Содержание к диссертации
Введение
Глава 1. Обзор научной литературы 9
1.1 Понятие о дву- и многочленности пород 9
1.2 Картографирование почв. От истоков к современности 12
1.3 История картографирования почвообразующих и подстилающих пород 15
1.4 Подходы к выявлению и картографированию почвообразующих и подстилающих пород 17
1.4.1 Традиционный подход 17
1.4.2 Бесконтактное почвенное зондирование 20
1.4.3 Использование данных дистанционного зондирования 24
1.4.4 Почвенная спектроскопия 31
1.4.5 Подходы цифровой (автоматизированной) картографии 37
Глава 2. Характеристика региона исследования 44
2.1 Географическое положение территории исследования 44
2.2 Климатические условия 45
2.3 Геоморфологические условия 53
2.4 Геология и почвообразующие породы 55
2.5 Гидрографические и гидрогеологические условия 62
2.6 Растительность 63
2.7 Почвенный покров 64
Глава 3. Методы исследований 73
3.1 Картографирование почв тестовых участков 73
3.2 Лабораторные анализы 75
3.3 Анализ спектральной отражательной способности почв тестовых участков 76
3.4 Статистический анализ связи между спектральной отражательной способностью и свойствами почв-индикаторами подстилания 78
3.5 Создание картографических моделей средствами цифровой почвенной картографии 80
Глава 4. Результаты и обсуждения 85
4.1 Результаты минералогического анализа почв тестовых участков 85
4.2 Связь между спектральной отражательной способностью и свойствами почв-индикаторами подстилания 90
4.2.1 Спектральная отражательная способность и содержание органического углерода почв 90
4.2.2 Спектральная отражательная способность и минералогический состав почв 98
4.3 Картографические модели отдельных свойств почв-индикаторов подстилания 108
4.3.1 Картографические модели содержания органического углерода 108
4.3.2 Картографические модели содержания минералов-индикаторов подстилания 115
4.4 Выявление подстилания черноземных почв 125
Заключение 129
Приложения 132
Список литературы 138
Список сокращений 158
- Бесконтактное почвенное зондирование
- Геология и почвообразующие породы
- Создание картографических моделей средствами цифровой почвенной картографии
- Выявление подстилания черноземных почв
Бесконтактное почвенное зондирование
В 1925 г. задолго до компьютеров и электронных сенсоров Bernard Keen и William Haines из Ротамстедской Экспериментальной Станции в Великобритании задумали и построили первый мобильный сенсор, измеряющий механическую сопротивляемость почвы. Они произвели измерения и построили карту высокого разрешения с отображением «изодин» (контурных линии равной силы или механического сопротивления) [Keen, Haines, 1925; Proximal Soil Sensing, 2010]. Это первое исследование на тему бесконтактного почвенного зондирования [Minasny, McBratney, 2016]. Бесконтактное почвенное зондирование (БПЗ), как самостоятельное направление оформилось в начале 2000-х годов и было мотивировано необходимостью быстрого получения пространственной и временной информации о почвенном покрове и его свойствах. В буквальном смысле, БПЗ определяется как метод мобильного, активного или пассивного, инвазивного или не инвазивного, полевого in-situ или лабораторного зондирования почв [Viscarra Rossel, McBratney, Minasny, 2010]. БПЗ – одна из методологий ЦПК, которая представляет собой альтернативу лабораторным химическим и физическим методам анализа почв и использующая различные датчики и сенсоры для измерения и определения свойств почв [Hartemink, Minasny, 2014]. В настоящее время создана и функционирует рабочая группа Международного союза обществ почвоведов по БПЗ.
С течением времени сенсоры и различные датчики становятся меньшими в размерах, быстрее и эффективнее в работе, более точными и беспроводными. Многие из таких сенсоров могут быть использованы в целях БПЗ: к примеру, портативные спектрорадиометры используются для измерения таких почвенных свойств как содержание органического углерода [Viscarra Rossel и др., 2006; Кирьянова, 2013; Ramirez-Lopez и др., 2013; Knox и др., 2015] и минералогического состава почв [Viscarra Rossel и др., 2009; Viscarra Rossel, 2011; Jones, McBratney, 2016] на основе связи цвета поверхности почв со свойствами их профиля. Сенсоры на основе радарного и гамма излучения используются для исследования физических и химических свойств почв [van Egmond, Loonstra, Limburg, 2010; Sderstrm, Erikkson, 2010; Воронин, 2015].
При изучении четвертичных отложений ранее широко применялись геофизические методы, а именно электроразведка постоянным током: вертикальное электрическое зондирование (ВЭЗ). Применение методов электроразведки постоянным током основывалось на анализе удельного сопротивления отложений. Четвертичные и коренные породы различаются по водонасыщенности и степени минерализации насыщающих вод. Это и определяет различия в их электропроводности и дает возможность использовать методы электроразведки для определения мощности четвертичных отложений [Нестеров, 1938; Дахнов, 1953].
Также для этих же целей ограничено применялись методы сейсморазведки, магниторазведки и гравиразведки [Методическое руководство …, 1995]. Методы сейсморазведки основаны на изучении скорости распространения упругих колебаний. Так, в рыхлых четвертичных отложениях скорость продольных упругих волн небольшая и колеблется в пределах 0,3-1,5 км/сек, а в плотных коренных породах – 4-6 км/сек. Подобное различие скоростей вполне обеспечивало эффективное применение данного метода для определения глубины залегания коренных пород. Применение методов магниторазведки при изучении четвертичных отложений ограничивалось лишь выявлением и прослеживанием магнетитсодержащих отложений в связи с поисками золотых и некоторых других россыпей. В целом, ограниченное применение этих методов обусловлено большой стоимостью, отсутствием вполне разработанной техники работ для исследований на малых глубинах, невысокой точностью решения задач по сравнению с методами электроразведки. В настоящее время для целей идентификации смены горизонтов почв, а также коренных и почвообразующих пород находит широкое прикладное применение георадиалокационный подход (ground penetrating radar (GPR)), что подтверждается как отечественными, так и зарубежными работами. Такой подход основан на «прощупывании» электромагнитными импульсами поверхности почв на различную глубину и получении картины дифференциации горизонтов с различной диэлектрической проницаемостью и электропроводностью [Воронин, 2015; Allred и др., 2016]. Согласно Пягай Э.Т. с соавторами, «горизонты почв, либо почвообразующих и подстилающих пород разной плотности сложения, условий увлажнения, механического состава и др. имеют разную отражательную способность, что и фиксирует георадар» [Пягай и др., 2009]. Глубина зондирования зависит от мощности антенны, установленной на георадаре и частоты сигнала. Системы GPR обычно имеют антенны с частотами в диапазоне от 100 МГц до 1,5 ГГц [Allred, Daniels, Ehsani, 2008].
С помощью георадара «ОКО-2» с глубиной зондирования до 6 м удалось выявлять горизонты почв и пород Домодедовского района Московской области, стационара Почвенного института им. В.В. Докучаева и одного из хозяйств юго-западной части Республики Корея по характеру гранулометрического состава почв, при этом границы горизонтов с различным гранулометрическим составом наиболее четко идентифицируются лишь в том случае, когда они отличаются друг от друга не менее, чем на две градации [Пягай и др., 2009]. В рассмотренном исследовании с помощью георадарной съемки удалось получить карты (радарограммы) мощностей различных горизонтов почв и пород. На опытных полях Курского НИИАПП в 2013 г. было проведено георадарное профилирование георадаром «Лоза-В» для оценки мощности и стратиграфии почвообразующих и подстилающих пород, а также с целью идентификации почвенных горизонтов. Результаты показывают, что использование георадаров оказалось эффективным для оценки подстилания почв плотными глинами [Белобров и др., 2013; Воронин и др., 2013]. В зарубежных работах также отмечается успешное применение георадиолокационной съемки для целей выявления смены как пород, так и горизонтов почв. Так, Kung и Lu [Kung, Lu, 1993], Casper и Kung [Casper, Kung, 1996] и Gish [Gish и др., 2002] показали, что применение георадаров позволило выделить мощность, наклон пластов пород и, в целом, пространственную структуру подпочвенных отложений. Rea и Knight [Rea, Knight, 1998] установили, что на радарограммах возможно выявление пространственной структуры грубозернистого и тонкозеристого материалов осадочных пород.
В настоящее время специально для сельского хозяйства разработана аппаратура непрерывного радиолокационного профилирования со встроенной системой глобального позиционирования (GPS), обеспечивающая исследование почв и пород глубиной от 0,3 до 2-х метров с частотой измерения 1 раз в секунду. Стальные диски, разрезающие поверхность почвы, устанавливаются на такие системы и используются как токопроводящие или потенциальные электроды и измеряют электропроводность. Подобные системы дают возможность производить замеры на больших полях в сравнительно короткие сроки; неудобством же является необходимость постоянного гальванического контакта с почвой, а также требования к содержанию дисков-электродов [Allred и др., 2016].
Из недостатков применения подхода георадиолокационной съемки согласно Воронину А.Я. следует назвать следующие: «отсутствие методов идентификации почв и пород в таких исследованиях, отсутствие четких критериев верификации диагностических параметров почвенных тел с вероятностными моделями поведения отраженных электромагнитных импульсов в подповерхностной среде, достаточная трудоемкость на всех этапах работ, включая расшифровку георадарограмм» [Воронин, 2015].
Обоснование использование методологии БПЗ заключается в том, что, хотя она может давать результаты, которые не являются такими точными, как обычный лабораторный анализ, она в значительной мере облегчает получение больших объемов данных с использованием дешевых, простых и менее трудоемких методов, которые могут быть очень информативными.
Для внедрения устойчивого управления сельским хозяйством и окружающей средой требуется все более глубокое понимание генезиса и свойств почв, например для целей точного земледелия. Обычные схемы отбора почвенных проб и лабораторные анализы не могут предоставить эту информацию, потому что они занимают много времени и достаточно дороги [Viscarra Rossel, McBratney, 1998]. БПЗ может решить эти проблемы и недостатки [Viscarra Rossel, McBratney, Minasny, 2010].
Геология и почвообразующие породы
Самыми древними породами в Воронежской области являются докембрийские отложения, представленные кристаллическими породами, на которых формировались более молодые отложения. На дневную поверхность эти кристаллические отложения выходят к югу от г. Павловска, образуя здесь подземный выступ, который получил название Воронежского горста. Отсюда по всем направлениям поверхность горста понижается, уходя вглубь земли. Кристаллические отложения на всей территории перекрыты девонскими отложениями мощностью превышающую 100 м. Часть девонских отложений, представленных здесь глинами, известняками, песчаниками и песками во многих местах выходит на дневную поверхность. Девонские отложения отличаются крупными неровностями. Так, на правобережье Дона эти отложения сравнительно высоко поднимаются, а к востоку от Дона сильно понижаются. Каменноугольные отложения нигде в области и на территории объекта изыскания не выходят на дневную поверхность, поэтому они не представляют интереса как фактор почвообразования.
Меловые отложения имеют наибольшее распространение на территории Воронежской области, если не считать четвертичных отложений. В некоторых районах меловые отложения перекрыты значительной толщей палеогеновых, неогеновых и четвертичных отложений, а местами выходят на дневную поверхность по склонам речных долин, балок и оврагов. Меловые отложения представлены как нижним, так и верхним мелом. Нижнемеловые отложения представлены песчаными и песчано-глинистыми осадками, которые представлены двумя ярусами: альбским и аптским. Альбский ярус состоит из кварцевых песков, а аптский – из песчано-глинистых отложений, богатых слюдой [Адерихин, 1952; Адерихин, 1963; Адерихин, 1974]. Верхнемеловые отложения характеризуются морскими осадками, относимыми к следующим ярусам: сеноманскому, туронскому и сенонскому. Сеноманский ярус сложен из светло-серых среднезернистых кварцевых песков с включениями зерен глауконита. В верхней части толщи кварцевых песков встречаются фосфориты, над которыми залегают песчаные мергели. Туронский ярус представлен писчим мелом, мощность которого может достигать нескольких десятков метров. Выше туронского яруса залегают слои мергеля и писчего мела сеноманского яруса.
Палеогеновые и неогеновые отложения имеют такое же широкое распространение на территории Воронежской области, как и меловые. Представлены они главным образом палеогеном. В неогеновый период море отступило и господствовала суша. В этих условиях протекало изменение верхней толщи палеогеновых отложений и накопление континентальных неогеновых отложений.
Осадки палеогена представлены разнообразными пестроцветными глинами (зеленых и синеватых оттенков), песками и песчаниками. В песчаных слоях встречаются включения зерен глауконита. Характерным для палеогеновых отложений является наличие минерала каолинита. Палеогеновые отложения представлены следующими ярусами: каневским, бучакским, киевским и харьковским. Палеогеновые отложения выходят на дневную поверхность только на плакорах, в долинах рек и по склонам балок они размыты.
Неогеновые отложения, представленные пестроцветными глинами и песками, достигают местами значительной мощности (до 15 м). Песчаные отложения этого возраста известны под названием ергенинской толщи и состоят из зеленовато-серых и серых мелкозернистых песков, имеющих в своей толще включения слюды и зерен глауконита. В виде прослоек встречаются также глины и вулканический пепел. Для неогеновых глин характерным является зеленовато-оливковая окраска, значительное содержание карбонатов кальция и призмовидная структура. Во влажном состоянии эти глины становятся липкими и вязкими. Неогеновые глины содержат 60-80 % физической глины и до 45-55 % ила.
Среди песчаных отложений ергенинской толщи особо выделяются неравномерно-зернистые железистые пески, характеризующиеся слоистостью, которые выделяются в самостоятельную свиту. По происхождению эти пески являются древнеаллювиальными образованиями верхнего неогена. В самой верхней части неогеновых отложений залегают глины кирпично-красного цвета, которые представлюят собой кору выветривания неогена. Эти глины по своему внешнему облику напоминают красноземы субтропиков и указывают на то, что климат того времени соответствовал нынешнему климату субтропиков. Выходы на поверхность этих глин единичны – они либо размыты древними поверхностными водами, либо уничтожены ледником в четвертичное время.
Последняя и самая молодая свита осадков ергенинских отложений представлена комплексом песков с прослойками темноцветных глин и лигнитов [Адерихин, 1952; Адерихин, 1963; Адерихин, 1974].
Четвертичные отложения, перекрывающие почти сплошь все более древние отложения, являются наиболее распространенными и имеют огромное значение в образовании современной коры выветривания, в формировании современного рельефа, в генезисе современных почв и их распространении. Отложения четвертичного периода представлены разнообразными по своему происхождению и составу породами: 1) водно-ледниковые, или флювиогляциальные, 2) ледниковые, 3) речные, или аллювиальные, 4) эоловые, 5) элювиально делювиальные (продукты выветривания и смыва различных пород) и 6) пролювиальные, или отложения временных потоков. Первые два вида осадков связаны с деятельностью ледника, остальные являются послеледниковыми и современными отложениями. Водно-ледниковые, или флювиогляциальные отложения представлены среднезернистыми светло-серыми песками с включениями темно-серых глин. Эти пески неоднородны в своей толще. Флювиогляциальные отложения значительно распространены и приурочены ко второй и третьей надпойменным террасам, где являются почвообразующими породами для современных почв.
Валунные суглинки на значительной территории являются почвообразующими породами. Они представляют собой основную морену Донского ледникового языка и остатки размытых конечных морен. Водоразделы в пределах распространения древнего ледника почти сплошь покрыты валунными суглинками, имеющими обычно бурый цвет. Местами валунные суглинки прикрывают коренные породы разного возраста, а местами – толщу флювиогляциальных песков. В пределах речных долин валунные суглинки смыты и наблюдаются лишь на крутых склонах. Мощность валунных суглинков значительная и местами может достигать 83 м.
На водоразделах получили также широкое распространение бурые безвалунные суглинки или покровные суглинки. Они покрывают всю область, бывшую под ледником и не находящуюся под ним. Мощность их незначительная (2-3 м), по склонам же долин рек и балок она возрастает до 10-15 м. Отличительной их особенностью является отсутствие в них слоистости. В верхней части толщи для покровных суглинков характерны лессовидная структура, карбонатность, пылеватость в сухом состоянии и светло-бурая окраска. В нижней части толщи эти отложения приобретают более темный цвет, становятся более плотными и постепенно переходят в различные подстилающие породы. На территории области, бывшей под ледником, подстилающими для покровных отложений породами являются валунные суглинки, а на внеледниковой – песчано-глинистые породы палеогена. Местами между покровными суглинками и мореной в виде линз вклиниваются осадки погребенных болотных почв и торфов [Адерихин, 1952; Адерихин, 1963; Адерихин, 1974].
По склонам водоразделов, долин рек и балок получили широкое распространение делювиальные суглинки, служащие почвообразующими породами для современных почв. Мощность делювиальных суглинков изменяется в широких пределах от 1-2 до 10-15 и более метров.
По долинам многочисленных рек тянутся полосы аллювиальных отложений, состоящих преимущественно из песков с прослоями супесей, суглинков и глин. Среди них различают древнеаллювиальные отложения, слагающие древние надпойменные террасы, и современные отложения пойм и русел рек.
На территории правобережья Дона аллювиальные песчаные отложения образовались в результате размыва более древних меловых, палеогеновых и неогеновых отложений. К послеледниковым отложениям относятся и перевеваемые ветром песчаные отложения, которые покрывают значительные площади речных террас. Они представляют собой невысокие гряды (до 5 м), иногда заросшие лесом.
Создание картографических моделей средствами цифровой почвенной картографии
Процесс создания картографических моделей состоял из нескольких последовательных шагов (рис. 3.3):
і. подготовка переменных-предикторов;
ii. создание регрессионной матрицы;
iii. построение модели пространственной вариабельности;
iv. оценка точности с использованием n-кратной перекрестной проверки;
v. построение карт исследуемых свойств почв-индикаторов подстил ания. В качестве предикторов для моделирования пространственной вариабельности содержания исследуемых свойств тестовых участков использовался большой набор переменных, в основном представленных данными дистанционного зондирования. Набор включает в себя:
цифровые модели рельефа (ЦМР) и производные от них – крутизна склонов, их экспозиция, топографический индекс влажности, водосборная площадь, различные кривизны поверхности;
данные дистанционного зондирования, представленные 2 сценами (25 марта 2014 г. и 24 апреля 2014 г.) спутника Landsat 8 (Level-2 Data Products – Surface Reflectance) [Vermote и др., 2016] – каналы видимой и ближней инфракрасной областей спектра; и сценой (9 апреля 2016 г.) спутника Sentinel 2 – каналы видимой и ближней инфракрасной областей спектра, прошедшие этапы атмосферной и радиометрической коррекции с помощью модуля “Semi-Automatic Classification Plugin” ГИС QGIS;
спектральные индексы (отношения каналов), рассчитанные с использованием каналов вышеперечисленных сцен.
Спутники Landsat 8 и Sentinel 2 были выбраны по ряду причин: открытый доступ к данным6, достаточно большие архивы данных (пополняются и в настоящее время), обширный охват территории. Ранневесенние снимки выбирались не случайно – на тестовых полях сошел снежный покров, сельскохозяйственные культуры еще не пошли в активный рост, что позволило спутниковым датчикам измерять отражение открытой поверхности почв.
Так как используемые данные дистанционного зондирования различаются по своему пространственному разрешению (30 м/пиксель для Landsat 8 и 10 м/пиксель для Sentinel 2), были построены несколько цифровых моделей рельефа, разрешение которых подбиралось соответственно разрешению снимков спутниковых систем. ЦМР были построены интерполяцией ординарным кригингом высотных отметок топографической карты М 1:10 000.
Использование каналов съемки одной сцены иногда малоприменимо для почвенного картографирования, так как и открытая поверхность почвы, и растительный покров динамичны во времени и претерпевают сезонные изменения [Савин, Прудникова, 2014; Hengl и др., 2017a]. В связи с этим принято решение поканально рассчитать средние значения отражения для двух сцен спутника Landsat 8 и от них определять спектральные индексы.
Таким образом, использовали два набора данных переменных-предикторов. Первый включал производные от ЦМР с разрешением 30 м/пиксель, средние значения отражения 4 каналов (видимая и ближняя инфракрасная области спектра) для двух сцен спутника Landsat 8, спектральные индексы (всего 19 переменных). Второй – производные от ЦМР с разрешением 10 м/пиксель, значения отражения 4-х каналов для сцены спутника Sentinel 2, спектральные индексы (всего 19 переменных).
В качестве моделей, описывающих зависимость содержания исследуемых свойств от переменных-предикторов, использовали методы, основанные на построении деревьев решений: ансамбль деревьев решений (Random Forest) [Breiman, 2001], бустинг регрессионных деревьев (XGBoost) [Chen, Guestrin, 2016], байесовские регрессионные деревья (BART) [Chipman, George, McCulloch, 2010]. Помимо моделей, полученных для исследуемых свойств по трем рассматриваемым методам, получена модель объединенного прогноза (как взвешенное среднее) для уменьшения эффекта пере- или недообучения отдельных моделей [Sollich, Krogh, 1996; Hengl и др., 2017a]. Вышеперечисленные методы зачастую работают лучше, чем линейные модели по следующим причинам: они не чувствительны к мультиколлинеарности (т.е. скоррелированности между независимыми переменными) и негауссовым распределениям; они подходят для представления локальных почвенно-ландшафтных связей, что важно для точности моделей пространственного прогнозирования; они эффективно моделируют нелинейные связи между факторами формирования почв и их свойствами.
Для построения моделей связь между переменными-предикторами и содержанием исследуемых свойств в почвах тестовых участков исследовали путем соотнесения (пересечения) существующих точек наблюдений и значений предикторов в этих точках (создание регрессионной матрицы).
Для оценки точности полученных моделей использовали 5-кратную перекрестную проверку, методика которой подробно описана в подглаве 3.4. Для моделей получены коэффициенты детерминации ( доля дисперсии, объясняемая моделью), корень среднеквадратичной ошибки (), средняя абсолютная ошибка ().
После построения модели, убедившись в ее достоверности, применяли правила полученной модели к пространственному предсказанию содержания исследуемых свойств почв для каждого элемента (пикселя) сетки (растра).
Для работы по подготовке переменных-предикторов (построение ЦМР, расчет морфометрических характеристик, расчет спектральных индексов), построению моделей и проверке их на устойчивость использовали связку открытого программного обеспечения SAGA GIS [Conrad и др., 2015] и R (пакеты «raster», «sp», «rgdal», «caret»). Этапы моделирования, проверки моделей на устойчивость, функции визуализации расположены в свободном доступе на интернет-странице github-аккаунта7.
Выявление подстилания черноземных почв
После исследования минералогического состава почв, выявления связи СОС и свойств почв-индикаторов подстилания и составления их картографических моделей, была создана результирующая карта подстилания черноземных почв тестовых участков.
Исследования показали, что в данном случае наиболее значимыми оказались картографические модели содержания минералов-индикаторов (каолинита и смектита), а не содержания органического углерода. Наиболее низкие значения содержания органического углерода почв характерны для почв с близким (от 40 до 80 см) подстиланием неогеновыми песчаными отложениями, высокие же значения – для почв, подстилаемых неогеновыми глинистыми отложениями. Следовательно, картографические модели содержания минералов-индикаторов взаимоисключают модель пространственного прогнозирования содержания углерода почв. Это можно проследить, сопоставив и сравнив модели визуально.
Для построения результирующей карты использовались модели объединенного прогноза.
Итак, задавалось следующее условие: ifelse(gt(g1,15),1, ifelse(gt(g2,57-59),2,3)) что означает следующее: если содержание каолинита больше или равно 15 %, то при выдерживании условия, на результирующей карте пиксели с выявленным подстиланием неогеновыми песчаными отложениями будут иметь значение 1 ; если содержание смектита больше, либо равно диапазону значений от 57 до 59 %, то при выдерживании условия на результирующей карте пиксели с выявленным подстиланием неогеновыми глинистыми отложениями будут иметь значение 2 ; если не выдерживаются оба эти условия, значение 3 приобретают пиксели, где не выявлено подстилание. Пороговые значения содержания минералов подбирались экспертно совместно с сотрудниками Лаборатории минералогии и микроморфологии почв Почвенного института им. В.В. Докучаева по результатам проведенных исследований.
Результат исследований на основе моделей, полученных по первому набору данных, представлен на рис. 4.22а и соответствует ожиданиям. Судя по полученной карте, во-первых, выделяются 2 выдела с подстиланием неогеновыми глинистыми отложениями (в южной части тестового участка «a» и юго-западной части тестового участка «с»); во-вторых, выделяется крупный ареал с подстиланием неогеновыми песчаными отложениями (тестовый участок «b»). Отдельные единичные пиксели характеризуют ошибки прогноза отдельных картографических моделей содержания минералов-индикаторов. От них возможно избавиться, применив ряд различных фильтров, но это также приведет к уменьшению площади выделов с точно выявленным подстиланием. Ошибка выявления подстилания неогеновыми песчаными отложениями также видна по границам всех тестовых участков, связанной с фактом наличия сорной растительности по краям полей, которая и вносит «шум» как в картографические модели содержания отдельных минералов-индикаторов, так и в результирующую карту подстилания почв.
Карта подстилания черноземных почв на основе картографических моделей содержания минералов-индикаторов, полученных по второму набору данных (рис. 4.22б) несколько отличается. Разница выражается как в площадях выделов подстилания, так и в общем рисунке ареалов и их целостности. Так, для тестового участка «a», судя по полученной карте, подстилание неогеновыми глинистыми отложениями характерно для значительно большей площади участка, что не подтверждалось бурением в поле. Для тестового участка «c» подстилание выявлено также в юго-западной части участка, однако, отмечается большее распространение и «рваный» характер ареала. Выдел подстилания неогеновыми песчаными отложениями в пределах тестового участка «b» имеет большую площадь по сравнению с картой на основе моделей, полученных по первому набору данных.
Помимо оценки достоверности результирующих карт по формальным критериям (устойчивость при верификации картографических моделей содержания минералов-индикаторов, соответствие фактическим полевым наблюдениям) качество определяется с учетом мнения картографа. Приведенное выше сопоставление формальных и экспертных критериев позволяет отказаться от карты подстилания черноземных почв на основе моделей, полученных по второму набору данных, отличающейся некоторой «зашумленностью». Экспертное замечание по завышенной площади выдела с подстиланием неогеновыми глинистыми отложениями возможно попробовать устранить, изменив пороговое значение содержания минерала (смектита в данном случае). Предпочтение отдается результирующей карте подстилания на основе моделей, полученных по первому набору данных, поскольку она обладает лучшей интерпретируемостью и более точно воспроизводит ареалы присутствия подстилания.