Содержание к диссертации
Введение
1. Современное состояние проблемы применения космических снимков в почвенном картографировании 9
1.1. Потребность в дистанционном исследовании почвенного покрова 9
1.2. Требования к космическим снимкам и методам их обработки, применяемым для исследования почвенного покрова агроландшафтов 14
1.3. История и современные достижения космических исследований почвенного покрова 19
Выводы к первой главе 32
2. Методы обработки космических снимков, применяемые для определения плодородия земель 34
2.1. Общая схема обработки космических снимков 34
2.2. Применяемое программное обеспечение 39
2.3. Предварительная обработка 41
2.3.1. Радиометрическая калибровка 41
2.3.2. Маскирование 43
2.3.3. Преобразование главных компонент 48
2.4. Тематическая обработка 50
2.4.1 .Контурное дешифрирование 51
2.4.2. Генетическое дешифрирование 52
2.5 .Постклассификационная обработка 56
Выводы ко второй главе 59
3. Анализ природных и антропогенных условий землепользования в Белгородской области и региональных особенностей дешифрирования земель 61
3.1. Природные условия и история освоения территории Белгородской области 61
3.2. Особенности дешифрирования почвенного покрова в различных частях Белгородской области 65
3.3. Дешифровочные признаки почв Белгородской области 71
Выводы к третьей главе 74
- Требования к космическим снимкам и методам их обработки, применяемым для исследования почвенного покрова агроландшафтов
- Применяемое программное обеспечение
- Генетическое дешифрирование
- Особенности дешифрирования почвенного покрова в различных частях Белгородской области
Введение к работе
Доля земель сельскохозяйственного назначения в земельном фонде РФ составляет 23,5 %. Важнейшим свойством, обусловливающим их производственную ценность, является плодородие. Оно ухудшается вследствие сельскохозяйственного использования земель, поэтому встает вопрос о методах контроля за этими изменениями. В настоящее время существует дефицит актуальных почвенных данных, что затрудняет разработку землеустроительных проектов; основанных на адаптивно-ландшафтных принципах. Используемые методы, почвенной съемки и проводимый агрохимический мониторинг не в полной мере способны поставлять необходимую информацию о состоянии плодородия.
Проблема обновления фонда почвенных данных связана также со значительной трудоемкостью и дороговизной традиционных почвенных съемок. В качестве способа решения этой' проблемы в «Концепции государственного мониторинга земель сельскохозяйственного назначения до 2020 года» предложено развитие дистанционного мониторинга. В' этой Концепции космические снимки рассматриваются как наиболее оперативный и объективный (независимый) источник информации о плодородии земель сельскохозяйственного назначения. Для эффективного ведения дистанционного мониторинга показателей плодородия необходима разработка теоретических и методических основ изучения почвенного покрова по космическим снимкам. Эту работу необходимо проводить с учетом природной и хозяйственной специфики конкретных регионов.
Проведение мониторинга земель сельскохозяйственного назначения с использованием методов дистанционного зондирования является особенно актуальным в регионах интенсивного* земледелия, так как позволяет определять наиболее эффективные мероприятия по сохранению и воспроизводству плодородия земель при землеустройстве на адаптивно-ландшафтной основе, а также устанавливать их ценность как основного средства производства.
Объект исследования - земли сельскохозяйственного назначения. Предмет исследования — показатели плодородия земель сельскохозяйственного назначения и их оценка на основе анализа космических снимков.
Основная цель исследования - разработка научных основ, оценки методами дистанционного зондирования показателей плодородия земель. Для достижения поставленной цели решались следующие задачи: 1) определить перечень показателей плодородия, контролируемых методами дистанционного зондирования Земли (ДЗЗ); 2) выявить пространственные особенности'дешифрирования почв земель сельскохозяйственного назначения' в условиях Белгородской-области; 3) провести дистанционную оценку показателей плодородия земель сельскохозяйственного назначения; 4) разработать рекомендации, по внедрению5 методик дешифрирования космических снимков в практику дистанционного мониторинга земель сельскохозяйственного назначения.
Материалы и методы исследования. В исследовании применялись следующие методы: сравнительно-географический, обработки данных дистанционного зондирования (ДДЗ), геоинформационного моделирования, ма- тематико-статистической обработки полученных результатов.-
В значительной степени использован архив спутниковых данных и программное обеспечение для обработки данных дистанционного зондирования (ДДЗ) и геоинформационного анализа (ENVI и ArcGIS) Федерально- регионального центра аэрокосмического и наземного мониторинга объектов и природных ресурсов Белгородского- государственного национального исследовательского университета. В работе использованы материалы мультис- пектральной космической съемки со спутника Landsat 5ТМ^ фондовые данные почвенных карт хозяйств Белгородской области, данные собственных полевых исследований, материалы отечественных и зарубежных интернет- архивов: Springer Link, Science Direct, Elibrary.
Научная- новизна. Впервые проведено оригинальное районирование территории Белгородской области по характеру сочетания угодий. Это районирование использовано для оценки сложности дешифрирования почвенного покрова в различных частях региона. Впервые разработан почвенный индекс для дистанционного определения типов и подтипов почв лесостепной зоны по мультиспектральным космическим снимкам. Описаны значения почвенного индекса для зональных типов и подтипов почв, встречающихся в Белгородской области. Проанализирована зависимость между яркостью почвы на космическом снимке и ее гранулометрическим составом. Разработана формула расчета содержания физической глины. Впервые на территории Белгородской области* проведены спектрометрические исследования для^ целей дешифрирования, по результатам которых создана спектральная библиотека яркости почв с различным содержанием гумуса.
Основные защищаемые положения.
Перечень дистанционно оцениваемых показателей плодородия и факторы, определившие его состав.
Природные и хозяйственные особенности территории Белгородской области и ее районирование по характеру сочетания угодий.
Результаты использования^ методик дешифрирования содержания! гумуса, гранулометрического состава, распространения солонцеватых черноземов; эродированных почв, почвенных типов и подтипов по снимкам спутника Ьапёэа! 5ТМ в Белгородской области.
Рекомендации по внедрению разработанных методик дешифрирования показателей плодородия в практику дистанционного мониторинга.
Практическая значимость и применение результатов исследования. Результаты проведенного исследования могут быть использованы для совершенствования дистанционного (космического) мониторинга и оценки показателей плодородия^ земель сельскохозяйственного назначения. Разработанные методики дешифрирования позволяют получать на основе космических снимков актуальные почвенные карты, на которых отображаются такие показатели, как тип и подтип почвы, содержание гумуса, гранулометрический состав, степень эродированности.
Материалы диссертации вошли в отчеты по следующим проектам: проект 145/08 «Оценка мелиоративного состояния орошаемых земель Саратовской области средствами геоинформатики и дистанционного зондирования», грант Президента РФ (проект МК-1189.2010.5), мероприятие 1.3.2. «Проведение научных исследований целевыми аспирантами» ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы- (Проект П141), проект № 408 фонда «Научный потенциал» «Использование селективной автоматизированной коррекции данных при создании цифровых моделей рельефа по материалам дистанционного зондирования Земли», проект РНП.2.2.1.1.4439 Фундаментальные основы развития геоаналитические системы на базе научно-образовательного кластера «Геоинформатика и технологии дистанционного зондирования в естественных науках аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы (2009-2010 годы)».
Апробация работы. Результаты исследований доложены автором на научных и научно-практических конференциях: Международной научной конференции студентов, аспирантов и молодых ученых «Регион-2008: общественно-географические аспекты» (Харьков, 2008), Международной научной конференции студентов, аспирантов и молодых ученых «Регион-2009: общественно-географические аспекты» (Харьков, 2009), Международной научной конференции ИнтерКарто-ИнтерГИС — 16. Устойчивое развитие территорий: теория ГИС и практический опыт. (Ростов-на-Дону, 2010), III Всероссийской (с международным участием) научно-практической конференции молодых учёных «Геоэкология и рациональное природопользование: от науки к практике» (Белгород, 2009), IV Международной научной конференции «Проблемы природопользования и экологическая ситуация в Европейской России и сопредельных странах» (Белгород, 2010), Международной научно- практической конференции «Управление продукционным процессом в агро- технологиях 21 века», посвященной 35-летию образования Белгородского научно-исследовательского института сельского хозяйства (Белгород, 2010).
Публикации. По теме диссертационного исследования автором опубликовано 17 научных работ, включая 3 из перечня ВАК.
Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка использованных источников из 190 наименований, включая 90 иностранных, 19 приложений. Основной текст диссертации изложен на 162 страницах машинописного текста и содержит 8 таблиц и 32 рисунка.
1. Современное состояние проблемы применения космических снимков в почвенном картографировании 1.1. Потребность в дистанционном исследовании почвенного покрова
Применение космических снимков для мониторинга земель сельскохозяйственного назначения и их плодородия имеет ряд преимуществ: перед системами-мониторинга,, основанными на использовании исключительно наземных данных; Благодаря^ привлечению дистанционных данных сокращается время создания; инвентаризационных карт, повышается, их детальность и точность, экономятся средства на проведении наземных обследований (Баку- рова, 2009). Также появляется возможность чаще выполнять обновление инвентаризационных карт для больших по площади территорий (Кулик, 2009)1 В результате динамика^ состояния сельскохозяйственных земель регистрируется с болынейдетальностью(Трифонова, 2005);
На сегодняшний день из всего спектра ДДЗ космические снимки являются наиболее эффективным средством осуществления дистанционного мониторинга. К моменту появления технологии космической съемки, уже существовала: хорошо разработанная- альтернативная: ей технология - аэрофотосъемка. Тем не менее, космическая съемка: стала завоевывать все большую популярность, среди исследователейимущественно потеснила аэрофотосъемку на рынке ДДЗ: '
Космические снимки изначально: превосходили* аэрофотоснимки- только по охвату снимаемой территории. В пространственном же разрешении 'аэрофотосъемка'. еще долгое время имела преимущество перед космической съемкой; К настоящему времени это различие: максимально; сократилось (Георгиев; 2008). Сегодня главным преимуществом аэрофотосъемки является возможность снимать под облачным покровом и в произвольный момент времени. По остальным характеристикам космическая - съемка более эффективна при изучении почвенного покрова;
Мировой опыт показывает, что применение космических снимков для исследования состояния земель сельскохозяйственного назначения наиболее актуально в трех типах регионов. Во-первых, это регионы с интенсивным развитием сельского хозяйства. Для них характерна высокая антропогенная нагрузка на почву, что создает предпосылки для развития процессов деградации. Высокая экономическая значимость земледелия, развитого в этих регионах, заставляет искать способы обнаружения- и оценки этих процессов. Это1 необходимо'для планирования мероприятий по сохранению плодородия^ почв; являющегося основой устойчивого развития земледелия (Konen, 2003);
Второй тип регионов - труднодоступные территории. Чаще' всего они представлены аридными районами. Значительная их площадь, климатические особенности, слабая заселенность и неразвитость дорожно-транспортной инфраструктуры затрудняют исследование их почвенного покрова. Кроме того, эти районы относятся* к зоне рискованного земледелия. В них нередко проявляются почвенные процессы, ограничивающие пригодность почв для сельскохозяйственного производства, например засоление. В совокупности, все это делает актуальным применение в таких регионах дистанционных методов изучения почвенного-покрова (Haiping,1989).
Третий тип регионов — регионы со слаборазвитой инфраструктурой пространственных данных. В большом количестве они распространены в развивающихся-странах. В силу особенностей историко-экономического развития для* этих территорий отсутствуют подробные данные о характере почвенного покрова. При этом космические снимки выступают в качестве источника точных данных, позволяющего быстро И' относительно дешево* ис- следовать земельные и почвенные ресурсы (Hartemink, 2008; Wu, 2008).
Благодаря исключительному разнообразию природных условий территория России сочетает в себе признаки первых двух типов регионов, описанных выше, что создает необходимость развития систем дистанционного мониторинга земель сельскохозяйственного назначения. Кроме того, в силу, социальных и экономических особенностей развития страны в последние 30 лет, России стали присущи некоторые черты регионов третьего типа.
На территории России сплошная почвенная съемка последний раз про- водилась в 80-е годы XX века. В последующее время выполнялось только обновление отдельных почвенных карт. Поэтому в настоящее время существует дефицит актуальных почвенных карт. Высокая1 трудоемкость традиционной почвенной съемки обусловливает необходимость поиска альтернативных источников данных для почвенного картографирования. Результатом осознания'этой проблемы на государственном уровне стала разработка ряда документов, регламентирующих развитие в России дистанционного мониторинга земель сельскохозяйственного назначения.
Организация мониторинга плодородия земель сельскохозяйственного назначения является одной из задач ФЦП «Сохранение и восстановление плодородия почв земель сельскохозяйственного назначения, и агроландшаф- тов как национального достояния России на 2006-2010 годы». Материалы аэро- и космической съемки в программе указываются как источник данных для мониторинга наравне с результатами почвенного картографирования и агрохимических обследований. Также создание системы дистанционного мониторинга земель сельскохозяйственного назначения, совмещенной с наземными обследованиями сельскохозяйственных угодий, предусмотрено государственной программой развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2008 — 2012 годы. В 2010 году была создана «Концепция развития государственного мониторинга земель- сельскохозяйственного назначения и земель, используемых или предоставленных для ведения'сельского хозяйства в составе земель иных категорий, и формирования государственных информационных ресурсов об этих землях на период до 2020 года». В этом же году Минсельхозом России издан приказ «Об утверждении Порядка государственного учета показателей состояния плодородия земель сельскохозяйственного назначения».
В приложении к приказу дан перечень контролируемых показателей плодородия и периодичность их определения.
Реализация мероприятий по созданию системы дистанционного мониторинга земель сельскохозяйственного назначения, запланированных в рамках перечисленных выше программ, возможна на основе отечественного опыта дистанционных мониторинговых исследований агроландшафтов. К настоящему времени создан метод агроландшафтного районирования с использованием космических снимков'(Перфильев, 2007; Терехов, 2007). Он основан на ступенчатом дешифрировании аэро- и- космических снимков. На1 каждой ступени дешифрирования выделяются агроландшафтные регионы определенного иерархического уровня. При этом для каждой ступени используются снимки соответствующего пространственного разрешения. Подобное районирование предназначено для определения оптимальной специализации хозяйств конкретного агроландшафтного региона (Перфильев, 2007; Перфильев, 2010).
Большое количество исследований посвящено дистанционной оценке состояния посевов сельскохозяйственных культур (Подколзин, 2008). Существует опыт дистанционного определения урожайности сельскохозяйственных культур и мониторинга развития посевов (Брыксин, 2007; Евтюшкин, 2010). Эти исследования/основаны на интеграции отечественного опыта'дистанционного зондирования растительности (Козодеров, 2010) и американской модели EPIC (Williams, 1997). Разработаны методики дистанционного определения культур, произрастающих на полях (Нейштадт, 2006). Подробно исследована проблема выделения и картографирования по космическим снимкам пашни (Нейштадт, 2006; Нейштадт, 2007). Отдельные исследования посвящены обнаружению деградационных процессов в агроландшафтах (Романов, 2009). Разработаны рекомендации по эколого-экономической оценке последствий процессов деградации агроландшафтов, выявленной по материалам ДДЗ (Бакурова, 2004;Бакурова, 2009).
Опыт вышеперечисленных исследований воплотился в разработанных системах дистанционного мониторинга земель сельскохозяйственного назначения. Главным вычислительным центром Минсельхоза создан общероссийский веб-сервис доступа к данным дистанционного мониторинга (Система..., 2011), на котором публикуются значения вегетационного индекса Ж>У1, рассчитанные по космическим снимкам низкого разрешения МСЮК. Институтом космических исследований РАН создан веб-сервис доступа к данным дистанционного мониторинга регионального уровня (Информационная..., 2011). В'настоящее время в нем опубликованы данные по распространению пашни и возделываемых культур на территории Ростовской области и Краснодарского края.
Однако существующие системы дистанционного мониторинга не включают мониторинг показателей плодородия' почвы. При разработке системы дистанционного мониторинга почвенного покрова в конкретном регионе России, ученые часто сталкиваются с отсутствием какого-либо опыта предшественников (Кудряшова, 2009). Это обусловливает необходимость внедрения методов определения' показателей плодородия почвы по космическим снимкам в практику дистанционного мониторинга.
Сейчас сформировалось представление о необходимости ведения дистанционного мониторинга на разных пространственных уровнях (в разных пространственных масштабах) (Иванов, 2010). В настоящее время в практике дистанционного мониторинга лучше реализованы методы контроля состояния растительности и площади пашни в пределах всей страны, на межрегиональном уровне й уровне отдельных регионов (Система..., 2011; Информационная..., 2011). Методы определения показателей плодородия почвы на внутрирегиональном уровне (уровень административных районов, отдельных хозяйств) и локальном уровне (уровень отдельных полей и рабочих участков) еще предстоит реализовать в практике дистанционного мониторинга.
В настоящее время в России ведется разработка серии космических спутников, предназначенных для мониторинга состояния земель сельскохозяйственного назначения. Проектируемые спутники получили рабочее название «Космос-СХ». Ожидается, что информация с этих спутников будет активно использоваться, в том числе и для мониторинга показателей плодородия. Поэтому необходима разработка методов определения этих показателей по космическим снимкам. Эта разработка должна осуществляться в упреждающем порядке (на основе снимков с существующих сейчас спутников), до вывода спутников «Космос-СХ» на орбиту, чтобы ускорить внедрение ожидаемых снимков в практику мониторинга.
Требования к космическим снимкам и методам их обработки, применяемым для исследования почвенного покрова агроландшафтов
Организация мониторинга плодородия земель сельскохозяйственного назначения является одной из задач ФЦП «Сохранение и восстановление плодородия почв земель сельскохозяйственного назначения, и агроландшаф- тов как национального достояния России на 2006-2010 годы». Материалы аэро- и космической съемки в программе указываются как источник данных для мониторинга наравне с результатами почвенного картографирования и агрохимических обследований. Также создание системы дистанционного мониторинга земель сельскохозяйственного назначения, совмещенной с наземными обследованиями сельскохозяйственных угодий, предусмотрено государственной программой развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2008 — 2012 годы. В 2010 году была создана «Концепция развития государственного мониторинга земель- сельскохозяйственного назначения и земель, используемых или предоставленных для ведения сельского хозяйства в составе земель иных категорий, и формирования государственных информационных ресурсов об этих землях на период до 2020 года». В этом же году Минсельхозом России издан приказ «Об утверждении Порядка государственного учета показателей состояния плодородия земель сельскохозяйственного назначения». В приложении к приказу дан перечень контролируемых показателей плодородия и периодичность их определения.
Реализация мероприятий по созданию системы дистанционного мониторинга земель сельскохозяйственного назначения, запланированных в рамках перечисленных выше программ, возможна на основе отечественного опыта дистанционных мониторинговых исследований агроландшафтов. К настоящему времени создан метод агроландшафтного районирования с использованием космических снимков (Перфильев, 2007; Терехов, 2007). Он основан на ступенчатом дешифрировании аэро- и- космических снимков. На1 каждой ступени дешифрирования выделяются агроландшафтные регионы определенного иерархического уровня. При этом для каждой ступени используются снимки соответствующего пространственного разрешения. Подобное районирование предназначено для определения оптимальной специализации хозяйств конкретного агроландшафтного региона (Перфильев, 2007; Перфильев, 2010).
Большое количество исследований посвящено дистанционной оценке состояния посевов сельскохозяйственных культур (Подколзин, 2008). Существует опыт дистанционного определения урожайности сельскохозяйственных культур и мониторинга развития посевов (Брыксин, 2007; Евтюшкин, 2010). Эти исследования/основаны на интеграции отечественного опыта дистанционного зондирования растительности (Козодеров, 2010) и американской модели EPIC (Williams, 1997). Разработаны методики дистанционного определения культур, произрастающих на полях (Нейштадт, 2006). Подробно исследована проблема выделения и картографирования по космическим снимкам пашни (Нейштадт, 2006; Нейштадт, 2007). Отдельные исследования посвящены обнаружению деградационных процессов в агроландшафтах (Романов, 2009). Разработаны рекомендации по эколого-экономической оценке последствий процессов деградации агроландшафтов, выявленной по материалам ДДЗ (Бакурова, 2004;Бакурова, 2009).
Опыт вышеперечисленных исследований воплотился в разработанных системах дистанционного мониторинга земель сельскохозяйственного назначения. Главным вычислительным центром Минсельхоза создан общероссийский веб-сервис доступа к данным дистанционного мониторинга (Система..., 2011), на котором публикуются значения вегетационного индекса Ж У1, рассчитанные по космическим снимкам низкого разрешения МСЮК. Институтом космических исследований РАН создан веб-сервис доступа к данным дистанционного мониторинга регионального уровня (Информационная..., 2011). В настоящее время в нем опубликованы данные по распространению пашни и возделываемых культур на территории Ростовской области и Краснодарского края.
Однако существующие системы дистанционного мониторинга не включают мониторинг показателей плодородия почвы. При разработке системы дистанционного мониторинга почвенного покрова в конкретном регионе России, ученые часто сталкиваются с отсутствием какого-либо опыта предшественников (Кудряшова, 2009). Это обусловливает необходимость внедрения методов определения показателей плодородия почвы по космическим снимкам в практику дистанционного мониторинга.
Сейчас сформировалось представление о необходимости ведения дистанционного мониторинга на разных пространственных уровнях (в разных пространственных масштабах) (Иванов, 2010). В настоящее время в практике дистанционного мониторинга лучше реализованы методы контроля состояния растительности и площади пашни в пределах всей страны, на межрегиональном уровне й уровне отдельных регионов (Система..., 2011; Информационная..., 2011). Методы определения показателей плодородия почвы на внутрирегиональном уровне (уровень административных районов, отдельных хозяйств) и локальном уровне (уровень отдельных полей и рабочих участков) еще предстоит реализовать в практике дистанционного мониторинга.
В настоящее время в России ведется разработка серии космических спутников, предназначенных для мониторинга состояния земель сельскохозяйственного назначения. Проектируемые спутники получили рабочее название «Космос-СХ». Ожидается, что информация с этих спутников будет активно использоваться, в том числе и для мониторинга показателей плодородия. Поэтому необходима разработка методов определения этих показателей по космическим снимкам. Эта разработка должна осуществляться в упреждающем порядке (на основе снимков с существующих сейчас спутников), до вывода спутников «Космос-СХ» на орбиту, чтобы ускорить внедрение ожидаемых снимков в практику мониторинга.
При исследовании почвенного покрова важны такие характеристики космических снимков как разрешение съемки (пространственное, спектральное, радиометрическое, временное) и охват территории. От этих характеристик зависит возможность определения показателей плодородия почвы, детальность и масштаб получаемых инвентаризационных карт.
Пространственное разрешение космических снимков определяет масштаб получаемых почвенных карт. В настоящее время хорошо описано соотношение пространственного разрешения космических снимков и масштаба топографических карт. Однако описание такого соотношения для почвенных карт отсутствует. Не зная его, невозможно правильно выбрать космические снимки для получения почвенной карты конкретного масштаба. При этом нельзя опираться на требования к топографическим картам, поскольку это приведет к выбору снимков со слишком высоким пространственным разрешением, а значит и к необоснованному увеличению денежных затрат. На основе анализа существующих требований к детальности почвенных карт и базы данных по спутникам ДЗЗ были сформулированы рекомендации по соотношению пространственного разрешения космических снимков и масштаба почвенных карт (Общесоюзная инструкция..., 1973; Евдокимова, 1987; База..., 201 1). Эти рекомендации представлены в таблице 1.
Применяемое программное обеспечение
Переход к автоматизированному дешифрированию стал возможен благодаря разработке соответствующего программного обеспечения. Оно разделяется на четыре группы: программы обработки ДДЗ, ГИС-программы, статистические программы, программы обработки цифровых моделей рельефа. Для обработки изображений дистанционного зондирования наиболее часто используется ERDAS Imagine, также применяют ENVI. В некоторых случаях используют неспецифическое программное обеспечение для обработки изображений, например Matlab. В этом случае появляется возможность создавать собственные алгоритмы обработки. Для картографического оформления материалов, а также операций с век- торными данными используют ГИС-программы. Наибольшее распространение получил ArcGIS, реже применяется Maplnfo, IL WIS. К выбору последней программы исследователей подталкивает ее более низкая стоимость. Цифровые мо дели рельефа могут быть обработаны в ГИС и программах обработки изображений ДЦЗ. Однако нередко используются узкоспециальные программы: Surfer, TAPES-G, 3dMapper. Для статистической обработки данных подспутниковых наблюдений и яркостных характеристик пикселей изображения ДЦЗ применяют программы SAS, SPLUS, Statistica. С помощью них создают формулы, позволяющие по космическим снимкам определять свойства почвы: содержание гумуса, физической глины, оксидов металлов, воды и др. (Field-Scale..., 2000; Sullivan, 2005; Rafael, 2006).
Все многообразие направлений аэрокосмических исследований почв можно разделить на две большие группы. Первая группа исследований посвящена дешифрированию почвенного покрова и составлению на этой основе почвенных карт. Вторая группа исследований посвящена исследованию непосредственно показателей плодородия. На сегодняшний день в различных публикациях описаны методы дистанционного определения следующих показателей: содержания гумуса, гранулометрического состава, засоления, содержания соединений железа, различных минералов, карбонатов, эродированности, опасности образования почвенных корок. Наиболее развитьг методы изучения свойств по- ( верхности почвы, поскольку она непосредственно доступна наблюдению из космоса. Однако существуют примеры нахождения взаимосвязей между величиной t спектральной яркости и свойствами нижних горизонтов почв (Agbu, 19906).
Составление почвенных карт по космическим снимкам - исторически бо; лее раннее направление дистанционных исследований почвы, и на сегодняшний день оно отличается наибольшей разработанностью. Задачи дешифрирования здесь сводятся к определению по снимку границ почвенных ареалов (контурное дешифрирование) и идентификации содержимого полученных выделов (генетическое дешифрирование) (Симакова, 2002). Уже первые исследования показали повышение точности нанесения почвенных границ при использовании космических снимков (Frazee, 1972; Kirschner, 1978). Также применение космических снимков дало заметное удешевление работ по почвенному картографированию (Westin, 1976). В совокупности со значительным повышением скорости создания почвенных карт это создало возможность быстро закартографировать значительные площади земель, в том числе в труднодоступных и малоизученных районах. В США создавались почвенные карты целых штатов. В СССР на основе дешифрирования сканерных и фотографических космических снимков были составлены мелко- и среднемасштабные карты почв регионов сухостепной и полупустынной зон, горных регионов- (Калмыкия, Таджикистан, Узбекистан); (ЗоннД980; Кулешов, 1981). В масштабе 1:1000000 была создана почвенная карта на труднодоступные тундровые и северо-таежные районы Сибири-(Аэрокосмические методы..., 1990). Позднее стали проводиться исследования по дешифрированию почвенного покрова лесостепи (Савин, 1990). В настоящее время эта зона1 также привлекает внимание исследований (Королюк, 1994; Чистов, 1997; Королюк, 2003).
Опыт пионеров дистанционного исследования земель (США и СССР) во многом повторила и Индия. Первые эксперименты по космическому картографированию почвенного покрова индийские ученые проводили на основе зарубежных снимков (американские Landsat и советские МКФ-6) (Dwivedi , 1986; Singh, 1986). В 1988 году на орбиту был выведен первый индийский спутник серии IRS. Вслед за этим последовал целый ряд работ по дешифрированию почвенного покрова в масштабе отдельных штатов (Kudrat, 1992; Singh, 1998; Dwivedi, 2000; Srivastava, 2004). Снимки со спутников серии IRS получили распространение также за пределами Индии. Применяются они и при дешифрировании почвенного покрова в странах CHF (Терехов, 2007).
При обработке снимков разных сезонов было обнаружено, что зимние снимки могут быть полезны для почвенного дешифрирования, поскольку на них хорошо видны некоторые элементы рельефа (Lewis, 1975). Острая потребность в топографических данных при дешифрировании почвенного покрова была удовлетворена после появления цифровых моделей рельефа. (ЦМР). R. А.
Weismiller et al. в 1977 году описали совместное использование снимков Landsat MSS и ЦМР. Они отметили, что ряд почв, обладающих схожими спектральными свойствами, могут быть успешно разделены с использованием данных о рельефе (Weismillera, 1977). С появлением съемочных систем SPOT и Landsat ТМ, аналогичные исследования появились и для них (Haiping, 1989).
С накоплением опыта почвенного дешифрирования была выявлена серьезная проблема. Выяснилось, что карты, полученные на основе дешифрирования» снимков, необходимо адаптировать, к требованиям традиционного картографирования. Это возникает из-за того, что в основе спутниковой- карты, лежат спектральные свойства почв, а в основе традиционной — морфологические, химические и физические свойства почв, которые и интересуют потребителя картографической информации (Agbu, 1990а; Agbu, 19906). Эта проблема решается за счет проведения наземных почвенных обследований.
В основном- почвенный покров дистанционно картографировался на распахиваемых территориях. Однако в некоторых публикациях описаны попытки дешифрировать почву, покрытую растительностью. Под растительным покровом1 изучаются, обрабатываемые почвы со всходами сельскохозяйственных культур, а также почвы регионов с разреженной растительностью. Но при этом- сохраняется закономерность - чем больше проективное покрытие, тем менее точными являются" результаты исследования. К такому выводу пришли D. R. Thompson и К. Е. Henderson в 1984, картографируя почвенный покров под посевами сои и кукурузы по данным Landsat ТМ4 (Variation..., 1984). Российские ученые указывают на верхний предел проективного покрытия 30%. При более высоком проективном покрытии дешифрирование почвы малоэффективно (Королюк, 1994).
При определении состояния почвы через состояние растительности обычно используют вегетационный индекс NDVI, реже - другие вегетационные индексы. Также вегетационные индексы совместно с ЦМР используются при дистанционном определении урожайности- сельскохозяйственных культур (Relationships between soil-landscape..., 2005). Распространен подход, при котором внимание уделяется обнаружению ареалов ослабленной растительности по пониженному значению вегетационного индекса, рассчитанного для нескольких сезонов (Identification..., 2007). У этого подхода есть важное достоинство — он позволяет наблюдать проявление свойств почвы, которые не обнаруживаются по ее отражательной способности. Кроме того, он позволяет обнаружить явления, которые не присутствуют на поверхности почвы, но имеют место в нижних горизонтах (в кориеобитаемом слое).
Генетическое дешифрирование
Основными фондовыми данными, на которые опираются при генетическом дешифрировании, являются почвенные карты и отчеты о почвенных обследованиях. При картографировании почвенного покрова агроландшафтов это - почвенные карты хозяйств, создававшиеся в масштабе 1:10000 и пояснительные записки к этим картам. Для использования в качестве опорных данных карты, хозяйств предварительно векторизуются. Затем производится наложение выделенных при контурном дешифрировании классов на векторную почвенную карту и определяется, каким почвам соответствует тот или иной класс.
При проведении наземных обследований на предварительном этапе производится планирование сети точек взятия образцов почвы и/или заложения почвенных разрезов и прикопок. Выбор точек осуществляется с учетом границ выделенных классов. Координаты выбранных точек заносятся- в ОР8- навигатор и при помощи него обнаруживаются на местности.
При анализе результатов контурного- дешифрирования исследуется структура изображения классификации, степень различий- между выделенными классами и ландшафтная приуроченность классов. Анализ структуры изображения классификации предполагает использование таких показателей, как форма полученных выделов, их размер, характер сочетания выделов различных классов. Вывод о генетической принадлежности классов делается на основе существующих представлений об геометрических свойствах ареалов тех или иных почв и о характере взаимного размещения их в пространстве.
Степень различий между классами определяется на основе изучения их усредненных спектральных свойств. Спектральные свойства исследуются при помощи анализа кривых спектральной яркости и анализа положения классов в многомерном пространстве спектральных признаков.
Анализ положения классов в многомерном пространстве спектральных признаков осуществляется следующим образом. Первоначально необходимо выбрать координатные оси, по которым будет строиться пространство спектральных признаков. Каждая координатная ось соответствует определенному каналу дешифрируемого изображения. Пространство спектральных признаков необходимо построить таким образом, чтобы при максимальной информативности обеспечить простоту анализа. Анализ проще всего проводить при использовании трех осей. Однако космический снимок со спутника ЬапсЬа! 5ТМ имеет 6 каналов. Поэтому, чтобы избежать потери информации, в качестве осей необходимо использовать вместо каналов снимка изображения» первых трех главных компонент.
После выбора осей для каждого класса создается область обработки. Эта процедура выполняется в автоматизированном режиме: изображение классификации конвертируется в векторный формат, а векторные данные конвертируются в области обработки. Затем данные из областей обработки выносятся в пространство спектральных признаков. Каждый выделенный класс будет представлен-в нем в виде облака значений. Оси пространства спектральных признаков в интерактивном режиме поворачиваются пользователем так, чтобы добиться- максимально наглядного отображения размещения классов. Затем анализируется расстояние между классами. На основе расстояния делается вывод о величине спектральных различий между классами, и строиться дендрограмма иллюстрирующая это различие. Генетическое-дешифрирование осуществляется на основе представления, что степень спектральных различий классов соответствует степени генетических различий между почвами.
При анализе кривых спектральной яркости классов для каждого класса создаются области обработки способом, описанным выше. Эти области обработки переносятся на предварительно калиброванный космический снимок. Из каждой области обработки извлекается кривая спектральной яркости. Все кривые спектральной яркости отображаются на одном графике. Если свойства почвы, влияющие на спектральную отражательную способность почв, являются диагностическими свойствами при определении генетической принадлежности почвы, то сравнение кривых спектральной яркости поможет установлению генетической принадлежности. В Белгородской области основным фактором дифференциации почвенного покрова являются эрозионные процессы, которые приводят к различиям в содержании гумуса, что в свою очередь порождает различия в спектральной отражательной способности почв. Поэтому сравнение кривых спектральной яркости может быть достаточно эффективным инструментом генетического дешифрирования (Трифонова, 2005)г
Для территории Белгородской, области основным признаком; определяющим характер ландшафтной-приуроченности класса, является его положение относительно рельефа местности. При генетическом дешифрировании рельеф местности оценивается на основе ЦМР. Помимо оценки абсолютных и относительных высот, по ней рассчитываются такие показатели как крутизна склонов, показатели продольной и поперечной выпуклости, ориентация склонов. Классы, полученные при контурном дешифрировании, наносятся, на изображение этих показателей. Вывод о генетической- принадлежности классов делается на основе существующих представлений о связи почвы, и рельефа.
Особенности дешифрирования почвенного покрова в различных частях Белгородской области
Среди факторов, ухудшающих агрохимические свойства почв, в Белгородской области наряду с эрозией почв распространено и засоление, приводящее к формированию солонцеватых черноземов (Ахтырцев, 1984; Природные ресурсы..., 2007). Анализ почвенных карт и карт внутрихозяйственного землеустройства показывает, что чаще всего ареалы солонцеватых черноземов располагаются внутри рабочего участка, окруженные другими почвами. На них выращиваются те же культуры и применяются такие же агротехнические приемы, что и на незаселенных почвах. В результате ареалы солонцеватых черноземов становятся территориями с хронически пониженной урожайностью. Поэтому задача картографирования солонцеватых черноземов является актуальной с точки зрения правильной организации территории хозяйств (Методика..., 2010).
Площадь солонцеватых черноземов в Белгородской области невелика. Однако в отдельных районах встречаемость солонцеватых черноземов выше среднего по области. К территориям их наибольшего распространения относится водораздел Северского Донца и Оскола. Поэтому участок для отработки методики дешифрирования солонцеватых черноземов выбран именно в этой части области. Для него было выполнено дешифрирование в масштабе 1:200000 (масштаб существующей почвенной картыобласти).
В качестве исследуемого участка выбраны бассейны правых притоков Оскола: Дубенки, Орлика, Ольшанки (прил. 14). Их общая площадь составляет 78270 га. С севера на юг они протягивается на 25 км, с запада на восток - 40 км.
В долинах рек распространены породы меловой системы, которые обнажаются, на крутых склонах длин и балок. На приплакорной и плакорной части территории распространены палеогеновые породы. К наиболее высоким водораздельным участкам приурочены неогеновые породы. Часто эти породы засоленные, и там, где они не перекрываются лессовидными суглинками, формируются солонцеватые черноземы (Природные ресурсы..., 2007).
В обобщенном виде рельеф исследуемого участка представляет собой плоскость, наклоненную на восток, в сторону долины Оскола. Рельеф осложняется речными долинами Дубенки, Орлика, и Ольшанки, пересекающими территорию с запада на восток. Междуречья этих рек прорезаются многочисленными балками, открывающимися в речные долины с севера и с юга. Максимальная высота составляет 251 м (на водоразделе Оскола и Северского Донца), минимальная высота - 109 м (в Долине Оскола).
Почвы на исследуемой территории представлены главным образом темно-серыми лесными почвам в восточной половине и типичными и выщелоченными черноземами в западной половине. Среди типичных и выщелоченных черноземов встречаются вкрапления солонцеватых и остаточно- карбонатных черноземов. Большая часть площади междуречий-занята пашней. Балки и долины рек заняты лугами и пастбищами. В верховьях балок встречаются байрачные леса: В отдельных случаях они выходят на водоразделы.
Солонцеватые черноземы легко выделяются на космическом снимке при визуальном дешифрировании. В комбинации каналов Ьапёэа! 7:5:3 они отличаются темно-коричневым цветом, сильно контрастируя с окружающими черноземными почвами, которые на снимки имеют карамельно- коричневый цвет (Сергеева, 2010; Интерпретация..., 2011). Граница солонцеватых черноземов на космических снимках имеет четкий характер с резким переходом к окружающим почвам (Мониторинг..., 2009). Легкость визуального выделения черноземов делает возможным создание качественной обучающей выборки, а значит и использование для их выделения классификации с обучением (рис. 14). При этом контурное и генетическое дешифрирование совмещаются в едином процессе. Особенностью проводимого дешифрирования солонцеватых черноземов является- то, что выделяется один класс. Некоторые авторы относят одноклассовую классификацию к специальной классификации, выделяя ее наравне с контролируемой и неконтролируемой классификацией (Трифонова, 2005).
Для дешифрирования солонцеватых черноземов выбран алгоритм максимального правдоподобия. Выбор алгоритма классификации обусловлен характером распределения яркостей различных почв исследуемого участка в многомерном пространстве спектральных признаков. Значения их яркости частично перекрываются, а облака распределения значений имеют либо сложную, либо вытянутую форму. В таком случае наибольшую эффективность показывает алгоритм максимального правдоподобия.
Для облегчения дешифрирования солонцеватых черноземов была создана маска территории их потенциального нахождения. Создание маски проходило в 5 этапов. На первом этапе очерчена граница исследуемого участка. Она проведена по водоразделам, отделяющим бассейны Дубенки, Орлика и Ольшанки от соседних речных бассейнов. Эта линия ограничивает исследуемый участок с севера, запада и юга. С востока его граница проведена по руслу реки Оскол.
На втором этапе произведено выделение форм рельефа, на которых могут быть распространены солонцеватые черноземы. Они представлены пла- корами и склоновыми участками с уклоном менее 7. Для этого по ЦМР был рассчитан показатель крутизны склонов, и полученное изображение было квантовано. Затем результат квантования конвертировали в векторный формат. На третьем этапе произведено ограничение территории по возможности наличия засоленных почвообразующих пород. Для территории Белгородской области характерно ровное, без складок, залегание горных пород. Возможность-выхода на поверхность тех или иных пород связана, с расчленением? территории-эрозионными формами1- балками и речными долинами. Поэтому в .качестве границы распространения«засоленных палеогеновых и неогеновых пород: можно» выбрать определенную изогипсу. Для: исследуемого? участка выбрана» изогипса 200-м. Территория«офаниченная.этой изогипсой квантуется : на изображении- ЦМР и затем результат квантования переводится: в векторный вид. Для операций: с рельефом на втором, и третьем: этане создания маски в качестве ЦМР использовалась 8ЯТМ ЭЕМ.
Похожие диссертации на Оценка земель сельскохозяйственного назначения по показателям плодородия для дистанционного мониторинга : на примере Белгородской области
