений в пахотном горизонте	Да	(Karjalainen et al., 2021)
5	Содержание включений в подпахотном горизонте	Нет	-
6	Мощность мелкоземистой толщи почвы	Нет	-
7	Содержание карбонатов кальция в корнеобитаемом слое почв	Да, если они есть в поверхностном горизонте	(Qi et al., 2021)
8	Содержание гипса в корнеобитаемом слое почв	Нет	-

Продолжение таблицы 1

Table 1 continued

№ п/п	Лимитирующее свойство почв (A framework for land evaluation…, 1976)	Возможность дистанционного картографирования	Примеры в научной литературе
9	Емкость катионного обмена в корнеобитаемом слое почвы	Нет	-
10	Насыщенность основаниями в корнеобитаемом слое почвы	Нет	-
11	Величина рН в корнеобитаемом слое почвы	Нет	-
12	Содержание гумуса в корнеобитаемом слое почвы	Нет	-
13	Содержание воднорастворимых солей в корнеобитаемом слое почвы	Да, если они есть в поверхностном горизонте	(Wang et al., 2021)
14	Содержание поглощенного натрия в корнеобитаемом слое почвы	Нет	-
15	Уровень залегания грунтовых вод	Нет	-

Выявляемые таким образом неоднородности посевов могут индицировать не только о присутствии влияния лимитирующих свойств почв на поле. На появление неоднородностей могут оказывать влияние и другие факторы, не связанные со свойствами почв (болезни, вредители, неравномерность использования средств химизации и др.). Но устойчивость неоднородностей по- севов одной культуры на поле в течение нескольких сезонов в большинстве случаев свидетельствует о влиянии именно почвенного фактора.

Таким образом, подобные неоднородности могут служить достаточно надежным индикатором присутствия в корнеобитаемом слое почв лимитирующих рост растений почвенных свойств.

Необходимо также отметить, что в большинстве случаев на конкретном поле в качестве лимитирующих свойств почв присутствуют лишь 2–3 из всех потенциально возможных, что значительно облегчает их детектирование и интерпретацию выявляемых неоднородностей.

Следовательно, подход для выявления и картографирования пространственных неоднородностей лимитирующих свойств почв (АНП – А грономически важные Н еоднородности П очвенного покрова) может быть представлен в следующем виде (рис. 2).

В основе подхода лежит использование многолетних архивов спутниковых данных. На первом этапе из архива отбираются все безоблачные и бесснежные атмосферно скорректированные изображения на территорию поля за последние 7 лет. Это позволяет оценить неоднородности изображения посевов и почв и особенности их варьирования в разных сезонах вегетации. Опыт подобных работ показывает, что для каждого сезона вегетации за последние годы может быть получено около 5–10 изображений в зависимости от региона исследований.

После этого все изображения делятся на две группы: с изображением открытой поверхности почв, и с изображением посевов. В качестве критерия для выделения изображений с открытой поверхностью почв достаточно использовать пороговое значение NDVI, которое подбирается экспертно и является индивидуальным для каждого поля.

Для изображений с открытой поверхностью почв проводится выделение контрастных неоднородностей. Наиболее простым способом является визуальное дешифрирование по монитору компьютера каждого из изображений с использованием в качестве подложки синтеза каналов спутниковых изображений в цветах близких к натуральным.

Рис. 2. Подход к построению карты АНП.

Fig. 2. Approach to the construction of ASSP (Agronomically Sound Soil Patterns) map.

Затем все результаты дешифрирования анализируются совместно для выявления зон устойчивых неоднородностей и зон неустойчивых неоднородностей. К зонам неустойчивой неоднородности относятся участки поля в случае неоднозначности их выявления на снимках разного срока (в одни сроки они выявляются, в другие – нет). Устойчивые неоднородности выявляются на всех анализируемых изображениях. Анализ также проводится экспертно.

Однако выявление неоднородностей изображения открытой поверхности почв может быть и автоматизированно (например, путем классификации отдельных изображений с использованием алгоритма ISODATA, пересечением всех полученных результатов классификации с последующим анализом устойчивости автоматизированно выделенных классов). Результатом этого этапа анализа является карта неоднородностей открытой поверхности почв.

На следующем этапе аналогичным образом проводится анализ неоднородностей изображения посевов. В качестве основы для выделения неоднородностей используется карта вегетационного индекса NDVI посевов в разные этапы вегетации и в разные годы.

На последнем этапе работ устойчивые неоднородности, выявленные по открытой поверхности почв, совмещаются (пересекаются) с устойчивыми неоднородностями посевов, в результате чего получается карта устойчивых неоднородностей почв поля. Эта карта рассматривается нами как карта неоднородностей почв поля по агрономически важным свойствам (АНП). Выделам карты при необходимости приписываются в качестве атрибутов конкретные лимитирующие свойства почв, для чего используется традиционная почвенная карта и/или результаты полевых обследований почв каждой из выделенных зон, а также результаты оценки качества почв (ранжирования почв по качеству), полученные на основе анализа поведения NDVI в каждом выделе. Эта информация также является результатом экспертной оценки.

Необходимо отметить, что на каждом конкретном поле в качестве лимитирующих выступают не все свойства почв, перечисленные в таблице 1, а лишь несколько из них. Какие конкретно свойства почв могут лимитировать возделывание сельскохозяйственных культур на конкретном поле, можно определить на ос- нове анализа традиционно составленной почвенной карты или просто на основе знания специфики почвенного покрова региона.

Примеры использования предложенного подхода

На рисунке 3 приведены примеры контурной части карт АНП полей в сопоставлении с выделами традиционно составленных почвенных карт.

Из рисунка следует, что контурная часть карт сильно не совпадает. Карты АНП более детальны. Судя по данным рисунка, степень детальности зависит от пространственных неоднородностей агрономически важных свойств почв конкретного поля (большее варьирование свойств на поле “Меньково” и меньшее варьирование свойств на поле “Стрелецкое”).

Выделам карт АНП поля нельзя приписать какое-либо классификационное наименование почвы, так как границы карты АНП не являются границами классификационных выделов почв. Они могут быть охарактеризованы лишь набором тех лимитирующих свойств почв, которые присутствуют в выделе. Таким образом карты АНП являются больше оценочными картами, чем чисто почвенными, и отражают зоны (участки) поля, которые однородны с точки зрения лимитирующих свойств почв и степени их влияния.

Карты АНП не рассматриваются в качестве замены традиционно составляемых почвенных карт. У этих карт разное целевое назначение. Традиционно составляемые почвенные карты предназначены для отражения географии почв того или иного региона в терминах принятой классификации почв и объектом их картографирования являются классификационные выделы почв (Савин, 2016) .

Эти карты являются обобщением и отражением текущего уровня знаний почвоведов о закономерностях географии почв того или иного региона или участка. В отличие от традиционно составляемых почвенных карт, карты АНП предназначены для решения прикладных задач сельскохозяйственного производства. Они являются прикладными, но создаются не путем анализа и оценки почв тех выделов, которые есть на почвенной карте (как это делается традиционно (Ганжара и др., 1987)), а путем поиска про- странственных неоднородностей воздействия лимитирующих свойств почв на посевы сельскохозяйственных культур на основе анализа данных дистанционного зондирования.

А

Б

В

Рис. 3. Выделы карты АНП тестового поля “Меньково” (А), тестового поля “Стрелецкое” (Б) и тестового поля “Белокаменское” (В) (оттенки серого цвета) и границы выделов традиционно составленных почвенных карт (красные линии) (расстояние между серыми линиями грида – 100 м).

Fig. 3. ASSP (Agronomically Sound Soil Patterns) map sections of the Men-kovo test field (A), Streletskoye test field (B), and Belokamenskoye test field (C) (shades of gray) and boundaries of traditionally drawn soil maps (red lines) (distance between the gray grid lines is 100 m).

То есть в этом случае неоднородности почвенного покрова устанавливаются косвенно – по реакции на них посевов.

Подход к выделению этих зон подспудно учитывает и уровень хозяйствования. Те неоднородности почв, влияние которых на состояние посевов элиминируется какими-либо агротехническими мероприятиями, на картах АНП не отражаются. Таким образом, предложенный подход учитывает и специфику использования земель, тот севооборот и те агротехнологии, которые используются на конкретном земельном участке.

Анализ связи состояния посевов с неоднородностями почвенного покрова проводится уже давно (Фридланд, 1972; Прохо рова, Сорокина, 1975; Прудникова, Савин, 2013) , но до сих пор не предлагалось использовать анализ состояния посевов как основу для картографирования агрономически важных свойств почв. В целом данный подход является развитием идей такого научного направления как индикационная геоботаника (Викторов и др., 1962; Маханова и др., 2010) , но применительно к сельскохозяйственной растительности.

Кроме того, предложенный подход близок к работам последних лет в области научного обоснования внедрения систем точного земледелия (Maloku et al., 2020). В рамках этих подходов также не используется традиционно созданная почвенная карта, а проводится анализ пространственной неоднородности посевов на поле (на основе датчиков, установленных на комбайнах (Morais et al., 2021) или в поле (Placidi et al., 2021), или с использованием данных дистанционного зондирования (Савин, Блохин, 2022)), который и служит основой для планирования агротехнических мероприятий и управлением плодородия почв поля.

В отличие от подходов точного земледелия, в предложенном подходе в основе анализа все же лежат почвенные свойства и их пространственное варьирование. Это позволяет учитывать весь набор лимитирующих свойств почв с учетом специфики их влияния на посевы разных культур и в разные сезоны вегетации. В рамках подходов точного земледелия обычно учитываются лишь те ограниченные свойства, которые могут быть измерены современными датчиками (влажность, электропроводность, плотность и некоторые другие (Viscarra Rossel, Bouma, 2016) ). Учитывается лишь состояние измеряемых свойств почв и посевов на момент измерения, без учета многолетней и сезонной динамики. Это связано с разницей в целепологании этих подходов. В точном земледелии основная цель является более оперативной: выявить пространственные неоднородности и попытаться их быстро устранить (например, выровнять состояние посевов), то в предложенном нами подходе основная цель – это выявление неоднородностей, которые устойчивы во времени, чтобы их учитывать при использовании земельного участка. В перспективе эти подходы могут быть инкорпорированы в технологии точного земледелия, что позволит расширить функциональные возможности этих технологий.

Особенностью предложенного подхода является то, что в выделах карты АНП на данном этапе невозможно указать какой-то объект картографирования, так как объектом фактически является набор лимитирующих свойств почв и особенности их влияния на посевы. Поэтому основным тематическим наполнением карты является атрибутивная таблица к ней, в которой перечислены свойства и их лимитирующее воздействие. Карты АНП индивидуальны для каждого поля и должны обновляться (корректироваться) при смене специфики землепользования. Лишь при накоплении таких карт с атрибутивными данными можно будет перейти к классификации отраженных на картах объектов с целью получения прикладной классификации почв для сельскохозяйственных целей.

ВЫВОДЫ

Предложен новый подход к созданию карт, отражающих пространственное варьирование агрономически значимых свойств почв на поле. Предложенный подход позволяет более точно отражать неоднородности почвенного покрова поля, важные для сельскохозяйственного производства, чем традиционные подходы, что подтверждается сравнением выделов карт АНП с выделами традиционно составленных почвенных карт. Процесс выделения зон неоднородностей основан на анализе архивов спутниковых данных, что предопределяет его оперативность, точность и технологичность, а также возможности в перспективе его полной автоматизации.

Теоретически подход может использовать и архивы данных, получаемых с беспилотных летательных аппаратов, что еще больше повысит его точность. Но для этого необходимо накопление данных подобной съемки на территорию отдельных полей и проведение дополнительных исследований.