CC BY
171
УДК 631.4(470.333):[621.396.33:528.8]
Влияние структуры
почвенного покрова на спектральные
характеристики поверхности
(на примере агроландшафтов Брянской области)
Г. В. Лобанов, А. Ю. Зверева, М. В. Коханько, Е. В. Хорина, А. В. Полякова, Б. В. Тришкин
Рассмотрены отдельные методологические проблемы дистанционного определения характеристик почв, их таксономической принадлежности. Обосновано значение структуры почвенного покрова как фактора спектральных свойств поверхности. Проанализированы факторы, определяющие величину индекса MOD09 на поверхностях с разными типами почв. Сопоставлены распределения коэффициента контрастности структуры почвенного покрова и зонального отношения MOD09 для типичных почв агроландшафтов Брянской области.
Ключевые слова: дистанционное зондирование; спектральные характеристики почв; зональные отношения; MODIS; структура почвенного покрова.
1. Дистанционное изучение почв: современное состояние и методологические проблемы. Дистанционное зондирование полагают перспективным методом исследования почвенного покрова на основании спектральных характеристик поверхности. Уровень развития мето -да и объём накопленных данных позволяют исследовать многолетние ряды спектральных характеристик почв для выделения пространственных и временных закономерностей их изменения. Подтверждена воз-
можность дистанционного определения физико-химических и физикомеханических характеристик почв, их таксономической принадлежности. На основании спутниковых данных созданы мировые и региональные картографические модели почвенного покрова [European ...]. В основе моделей — принцип однородности спектральных характеристик фрагментов изображения, которые рассматриваются как индикатор принадлежности участка к определённому таксону почв в используемой системе классификации. Степень сложности зонально-провинциального строения и структуры почвенного покрова (СПП) определяет уровень генерализации спектральных характеристик почвенных контуров. Иными словами, пестрота почвенного покрова определяет неоднозначность интерпретации результатов зондирования. Диапазоны значений спектральных характеристик почв разных таксонов перекрываются, что затрудняет их уверенное дешифрирование.
На уровне структуры почвенного покрова разнообразие локальных условий почвообразования определяет неодинаковые значения спектральных характеристик. Участки поверхности, относимые к одному таксону почв, отличаются средними значениями спектральной яркости, поскольку реально представляют разные сочетания структурных элементов почвенного покрова. Выделение и изучение сравнительно однородных контуров площадью в несколько гектаров перспективно и технически осуществимо, но ограничено высокой стоимостью данных и особенностями естественной и антропогенной динамики почвенного покрова. Естественная динамика отличается несинхронностью сезонных изменений спектральных характеристик почв одного таксона в зависимости от локальных условий (геоморфологических, микро- и ме-зометеорологических). Антропогенная динамика определяется особенностями землепользования, сочетанием севооборотов. Показано, что пространственный предел распространения характеристик почв по данным обследований на ключевых участках в среднем ограничен
площадью до 100 га [Thompson, 2006], хотя по отдельным свойствам площадь репрезентативного участка может быть больше или меньше [Лобанов, 2010]. Технические возможности современных спектрора-диометров позволяют получать данные с большим пространственным разрешением.
Лучшее пространственное разрешение данных MODIS (Moderate Resolution Imaging Spectroradiometer), находящихся в свободном доступе, составляет 6,25 га, что существенно меньше теоретических границ экстраполяции свойств почв. Значение обосновывает возможность использования базы данных MODIS для оценки зависимости спектральных и иных характеристик почв, существенным достоинством которой является продолжительный период наблюдений. Космический аппарат TERRA со спектрорадиометром MODIS на борту поставляет информацию с 1999 года.
Характеристики почвенного покрова имеют разные особенности сезонной динамики. В течение года существенно не изменяются минералогический, механический состав почв, их структура. Влажность, температура, концентрация разных видов соединений в почвенном поглощающем комплексе, напротив, значительно колеблется по сезонам. Динамика, соответственно, отражается на значениях спектральных характеристик поверхности. Несинхронные изменения свойств почв одного таксона в различных сочетаниях факторов определяет разнообразие спектральных характеристик участков одного таксона в некоторый момент времени.
Вместе с тем уже с 80-х годов ХХ века развиваются принципы дистанционного определения характеристик почвенного покрова и таксономической принадлежности участков. Установлены зависимости некоторых физико-механических и физико-химических характеристик почв и их типологических сочетаний от спектральной характеристик поверхности. Наиболее подробно изучены связи со спектральной яр-
костью характеристик, имеющих хозяйственное значение: минералогического и механического состава, содержания гумуса, железа, легкорастворимых солей и карбонатов. Возможности использования зависимостей ограничены в пространстве, поскольку калиброваны для определённых условий почвообразования [Mulder et al, 2011].
Минералогический и механический состав почв распознаётся по соотношению сигнала в видимой, ближней инфракрасной и инфракрасной области спектра. Разработаны показатели, чувствительные к присутствию карбонатов, силикатов и других групп минералов для локальных участков с устойчивостью результатов, достигающей 86 % на снимках высокого разрешения. Примером удачного метода дешифрирования механического состава является статистически подтверждённая разница спектральной яркости песчаных и глинистых почв по данным радиометра ASTER. Радиометр AVHRR (Advanced Very High Resolution Radiometer) успешно используется для определения концентрации глины, иные виды радаров дают худшие результаты.
Влажность почв рассчитывают на основании эмпирических моделей связей энергетического баланса поверхности, количества осадков, термической яркости поверхности и значений вегетационных индексов. Вегетационными индексами называют тип спектральных отношений — отражательной способности поверхности в красном и инфракрасном диапазонах [Шовенгердт, 2010].
Среди физико-химических и химических свойств почв наиболее подробно исследованы зависимости спектральных характеристик поверхности от содержания гумуса, железа, легкорастворимых солей, карбонатов. Содержание гумуса и железа распознаётся по яркости отдельных диапазонов видимой части спектра. Однозначная интерпретация результатов допускается при сравнении почв одинаковой влажности, иначе достоверность выводов существенно уменьшается. В более влажных почвах содержание гумуса, как правило, завышается
в сравнении с реальными значениями. Содержание легкорастворимых солей и карбонатов определяется спектральной яркостью поверхности в инфракрасном диапазоне и также предполагает сравнение участков с одинаковой влажностью.
Таксономическая принадлежность почв характеризуется устойчивым сочетанием значений классификационных признаков. При дистанционном определении таксона отдельные характеристики почвы имеют подчинённое значение, главным является установление типичного диапазона его спектральных характеристик при разном пространственном разрешении. Последовательно дифференцируется ведущий и вторичный тип почвообразовательного процесса, механический состав, эродированность, засоленность, подстилающая порода — уровни подтипа, рода и других таксонов. Современный уровень дистанционного определения таксонов ограничен преимущественно типами почв отдельных территорий. В частности, исследованиями почв территории КНР подтверждена точность дистанционного определения типа почв на уровне 70—90 % ^и1ао е! а1, 2011]. Дальнейшее развитие метода направлено на поиск устойчивых спектральных характеристик других уровней почвенной классификации.
Перспективы моделирования зависимостей спектральных и иных характеристик почв связаны с решением двух задач. Первая — поиск среди множества простых спектральных характеристик или их комбинаций индикаторов, наиболее чувствительных к пространственным изменениям характеристик почв. Высокая чувствительность индикатора предполагает значимое изменение его значений при пересечении границ почвенных контуров. Вторая — анализ временных рядов данных выделенных индикаторов для определения составляющих, связанных с отдельными физико-механическими и физико-химическими свойствами почв, для которых установлена или допускается возможность дистанционного определения. Предполагается разделение относи-
тельно постоянных свойств — механического и минералогического состава и характеристик, прежде всего, водно-физических, подверженных существенным сезонным колебаниям.
Наиболее удачными индикаторами полагают зональные отношения — комбинации спектральной яркости поверхности в разных диапазонах съёмки. В отличие от яркости в отдельной области спектра, которая зависит от прозрачности атмосферы, технического состояния аппаратуры съёмки, зональные соотношения сохраняют устойчивость от действия этих факторов. Аналогичный принцип успешно используется в системах глобальной спутниковой навигации [ГЛО-НАСС ..., 2010]. Для дистанционной оценки свойств почв и ландшафтов с разной степенью успешности используется система вегетационных индексов как частного случая зональных соотношений спектральной яркости.
На этом принципе основан и анализ временных рядов. Абсолютные величины индикаторов не сохраняют значения по годам и сезонам, большей устойчивостью отличаются особенности их динамики — последовательность и количество минимумов и максимумов, которые закономерно связаны с изменением характеристик почв. Успешность анализа временных рядов в дистанционном определении видов сельскохозяйственных культур доказана на примере агроландшафтов Великих равнин [Wardlow е! а1, 2007].
Развиваются два алгоритма решения указанных задач. Первый — получение спектральных характеристик поверхности в границах единиц почвенного районирования. Достоверное изменение спектральных характеристик с пересечением границ обосновывает возможность дистанционного дифференцирования их типов. Второй алгоритм — выделение однородных по спектральным характеристикам контуров с последующим сопоставлением их с существующими схемами почвенного районирования. Совпадение контуров, представляет частный и, веро-
ятно, весьма редкий случай устойчивой связи между спектральными и иными характеристиками природных объектов.
Устойчивость решения этих задач в том числе зависит от особенностей структуры почвенного покрова, которая рассматривается в данной работе как система организации элементарных почвенных ареалов (ЭПА) — участков поверхности с таксоном почв низкого ранга и однородностью условий почвообразования [Фридланд, 1984]. Закономерное сочетание ЭПА в пространстве образует почвенные комбинации, многократное повторение которых создает структуру почвенного покрова на разных пространственных уровнях. В зависимости от генезиса неоднородности почвенного покрова и связи ЭПА выделяют классы почвенных комбинаций: комплексы, пятнистости, сочетания, вариации, мозаики, ташеты. Комплексы и пятнистости связаны с разной интенсивностью проявления почвообразующих процессов в зависимости от особенностей рельефа. Связь между ЭПА в их границах имеет двусторонний характер. Сочетания и вариации отражают смену ЭПА в направлении переноса вещества и энергии. Мозаики и ташеты формируются под влиянием контрастности почвообразующих пород и геологического строения; связь между ними считается незначимой. При сложной структуре почвенного покрова доля площади фонового таксона составляет всего 20—30 %. Дистанционное зондирование позволяет оценить разнообразие структуры почвенного покрова, но создаёт методические трудности в идентификации таксонов. В границах участка почв определённого таксона, установленных почвенной съёмкой, спектральные характеристик поверхности различаются по элементарным почвенным ареалам, а особенности их комбинаций влияют на средние для участка показатели. Сопоставление средних спектральных характеристик разных участков одного таксона показывает зависимость их значений от особенностей структуры почвенного покрова. Влияние СПП на спектральные характеристики поверхности почв на
уровне типов и подтипов рассмотрены нами на примере агроландшафтов Брянской области. Предусматривалось решение следующих задач:
• выделение ключевых ареалов распространения фоновых для агроландшафтов типов и подтипов почв, отличающихся условиями почвообразования;
• оценка степени контрастности почвенного покрова по данным почвенной съёмки;
• оценка особенностей статистического распределения спектральных характеристик поверхности в границах ключевых ареалов;
• сопоставление степени контрастности ключевых ареалов по материалам почвенной съёмки и данным дистанционного зондирования.
2. Методика исследования. Ключевые ареалы выделены по оцифрованной и привязанной к системе географических координат почвенной карте Брянской области масштаба 1:200000 [Почвенная карта ..., 1985]. Ареалы представляют территории с характерными для агроландшафтов Брянской области таксонами почв (на уровне от подтипа до типа), расположенные на водораздельных поверхностях с авто-морфными ландшафтами. Выделено 3—4 ключевых ареала для разных таксонов в зависимости от разнообразия физико-географических условий в их границах. Участки выбраны как наиболее крупные в регионе ареалы непрерывного распространения характерных типов и подтипов почв площадью до нескольких десятков квадратных километров. Подход обоснован непрерывным изменением характеристик почвенного покрова. Предполагается, что в центральных частях крупных ареалов типологические характеристики проявляются наиболее явно. В небольших ареалах существенную долю площади составляют пограничные участки, для которых характерны граничные значения типологических признаков. Средствами ГИС Мар1По созданы пространственные модели ключевых ареалов, организованные в пространственную базу данных.
Степень контрастности почвенного покрова в границах участков определена сопоставлением карты типов структур почвенного покрова и почвенной карты Брянской области в среде MapInfo. Аналитическое описание карты типов структур включает сведения о коэффициенте контрастности почв, определённом по методике Ю. К. Юодиса, суть которой состоит в оценке разнообразия таксонов в пределах некоторого участка с учётом их качественных различий [Воробьев, 1993].
Отмечены разные сочетания границ ареалов таксонов почв и типов структур почвенного покрова. Участку одного таксона соответствует несколько типов почвенной структуры, и один тип структуры охватывает область распространения разных типов и подтипов почв. Разные пространственные сочетания учтены использованием средневзвешенного значения коэффициента контрастности — по соотношению площадей с разным его значением в границах ареалов таксонов. Значения коэффициента контрастности распределены по классам на основании методики Стэрджесса [Третьяков, 2004].
Оценка распределения спектральных характеристик поверхности предусматривает выполнение алгоритма, получения и статистического анализа исходных данных.
В работе использованы результаты зондирования поверхности по программе «EOS-1 (Earth Observing System)», размещённые в свободном доступе на сервере NASA, индекс MODIS09, уровень обработки 3 [EOSDIS ...]. Индекс рассчитывается как среднее за 8 дней значение альбедо поверхности в областях спектра 620—670 нм и 841—876 нм (красная и ближняя инфракрасная области) с коррекцией влияния облачности и атмосферных аэрозолей и пространственным разрешением 250 м — уровень обработки L3 [Justice, 2002].
Для получения информации используется интерфейс запроса к серверу, задающий выбор типа спутниковой информации, пространственные границы снимка, период осреднения данных. Для решения
задач работы используется период: последняя неделя марта — первая неделя апреля 2010 и 2011 года. По многолетним фенологическим данным в эти сроки начинается снеготаяние, а проективное покрытие почвы невелико, что позволяет оценить спектральные свойства почвы в «чистом виде» [Архив ...].
Соответствующие условиям поиска результаты загружаются на рабочий компьютер пользователя. В полученном документе (используется формат txt) содержится адрес требуемого снимка, по которому запрос направляется к Web-GIS-серверу Данные представлены в формате hdf (Hierarchical Data Format), разработанном для хранения и обработки многоканальных спутниковых изображений.
Обработка данных выполняется средствами программного комплекса ENVI, возможности которого позволяют согласовать геодезическую основу космического снимка и пространственных моделей клю -чевых ареалов (используется обменный формат MIF). Операция позволяет использовать метод наложения геоизображений с допустимым для масштаба исследований уровнем ошибки. Для ключевых ареалов таксонов формируется массив данных о значениях индекса MOD09 по количеству пикселей, пропорциональному площади участка (1 точка на гектар). Пространственное разнообразие значений индекса оценивается через среднее значение и среднеквадратическое отклонение. Высокая плотность распределения в интервале [—о;о] указывает на небольшую контрастность спектральной яркости поверхности и может оцениваться как индикатор относительной простой структуры почвенного покрова.
3. Характеристика региона исследования. Модельная территория занимает северо-восточную часть Брянской области (рис. 1). Почвенный покров региона характеризуется сложной структурой, особенности которой определяются пограничным положением территории по отношению к единицам природного районирования высоких
рангов — Среднерусской возвышенности и Днепровско-Деснинской низменности; лесной и лесостепной зоны, — что подтверждается присутствием в агроландшафтах всех классов почвенных комбинаций [Воробьёв, 1993].
Далее приводится характеристика наиболее распространённых в агроландшафтах типов и подтипов почв Брянской области [Природные ресурсы ..., 2007]. Классификация почв приводится в соответствии со схемой 1977 года [Классификация и диагностика ..., 1977]: сначала описаны таксоны, выделенные по ведущему типу почвообразующего процесса, затем — выделенные по сочетанию почвообразующих процессов. Выбор схемы классификации определяется её использованием для построения почвенной карты Брянской области.
Дерново-подзолистые почвы на территории Брянской области формируются на песчаных, супесчаных и суглинистых грунтах, приурочены к водораздельным пространствам, террасам и склонам, встречаются во всех ландшафтах. По степени выраженности почвообразующего процесса подтип представлен видами: слабоподзолистые, среднеподзолистые, сильноподзолистые почвы; кроме того, в каждом виде встречаются разновидности — песчаные, супесчаные и легкосуглинистые почвы. Песчаные почвы распространены в основном на ледниковых и древнеаллювиальных отложениях водораздельных поверхностей и террас. Супесчаные почвы этого типа занимают плоские слабоволнистые зандровые равнины и террасы рек, сложенные водноледниковыми и древнеаллювиальными отложениями. По степени выраженности процесса выделены слабо-, средне-, сильноподзолистые ииды. Легкосуглинистые почвы получили наибольшее распространение на территории области, они приурочены к водораздельным поверхностям в южной части лесной зоны.
Особенность распространения дерново-карбонатных почв — приуроченность к участкам с неглубоким залеганием карбонатных пород.
НАУЧНЫЙ ДИАЛОГ. 2012 Выпуск № 7. ЕСТЕСТВОЗНАНИЕ И ЭКОЛОГИЯ
В условиях Брянской области это чаще всего мел и мергели, реже — карбонатная морена. По механическому составу преобладают в основном легко- и среднесуглинистые разновидности.
Серые лесные почвы по степени выраженности процесса накопления органического вещества представлены светло-серыми, типичными и тёмно-серыми подтипами, формирующимися на водораздельных поверхностях, сложенных лессовидными суглинками. Давняя сельскохозяйственная освоенность территории определяет широкое распространение в пределах типа категории смытых почв, для которых также проанализированы сведения о спектральной яркости
Дерново-подзолистые глеевые и глееватые почвы относятся к болотно-подзолистому типу почвообразования. Эти почвы образуются под воздействием дернового, подзолистого и глеевого почвообразовательного процесса. Это почвы понижений разной формы, потяжин, блюдец и западин, т. е. слабодренированных территорий. По характеру увлажнения дерново-подзолистые оглеенные почвы относятся к поверхностному типу увлажнения, за исключением глеевых почв, которые имеют смешанный тип питания.
Серые лесные оглеенные (глеевые и глееватые) почвы являются сопутствующими образованиями, встречаются среди массивов серых лесных почв и занимают пониженные места с повышенным увлажнением за счет влаги сопредельных территорий. Выделяют три подтипа серых лесных оглеенных почв: глеевые, глееватые и слабоглееватые. Глееватые и слабоглееватые почвы формируются в условиях поверхностного переувлажнения, глеевые — при поверхностно-грунтовом увлажнении.
В формировании и распределении дерново-глеевых почв определяющими моментами являются избыточное переувлажнение их местными карбонатными водами и топографическая приуроченность к понижениям, ложбинам, западинам и другим депрессиям рельефа. Дер-
ново-глеевые почвы в гумусовом горизонте содержат значительное количество гумуса.
4. Влияние структуры почвенного покрова на спектральную яркость поверхности. В структуре почвенного покрова агроландшафтов Брянской области преобладают сочетания, вариации, мозаики и ташеты разной сложности [Воробьёв, 1993]. Ведущими факторами дифференциации почвенного покрова являются особенности микро- и мезорельефа и неоднородность литогенной основы почвообразующих пород. Распределение средневзвешенных по площади значений степени контрастности почвенного покрова и ведущих факторов его дифференциации представлены на рисунке (рис. 2). Влияние рельефа проявляется в распределении поверхностного стока и переноса минеральных веществ по его элементам и формам. Характер распределения и форма ареалов таксонов почв различается для эрозионного и западинного рельефа. В первом случае ареалы имеют линейно-вытянутую форму, во втором — пятнистую.
Эрозионный рельеф наиболее часто определяет степень контрастности почвенного покрова. В зависимости от густоты и глубины эрозионного расчленения степень контрастности почвенного покрова изменяется от 1 до 3,3. Минимальная контрастность свойственна холмистым моренно-зандровым равнинам в северо-восточной части области с плавными формами овражно-балочного рельефа. Наиболее контрастен рельеф в краевых частях лёссовых плато (центральная и восточная части региона) с глубоким и частым эрозионным расчленением. Собственно западинный рельеф или его сочетание с эрозионными формами определяет дифференциацию почв центральных частей плоских или волнистых междуречий. Литогенная основа является существенным фактором дифференциации почвенного покрова на участках неглубокого залегания коренных пород (преимущественно карбонатных), перекрытых водно-ледниковыми отложениями. Степень контрастности почвенного покрова таких участков невысокая.
со
ю
Рис. 2. Распределение коэффициента контрастности почвенного покрова и факторов, его определяющих
ИССЛЕДОВАНИЯ ПОЧВ Выпуск № 7 / 2012
Оценка рельефа и особенностей литологического строения как факторов дифференциации почвенного покрова ключевых ареалов представлена далее (табл. 1)
Таблица 1
Влияние рельефа и литологии на контрастность почв разных таксонов (по ключевым ареалам)
Фактор дифференциации Среднее значение коэффициента контрастности Таксоны почв ключевых ареалов* Количество ключевых ареалов
Эрозионный рельеф 2.56 СС, СЛ, ТС, СЛГ, СЛСм, ДП, ДПГ, ДГ 16
Западинный рельеф (в сочетании с эрозионным) 2.25 СЛ, СЛСм, ДГ 3
Литологическое строение 2.1 СЛС, ДП, ДПГ, ДГ, ДК 9
Влияние рельефа и литологического строения 2.2 СЛ, ДПГ 2
* Принятые сокращения: СС — светло серые лесные; СЛ — серые лесные; ТС — тёмно-серые лесные; СЛГ — серые лесные глееватые и глеевые; СЛСм — серые лесные смытые; ДП — дерново-подзолистые; ДПГ — дерново-подзолистые глеевые и глееватые; ДГ — дерново-глеевые; ДК — дерново-карбонатные
Эрозионный рельеф является ведущим фактором разнообразия почвенного покрова для большинства наиболее распространённых таксонов и определяет максимальные значения коэффициента контрастности. Литологическое строение — второй по значимости фактор — определяет дифференциацию почвенного покрова на участках проявления дернового или подзолистого почвообразующего процесса. Степень контрастности почвенного покрова на таких участках сравнительно невелика. Иные сочетания факторов имеют подчинённое значение.
Влияние разнообразия структуры почвенного покрова на спектральные характеристики оценивалось сопоставлением степени его контрастности и распределения значений индекса MOD09 в границах ключевых ареалов. Актуальность задачи определяется неоднозначными результатами оценки чувствительности индекса для дистанционного определения таксона почв.
Степень различия средних значений индекса, распределение его максимальных и минимальных значений по ключевым ареалам существенно изменяется (табл. 2). Отличия значений индекса однотипных ареалов между периодами 2010 и 2011 года определяется разницей метеорологических условий (табл. 3). В 2010-ом, аномально тёплом году в начале апреля снежный покров уже отсутствовал, в отличие от 2011 года, что определяет разницу спектральных свойств поверхности в сопоставимые периоды времени. После снеготаяния насыщение почвы влагой уменьшает спектральную яркость и определяет несущественные отличия значений индекса на участках с преобладанием разных таксонов почв.
Средние значения MOD09 за апрель март 2010 и 2011 годов сопоставлены в таблице 4 с величиной коэффициента контрастности ключевых ареалов. Из рассмотрения исключены участки с небольшой площадью, в которых показатели распределения значений индекса статистически недостоверны.
Разнообразие спектральных характеристик ключевых ареалов в целом увеличивается в зависимости от размера ключевого ареала. Наиболее устойчиво зависимость проявляется для крайних участков распределения. Максимальным разнообразием отличаются ключевые ареалы 5, 24 и 20 (соответственно первое, шестое и пятое место по площади); наименьшим — 1, 2 и 7 — 19, 20 и 21 место по площади. В отношении всей совокупности зависимость не столь однозначна (коэффициент корреляции — 0,36), что подтверждает чувствительность
Таблица 2
Средние значения индекса MOD09 почв разных таксонов в агроландшафтах Брянской области
Тип почвы 2330 марта 2010 30 марта -7 апреля 2010 23-30 марта 2011 30 марта -7 апреля 2011
Светло-серые лесные 0.15 0.13 0.24 0.16
Серые лесные 0.22 0.12 0.26 0.23
Темно-серые лесные 0.16 0.14 0.31 0.14
Серые лесные смытые 0.12 0.11 0.25 0.34
Серые лесные глеевые и глееватые 0.16 0.14 0.43 0.17
Дерново-подзолистые 0.15 0.13 0.18 0.14
Дерново-подзолистые глеевые и глееватые 0.16 0.11 0.24 0.23
Дерново-глеевые 0.14 0.14 0.20 0.14
Дерново-карбонатные 0.13 0.09 0.20 0.23
Таблица 3
Сведения о некоторых метеорологических параметрах, влияющих на спектральную яркость поверхности
Метеорологический показатель 23-30 марта 2010 30 марта -7 апреля 2010 23-30 марта 2011 30 марта -7 апреля 2011
Средняя температура, °С 2.86 8.77 -1.43 3.48
Глубина снежного покрова, см 7.86 0.00 7.35 2.60
индекса к разнообразию типов поверхности ключевых ареалов, а не механическое увеличение
Из сопоставления рядов данных очевидно, что значимая связь между контрастностью почвенного покрова и значениями индекса отсутствует. Корреляция среднеквадратического отклонения MOD09 и коэффициента контрастности, которые допустимо рассматривать как показатели разнообразия почвенного покрова, стремится к нулю.
Таблица 4
Спектральные характеристики ключевых ареалов и коэффициент разнообразия почвенного покрова
№ п/п* S, км2 т с к
1 16.05 0.14 0.0019 1.6
2 14.68 0.14 0.0116 2.9
3 78.96 0.16 0.0172 2.5
4 46.52 0.20 0.0611 3.3
5 171.00 0.17 0.1012 2.4
6 23.77 0.14 0.0519 3.1
7 14.57 0.17 0.0171 3.3
8 10.85 0.14 0.0177 3.3
9 14.36 0.14 0.0000 2.7
12 5.50 0.18 0.0354 1.3
13 4.875 0.21 0.0000 3.3
14 4.94 0.16 0.0000 2.7
15 7.05 0.12 0.0000 3.1
16 147.10 0.12 0.0293 1
17 31.50 0.13 0.0276 2.1
18 28.66 0.35 0.1128 2.4
19 54.20 0.21 0.0806 2.5
20 64.30 0.13 0.0537 2.5
21 97.04 0.13 0.0338 2
22 29.86 0.22 0.0755 2.5
23 28.74 0.10 0.0219 3.1
24 62.88 0.11 0.0681 1.3
Примечание: * — номер на рис. 1; S, км2 — площадь участка; т — среднее значение MOD09; а — среднеквадратическое отклонение значений MOD09, к — коэффициент контрастности
Возможной причиной отсутствия связи является разное качество показателей во времени и пространстве. Индекс MOD09 на использованном уровне обработки представляет краткосрочную физическую характеристику поверхности почвы (8 дней), тогда как коэффициент контрастности — показатель особенностей её многолетнего режима.
Корреляция показателей распределения MOD09 и коэффициента контрастности в отдельные периоды времени может существенно изменяться. Существенно отличается пространственное разрешение сопоставляемых характеристик: единичные значения MOD09 чувствительны к различиям почвенного покрова на расстоянии сотни метров, коэффициент контрастности — обобщённая характеристика территории площадью десятки квадратных километров. Усложняет сопоставление показателей устаревшая схема почвенного районирования, не предусматривающая таксонов антропогенных почв, для которых различия естественных почвообразующих факторов сглаживаются особенностями агротехники.
Перспективным в этой связи представляется применение MOD09 для оценки контрастности и крупномасштабного картографирования почвенного покрова участков площадью десятки гектаров в сочетании с традиционной методикой почвенных исследований.
Литература
1. Архив погоды в Брянске // Сайт rp5.ru. — Режим доступа : http:// rp5.ru/archive.php?wmo_id=26898&lang=ru.
2. Воробьёв Г. Т. Почвы Брянской области / Г. Т. Воробьев. — Брянск : Грани, 1993. — 160 с.
3. ГЛОНАСС. Принципы построения и функционирования / под ред.
A. И. Перова, В. Н. Харисова. — Изд. 4-е, перераб. и доп. — Москва : Радиотехника, 2010. — 800 с.
4. Классификация и диагностика почв России / авторы и составители : Л. Л. Шишов, В. Д. Тонконогов, И. И. Лебедева, М. И. Герасимова. — Смоленск : Ойкумена, 2004. — 342 с.
5. Классификация и диагностика почв СССР / В. В. Егоров,
B. М. Фридланд, Е. Н. Иванова и др. — Москва : Колос, 1977. — 224 с.
6. Лобанов Г. В. Использование возможностей модели SRTM (Shuttle Radar Satellite Mission) в анализе рельефа как фактора почвообразования (на примере Брянского лесного массива) / Г. В. Лобанов, Л. А. Соколов,
А. В. Полякова // Вестник Брянского государственного университета. —
2010. — № 4 : Точные и естественные науки. — С. 191 — 195.
7. Лобанов Г. В. Пространственно-временная динамика вегетационного индекса EVI (Enchanced vegetation index) в разных типах ландшафтов Брянской области / Г. В. Лобанов, А. В. Полякова, М. А. Новикова, Б. В. Тришкин, М. В. Коханько // Ежегодник НИИ фундаментальных и прикладных исследований за 2011 год. — Брянск : РИО Брянского государственного университета, 2012 [в печати].
8. Почвенная карта Брянской области, масштаб 1 : 200000 / под ред.
A. И. Саталкина. — 1985.
9. Природные ресурсы и окружающая среда субъектов Российской Федерации. Центральный федеральный округ. Брянская область / Администрация Брянской области; под ред. Н. Г. Рыбальского, Е. Д. Самотесо-ва, А. Г. Митюкова. — Москва : НИИ-Природа, 2007. — 1144 .
10. Третьяков А. С. Статистические методы в прикладных географических исследованиях : учебно-методическое пособие / научный редактор : проф. И. Г. Черванев. — Харьков : Шрифт, 2004. — 96 с.
11. Фридланд В. М. Структуры почвенного покрова Мира /
B. М. Фридлацд. — Москва : Мысль, 1984. — 235 с.
12. Шовенгердт Р. А. Дистанционное зондирование. Модели и методы обработки изображений : учебное пособие / Р. А. Шовенгердт ; пер. с англ. А. В. Кирюшина, А. И. Демьяникова. — Москва : Техносфера,
2010. - 560 с.
13. EOSDIS. NASAs Earth Observing System : Data and Information System. — Режим доступа : http://reverb.echo.nasa.gov/reverb.
14. European Soil Portal. — Режим доступа : http://eusoils.jrc.ec.europa.eu.
15. Hall D. K. Algorithm Theoretical Basis Document (ATBD) for the MODIS Snow and Sea Ice-Mapping Algorithms / D. K. Hall, G. A. Riggs, V. V. Salomonson. — September, 2001. — Режим доступа : http://modis.gsfc. nasa.gov/data/atbd/atbd_mod10.pdf.
16. Jacquemoud, S. Modeling Spectral and Bidirectional Soil Reflectance / S. Jacquemoud, F. Baret, J. F. Hanocq // Remote sensing environment. — 1992. — Vol. 41. — P. 123—132.
17. Justice C. Algorithm Technical Background Document / C. Justice, L. Giglio, L. Boschetti, D. Roy, I. Csiszar, J. Morisette, Y. Kaufman // MODIS fire products. — 2006. — October, 6. — Режим доступа : http://modis.gsfc. nasa.gov/data/atbd/atbd_mod14.pdf.
18. Justice C. O. An overview of MODIS Land data processing and product status / С. O. Justice, J. R. G. Townshend, E. F. Vermote, E. Masuoka, R. E. Wolfe, N. Saleous, D. P Roy, J. T. Morisette // Remote Sensing of Environment. — 2002. — Vol. 83. — P. 3—15.
19. Mulder V. L. The use of remote sensing in soil and terrain mapping / V. L. Mulder, S. de Bruin, M. E. Schaepman, T R. Mayr // Geoderma. —
2011. - Vol. 162. - P. 1-19.
20. Shutao H. Soil Types Extraction Based on MODIS Image / H. Shutao, W. Tingting, T Junli // Procedia Environmental Sciences. —
2011. - Vol. 10. - P. 2207-2212.
21. Thompson J. A. Soil-landscape modeling across a physiographic region: Topographic patterns and model transportability / J. A. Thompson, E. M. Pena-Yewtukhiw, H. J. Grove // Geoderma. - 2006. - Vol. 133. -P. 57-70.
22. Wardlow B. Analysis of time-series MODIS 250 m vegetation index data for crop classification in the U.S. Central Great Plains / Brian D. Wardlow, Stephen L. Egbert, Jude H. Kastens // Remote Sensing of Environment. -2007. - Vol. 108. - P. 290-310.
© Лобанов Г. В., Зверева А. Ю., Коханько М. В., Хорина Е. В.,
Полякова А. В., Тришкин Б. В., 2012
Influence of Soil Cover Structure on Surface Spectral Characteristics
(by Example of Agrolandscapes of Bryansk Region)
G. Lobanov, A. Zvereva, M. Kohanko, E. Khorina, A. Polyakova, B. Trishkin
The article covers some of the methodological problems concerning remote sensing of soils properties, their taxonomic classification. The importance of the soil cover structure as a surface spectral characteristics factor is substantiated. The factors determining the index MOD09 value on surfaces with different soil types are analyzed. The authors also compared the distribution of the contrast coefficient of the soil cover structure and the MOD09 zonal relationship for typical soils of agrolandscapes in the Bryansk Region.
Key words: remote sensing; soil spectral characteristics; zonal relationships; MODIS; soil cover structure.
Лобанов Григорий Владимирович, кандидат географических наук, доцент кафедры экологии и рационального природопользования, Брянский государственный университет им. И. Г. Петровского (Брянск), lobanov_ grigorii@mail.ru.
Lobanov, G., PhD in Geography, associate professor, Department of Ecology and Rational Use of Natural Resources, I. G. Petrovsky Bryansk State University (Bryansk), lobanov_grigorii@mail.ru.
Зверева Анна Юрьевна, студент, Брянский государственный университет им. И. Г. Петровского (Брянск), zverek@aport.ru.
Zvereva, A., student, I. G. Petrovsky Bryansk State University (Bryansk), zverek@aport.ru.
Коханько Марина Викторовна, аспирант, Брянский государственный университет им. И. Г. Петровского (Брянск), kohanko88@mail.ru.
Kohanko, M., post-graduate student, I. G. Petrovsky Bryansk State University (Bryansk), kohanko88@mail.ru.
Хорина Елена Владимировна, младший научный сотрудник, Брянский государственный университет им. И. Г. Петровского (Брянск), khorina@ list.ru.
Khorina, E., junior research scientist, I. G. Petrovsky Bryansk State University (Bryansk), khorina@list.ru.
Полякова Александра Васильевна, аспирант, Брянский государственный университет им. И. Г. Петровского (Брянск), slavyanka56@mail.ru.
Polyakova, A., post-graduate student, I. G. Petrovsky Bryansk State University (Bryansk), slavyanka56@mail.ru.
Тришкин Борис Викторович, кандидат биологических наук, доцент, Московский психолого-социальный университет (Москва), tribor77@ yandex.ru.
Trishkin, B., PhD in Biology, associate professor, Moscow Psychology-Social Institute (Moscow), tribor77@yandex.ru.
