Применение технологии автоматизированного мониторинга режимов почв для интеллектуальных цифровых платформ

7 Bld. 2 Pyzhevskiy per., Moscow 119017, Russian Federation, *, e-mail: , **, e-mail: , ****, e-mail: , *****

12 Bld. 1 Leninskie Gori, Moscow 119234, Russian Federation, ***

Динамические данные о влажности, температуре и ряде других быстро изменяющихся свойств почв являются основой для их комплексного исследования и управления. На основе этиx данных определяются особенности почвенных гидротермических условий, классификационная принадлежность почв, сравнительная характеристика режимных наблюдений в разных условиях ландшафта, критические периоды быстрых изменений профильных распределений влажности и температуры, влажностные и температурные оптимумы и другие характеристики функционирования почвенного покрова во времени с учетом рельефа и метеоусловий. Именно динамика этих свойств в почвенной толще определяет основные агротехнические приемы, сроки их применения, а также мелиоративные расчеты и мероприятия (Роде, 1952; Димо, 1972; Болдырев, 1981; Емельянов, Маслов, 1985; Добровольский, Никитин, 1990; Зайдельман, 1996; Шестаков, Поздняков, 2003; Кирюшин, 2011). Кроме того, учитывая широкое применение физически обоснованных математических моделей, необходимо экспериментальное обеспечение для их верификации и адаптации к конкретным почвенно-климатическим условиям, прежде всего, по гидротермическому режиму почвы в строго определенный контролируемый период времени, с использованием почвенногидрологических констант (Роде, 1960; Роде, 1961; Зайдельман, 1985; Кирюшин, 2011).

Стоит отметить, что оптимизация режимов почв стратегически более результативна, чем оптимизация их свойств. Также большое значение имеет не только величина параметров, но и их приращение, и градиент. Экспериментальное определение приращений параметров и в целом режимов предполагает повторные измерения в той же самой точке через определенные интервалы времени, что ставит результаты исследования в зависимость от пространственного варьирования измеряемых параметров и их приращений (Дмитриев, 1972; Козловский, 1991). Исследование режимов почв в разных точках ландшафта предопределяет синхронность измерений динамики их свойств.

Традиционно данные о динамике влажности почвы получали буровыми методами, требующими специальной долговременной подготовки, конкретных условий проведения, а также последующего анализа. Эти методы трудоемки, затратны и не всегда удовлетворяют требованиям, в частности, из-за высокой пространственной вариабельности исследуемых свойств, присущей точечным измерениям. В связи с этим ряд авторов (Полуэктов и др., 2003; Архангельская, 2020; Gerke et al., 2022) считает, что при отсутствии стандартных методов оперативного “on-line” измерения гидротермических режимов почвы и их параметров в реальных условиях агроландшафта единственным надежным способом получения необходимой информации является расчетный метод с использованием тех или иных математических моделей. В то же время предпринимались попытки автоматизированного (с помощью различных приборов) наблюдения за влажностью и температурой почвы. По нашему мнению, наиболее перспективно применение комплекса современных информационных и математических средств моделирования почвенно-атмосферного тепловлаго-переноса с измерительными системами, позволяющими получать экспериментальные значения граничных и начальных условий для моделей гидротермического режима почвы. Такой подход позволит сократить долю инструментальных ресурсов при получении информации о почвенных режимах без потери точности и минимизировать работу по экспериментальному обеспечению входных параметров моделей.

Стоит отметить радиометрические методы на основе нейтронных влагомеров (Kodikara et al., 2014), обладающие рядом недостатков: необходимостью калибровки для конкретных почвенно-климатических условий и др.; “точечный” характер наблюдений (Evet et al., 2008; Bogena et al., 2017; Kodikara et al., 2014; Шеин и др., 2019; Nieberding et al., 2023); ряд техникометодических особенностей в виде неравномерной сферы исследования; пристенных эффектов движения влаги и ряда других особенностей (Выржиковский, Кузьмичев, 1968; Емельянов, Маслов, 1985). Это вызвало новую волну методических исследований с применением следующего поколения стационарных датчиков по измерению влажности почвы: кондуктометрических датчиков, гипсовых блоков и пр. (Evet et al., 2008; Abdelal et al., 2025). Однако эти устройства также требовали проверки, поверки, определенных условий применения и присутствия оператора, что ограничивало их применение. В последнее время в почвенно-физических исследованиях широко распространяются диэлькометрические методы (Calamita et al., 2012; Zhu et al., 2019), оптимально сочетающие точность и доступность измерения параметров.

На основе рассмотренных проблем измерения режимов почв был разработан и испытан прототип стационарной системы мониторинга режимов почв в составе т. н. интеллектуальных цифровых платформ, применяющих технологии “Интернета вещей”, искусственного интеллекта и больших данных. Такие платформы являются составной частью цифровых двойников (Кирюшин, 2011; Иванов и др., 2025), способны генерировать новые знания на базе поступающих и уже имеющихся данных, а также предлагать решения. В этом отношении цифровой двойник можно рассматривать как фундаментальный компонент стратегии управления с обратной связью. Виртуальное представление достигается путем моделирования процессов, происходящих в физическом объекте (почве), с использованием математических моделей и автоматической загрузкой больших объемов экспериментальных данных, получаемых в реальном времени с помощью систем сбора данных.

Цель данной работы: разработка и испытание прототипа стационарной системы мониторинга режимов почв.

Задачи:

• 1)    Экспериментально обосновать в полевых условиях использование диэлькометрических датчиков влажности почвы и датчиков уровня грунтовых вод.

• 2)    Установить датчики для наблюдений за послойной динамикой влажности, температуры почвы и уровня грунтовых вод, иx дистанционное получение и передачу к пользователю на основе “облачных” технологий (создание функционального прототипа).

• 3)    Обосновать методы представления и анализа динамических данных о режимаx влажности и температуры почвы, соответствующие новым возможностям наблюдений и формам получения экспериментальных данных.

ОБЪЕКТЫ И МЕТОДЫ

Исследования проводились на Опытном поле ВНИИМЗ (Тверская область, пос. Эммаусс) на агродерново-подзолистых оглеенных легкосуглинистых почвах (по WRB – Albic Retisol), сформированных на краевой морене. Морфология, свойства, топографическое положение и особенности использования этих почв приведены в нашей ранней работе (Шеин и др., 2022). Почвы осушены гончарным дренажем на глубине 100–110 см при межд-ренном расстоянии 30 м. Подстилающая порода – суглинистая морена, залегающая на глубине 50–110 см.

По данным метеонаблюдений, в 2023–2024 гг. был сформирован высокий снежный покров, и в весенний период наблюдалось медленное таяние снега (что негативно сказалось на перезимовке озимых культур). Если высота снежного покрова в феврале достигала 48.1 см, то в результате активного снеготаяния в марте она составляла 22.1 см, а в апреле снежный покров уже отсутствовал. Максимальные дневные температуры в марте, апреле и мае достигали +17, +23 и +29 °С, ночные соответственно – –13, –3, – 3 °С. Также в мае наблюдались поздние весенние заморозки, которые также оказали негативное влияние на развитие растений и урожай озимых. Сумма осадков за 2024 г. составила 592 мм, в том числе за апрель–сентябрь – 313 мм (53.9% от суммы за год). Агроклиматические условия 2025 г. в течение вегетационного периода отличались от среднемноголетних показателей. В апреле складывались благоприятные погодные условия для вегетации озимых культур и многолетних трав. Температура воздуха на протяжении двух последних декад превышала среднемноголетние показатели на 4 °С. Максимальные дневные температуры в марте, апреле и мае достигали +15, +27 и +30 °С, ночные, соответственно – –8, –5, –2 °С. В середине апреля визуально наблюдалась сильно и избыточно увлажненная поверхность почвы в результате таяния снега и выпадения осадков. В весенне-летний период наблюдалось избыточное количество осадков – в мае 122% от нормы, в июне в 2 раза выше нормы, а в отдельные декады превышение количества осадков достигало 293–348%. По данным метеонаблюдений, сумма осадков за 2025 г. составила 567 мм, в том числе за период апрель–июнь – 240 мм (42.3%), а за апрель–сентябрь – 363 мм (64.0%).

На северном пологом склоне водораздела агроландшафта были установлены диэлькометрические датчики для определения влажности на глубинаx 10, 20, 30, 40, 60 и 100 см и датчики уровня грунтовых вод (УГВ). В точке наблюдения в непосредственной близости от датчиков был установлен логгер с модулем передачи данных через интернет в “облачное хранилище”.

В основе диэлькометрических методов лежит зависимость диэлектрической проницаемости почвы от ее влажности. Электромагнитный импульс распространяется вдоль зондовых стержней (или в замкнутом контуре) со скоростью, обратно пропорциональной диэлектрической проницаемости среды. Время прохождения импульса (TDR) или частота колебаний (FDR) измеряются и преобразуются в значение объемной влажности почвы (Bogena et al., 2017; Ramos et al., 2018; Шеин и др., 2019).

Для создания функционального прототипа в качестве первичного преобразователя выбран датчик влажности и температуры (производство КНР), погружаемый на соответствующую глубину в почву, который может применяться при долгосрочном мониторинге данных параметров в режиме реального времени. Измерительная схема расположена в герметичном неразборном водонепроницаемом корпусе с тремя измерительными иглами-зондами из нержавеющей стали. Датчик имеет встроенный аналогоцифровой преобразователь и микроконтроллер управления, производящий вычисления значений влажности почвы и др., передающихся в логгер через цифровой интерфейс RS-485. Основные технические характеристики датчиков, заявленные производителем:

Диапазон измерения объемной влажности: 0–100%.

Погрешность измерения влажности: ±2% (0–50%), подтверждена нами в сравнении с термостатно весовым способом с учетом плотности сложения почвы; ±3% (50–100%).

Объем почвы, в котором измеряется влажность: ~ 300 см ³ .

Разрешение: 0.03% (0~50%) и 1% (50~100%).

Время измерения: 1 с.

Принцип измерения: FDR (~100 МГц).

Диапазон измерения температуры: –40...85 °С.

Точность измерения температуры: ±0.5 °С (разрешение 0.1 °С).

Выход: Цифровой интерфейс RS-485 (протокол Modbus RTU).

Схема устройства дистанционного измерения и передачи данных изображена на рисунке 1.

Рис. 1. Схема получения и передачи данных о влажности и температуре почвы через интернет.

Fig. 1. Scheme for receiving and transmitting data on soil moisture and temperature via the Internet.

Выбор интерфейса RS-485 обусловлен возможностью объединения нескольких датчиков в сеть по двухпроводной линии, что удобно для мониторинга почвенного профиля. Адреса устройств в сети настраиваются в диапазоне 1–250.

Для передачи данных через Интернет использовались GSM логгеры данных, подключаемые к облачному сервису “Promodem Cloud” (ООО “Аналитик-ТС”, РФ). Функционал облачного сервиса включает: сбор и хранение данных с приборов, отображение информации в виде графиков и таблиц, экспорт массива данных (например, в Excel, txt, cvs) и отображение местоположения приборов на карте.

Переданная логгерами информация размещается в базе данных, структура которой представлена многомерным кубом и имеет три пространственных уровня: модем – датчик – регистр. В авторском варианте к одному модему подключается до 10 датчиков, каждый из которых содержит несколько десятков регистров. В регистрах отображаются измеряемые параметры и их настройка, включающая калибровочные константы, диапазон измерений, тек- стуру почвы и номер датчика. Наиболее важными калибровочными константами является текстура почвы: 0 – mineral soil; 1 – sandy soil; 2 – clay; 3 – organic soil. В данной работе применено значение по умолчанию – 0. Как правило, физически измеряются электрические параметры, пропорциональные диэлектрической проницаемости, электропроводности и температуре почвы. Далее на их основе датчик рассчитывает влажность почвы, общее содержание солей и др. В данном исследовании, ввиду отсутствия засоления агродерново-подзолистых почв опытного поля, данные по EC не приводятся, но в аридных условиях такие данные могут представлять большую практическую значимость при оценке засоления, расчете промывных норм и т. д. Также были протестированы датчики, измеряющие pH и содержание NPK почвы, но качество полученных данных недостаточно для применения их на практике. Учитывая, что датчики и логгеры можно устанавливать в различных частях агроландшафта, кроме пространственного уровня база данных содержит информацию о времени измерения. При этом время выборки (частота дискретизации) изменяется пользователем и составляет 1 сек. и более.

С помощью описанного выше устройства были получены послойные данные о влажности почвы, а для оценки водного режима почв, т. е. состояния и движения влаги в почве и ее доступности для растений, использовались послойные значения почвенно-гидрологических констант (ПГК): наименьшая влагоемкость (НВ), влажность завядания (ВЗ), максимальная гигроскопичность (МГ). ПГК были рассчитаны по методу секущих Воронина (Воронин, 1986) из основных гидрофизических характеристик (ОГХ), полученных комбинированным методом (капилляриметрия до pF 2.81 и над насыщенными растворами солей в диапазоне pF 2.81– 4.20) (Вадюнина, Корчагина, 1986).

Образцы на плотность сложения отбирались классическим буровым методом Качинского. Гранулометрический состав определялся методом лазерной дифрактометрии с предварительной обработкой ультразвуком. Более подробно методика определения описана в работе по исследованию особенностей гранулометрического состава почвенного покрова опытного поля (Шеин и др., 2022).

Динамические данные о послойной влажности, полученные через Интернет, обрабатывались с использованием программы Golden Software Surfer для построения карт хроноизоплет влажности. На эти карты наносились значения ПГК для оценки фаз водного режима (гравитационный сток, легкодоступная влага, недоступная влага).

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

По данным полевых и лабораторных исследований в понижении северной части водораздела, в месте установки измерительной системы, были определены некоторые водно-физические свойства агродерново-подзолистой почвы, приведенные в таблице 1.

Профиль исследуемой почвы отчетливо разделяется на три слоя по гранулометрическому составу и соответственно по гидрофизическим свойствам, как видно из таблицы 1. Гранулометрический состав показал преобладание мелкозернистого песка по всему профилю с пиком 70–100 мкм. Верхний слой (0–30 см) сложен средним суглинком, который сменяется на глубине 30–50 опесча-неным суглинком и затем с 50 см – надморенным средним суглинком.

В результате непрерывных дистанционных наблюдений с 15 июля 2024 г. по 15 июля 2025 г. с суточным интервалом был получен обширный массив данных о динамике объемной влажности и температуры в почвенном профиле, а также об уровне грунтовых вод. Измерение проводилось в одно и то же время суток для исключения влияния суточных температур почвы. Эти данные послужили основой для построения карт хроноизоплет влажности и температуры почвы (рис. 2). В верхней части рисунка 2 (а, б) представлены также данные по осадкам и температуре воздуха из архива погоды Тверской метеостанции. Хроноизоплеты наглядно отображают пространственно-временное распределение влажности и температуры по профилю.

Таблица 1. Некоторые водно-физические свойства агродерновой почвы

Table 1. Some water-physical properties of agroturf soil

Глубина, см	Содержание физ. глины, %	Содержание фракций, %			Название		Плотность почвы, г/см3	ПГК, % (массовые)
		Clay (<2 мкм)	Silt (2–50 мкм)	Sand (50– 2 000 мкм)	по Качин-скому	по USDA		НВ	ВЗ	МГ
0–10	31.59	7.41	55.46	37.13	суглинок средний	пылеватый суглинок	1.07	23.0	7.7	5.7
10–20	32.08	7.84	54.2	37.95	суглинок средний	пылеватый суглинок	1.27	20.2	6.7	5.0
20–30	24.97	6.53	49.26	44.21	суглинок легкий	суглинок	1.15	17.0	5.3	4.1
30–40	15.64	4.42	41.83	53.75	супесь	опесчане-ный суглинок	1.54	13.7	3.2	2.3
40–50	16.15	5.25	33.3	61.46	супесь	опесчане-ный суглинок	1.75	11.5	3.6	2.9
50–60	33.41	10.17	48.61	41.22	суглинок средний	суглинок	1.71	15.7	6.6	5.4

Рис. 2. ( а ) – осадки, ( б ) – температура воздуха, ( в ) – хроноизоплеты температуры, ( г ) – объемной влажности, ( д ) – уровень грунтовых вод агро-дерново-подзолистой почвы (Опытное поле ВНИИМЗ) за период 15.07.2024–15.07.2025. Примечание : на хроноизоплетах влажности нанесены почвенно-гидрологические константы (НВ – наименьшая вла-гоемкость, 0.7НВ).

Fig. 2. ( a ) – precipitation, ( б ) – air temperature, ( в ) – temperature chronoisopleths, ( г ) – volumetric moisture content, ( д ) – groundwater level of agrosod-podzolic soil (VNIIMZ experimental field) for the period 15.07.2024–

15.07.2025. Note : Soil-hydrological constants (HV – least moisture capacity, 0.7HV) are plotted on the moisture chrono-isopleths.

Анализ полученных хроноизоплет в комплексе с нанесенными значениями ПГК позволил детально охарактеризовать водный режим исследуемой почвы и выявить критические периоды.

На графиках отчетливо видны периоды резкого изменения влажности во всем профиле, связанные в основном с интенсивными осадками. Особенно четко выражены периоды стремительного увлажнения почвенной толщи в конце октября – начале ноября (формирование осенних запасов влаги) и иссушения в конце сентября – начале октября. Период в конце апреля также характеризуется значительными изменениями влажности, связанными с началом снеготаяния и вегетации. По хроноизоплетам температуры почвы также наблюдается резкое снижение температуры осенью (конец октября – ноябрь) и ее повышение весной (апрель) – периоды, определяющие сроки проведения агротехнических мероприятий (закрытие влаги, посев).

Анализ хроноизоплет влажности позволил выделить основные фазы водного режима. По ним видно, что практически на протяжении всего исследуемого периода в верхних слоях (20–60 см) присутствует гравитационный сток (влажность > НВ), особенно после сильных дождей осенью и весной. Зоны легкодоступной влаги (НВ – 0.7НВ) отмечаются в летний период в верхних слоях корнеобитаемого слоя и частично в нижних при снижении УГВ. Зоны недоступной влаги (< ВЗ) зафиксированы не были.

Карты хроноизоплет с нанесенными ПГК являются ключевым документом для характеристики водного режима, оценки длительности и глубины проявления его критических фаз (гравитационный сток, дефицит влаги), что необходимо для планирования дренажа, орошения и других мелиоративных мероприятий (Выржиковский, Кузьмичев, 1968; Добровольский, Никитин, 1990).

Преимущества предложенного подхода и устройства дистанционного измерения влажности и температуры, регулярность и синхронность измерений позволит установить количественные связи между метеорологическими условиями (осадки, температура воздуха) и динамикой влажности/температуры в почвенном профиле, что является необходимой информацией для верификации математических моделей.

Непрерывный мониторинг с относительно высоким временным разрешением (сутки, с возможностью уменьшения интервала) позволил зафиксировать короткие, но важные периоды резкого изменения свойств (увлажнение/иссушение, промерза-ние/оттаивание), которые легко пропустить при традиционных редких и затратных измерениях. Приведем примеры из проведенного эксперимента: кратковременное увлажнение пахотного горизонта после снеготаяния (период с 250-го по 270-ый, с 280-го по 300-й день); промачивание всего почвенного профиля до грунтовых вод (период с 300-го по 320-ый день); 5–10-дневные моменты переувлажнения пахотного горизонта в 150-й, 250-й, 320-й дни; закономерное периодическое, в данном случае импульсное, подтягивание грунтовых вод в холодный период.

Регулярное получение идентичных по формату данных с разных участков или глубин создает основу для строгого статистического сравнения их водного и температурного режимов (например, с использованием критерия Стьюдента), что актуально для выделения зон с разной влагообеспеченностью в агроландшафте.

Предложенный метод дистанционного измерения влажности и температуры почв стимулирует развитие подходов к анализу данных. С его помощью можно идентифицировать и более детально изучить “критические периоды” с возможным изменением частоты опроса датчиков.

Появляется возможность пространственно-статистического анализа водных режимов почв и гидрофизических свойств на основе обратной задачи в сложном почвенном покрове.

Не до конца решен вопрос о влиянии инструментальной точности измеряемых параметров на режимы, учитывая неоднородность почв по гранулометрическому составу, что потребует дальнейших методических исследований.

ЗАКЛЮЧЕНИЕ

Разработан и апробирован функциональный прототип си- стемы сбора и дистанционной передачи данных о послойной влажности, температуре почвы и уровне грунтовых вод с использованием диэлькометрических датчиков и облачных технологий.

Получен массив непрерывных данных с суточным интервалом за период июнь 2024 г. – апрель 2025 г. На основе этих данных построены характеристические карты хроноизоплет влажности и температуры, что обеспечило наглядное представление пространственно-временной динамики гидротермического режима исследуемой агродерново-подзолистой почвы.

Использование почвенно-гидрологических констант, нанесенных на хроноизоплеты влажности, позволило детально проанализировать водный режим почвы, выделить периоды гравитационного стока, легкодоступной и недоступной влаги, а также выявить критические периоды резкого изменения влажности (конец сентября – начало октября, конец октября – начало ноября, конец апреля) и температуры (конец октября – ноябрь, апрель) во всем профиле.

Ключевым преимуществом предложенного подхода является возможность синхронного получения информации в различных точках агроландшафта с ее дистанционной передачей, что позволяет: 1) устанавливать количественные соответствия между метеоусловиями и почвенными режимами; 2) надежно фиксировать короткие, но агрономически значимые критические периоды резкого изменения влажности и температуры; 3) проводить статистическое сравнение водных режимов разных почв или почвенных слоев; 4) оперативно использовать почвенные данные для управления мелиоративными процессами и прогнозирования критических периодов.

Применение данного подхода открывает новые возможности для анализа данных, включая фокусировку на критических периодах, пространственно-статистическую оценку режимов в сложном покрове и уточнение стратегий калибровки датчиков в зависимости от решаемых задач.