CC BY
258
УДК 631.4
ВЫЯВЛЕНИЕ МНОГОЛЕТНИХ ИЗМЕНЕНИЙ ПЛОЩАДИ ЗАСОЛЕННЫХ ПОЧВ ШАУЛЬДЕРСКОГО ОРОШАЕМОГО МАССИВА ПО КОСМИЧЕСКИМ СНИМКАМ LANDSAT
© 2014 г. И. Ю. Савин1, А. Отаров2, А. В. Жоголев1,
2 2 М. А. Ибраева , С. Дуйсеков
1 Почвенный институт им. В.В. Докучаева Россельхозакадемии, 119017, Москва, Пыжевский пер., 7 e-mail: savigory@gmail. com 2 Казахский НИИ почвоведения и агрохимии им. У.У. Успанова, 050060, Алматы, пр. Aль-Фaраби, 75в
Проведен анализ возможностей использования многолетнего архива космических изображений, полученных сенсором Landsat TM5, для выявления почв, засоленных в различной степени. Разработаны подходы для выявления динамичности засоленных почв по спутниковым данным этого типа. На основе компьютерного анализа спутниковых изображений Landsat, полученных в 1987-1988 и 20092010 гг., а также полевых данных, выявлены изменения площадей почв различной степени засоленности в пределах Шаульдерского орошаемого массива (Южно-Казахстанская область Республики Казахстан). Проведенный анализ показал, что доля засоленных почв на территории исследований за период с 1987 по 2010 гг. значительно увеличилась.
Ключевые слова: дешифрирование засоления почв, мониторинг засоления почв, LANDSAT, Шаульдерский орошаемый массив.
ВВЕДЕНИЕ
Засоление почв является одним из наиболее распространенных в мире типов деградации почв аридных и семиаридных территорий (Панкова, Конюшкова, 2013). Земли орошаемых массивов в большинстве случаев в той или иной степени подвержены вторичному засолению почв и, как следствие, снижению продуктивности (Минашина, Гаврилова, 2007). Схожие проблемы существуют и в Казахстане. По данным Агентства Республики Казахстан по управлению земельными ресурсами, в настоящее время на территории
четырех ее южных областей из 1.55 млн. га орошаемых земель не используются 236.9 тыс. га или 15.2% (Сводный аналитический ..., 2006). Кроме того, даже среди ежегодно используемых земель в результате ухудшения мелиоративного состояния часто стали встречаться поля, с которых получают стабильно низкий урожай.
Принятие мер по борьбе с распространением засоленных почв базируется на мониторинге почв орошаемых массивов и прогнозировании их состояния. Мониторинг почв традиционно проводится на базе полевых точечных обследований. С момента появления аэро- и особенно спутниковой съемки все большее внимание уделяется разработке методов дистанционного мониторинга засоленных почв (Панкова, 1988; Панкова, Рухович, 1999).
Анализ литературных данных показывает, что для выявления засоления почв могут использоваться разные спутниковые данные и различные методы их анализа. Большинство исследователей в настоящее время применяют спутниковую информацию Landsat TM и ETM+, в целях мониторинга могут также привлекаться данные Landsat MSS. Некоторые исследователи используют данные IRS-II LISS-II и III, Ikonos, ASTER (Saha et al., 1990; Rao et al., 1991; Brena et al., 1995; Ambast et al., 1997; Peng, 1998; Goosens et al., 1999; Kissiyar et al., 2000; Panah, Goosens, 2000; Fernandez-Busces et al., 2006; Masoud, Koike, 2006; Darwish et al., 2007; Sanaeinejad et al., 2009; Shrestha, Farshad, 2009; Iqbal, 2011). Несмотря на большое количество научных публикаций, на настоящий момент нет единой методики мониторинга засоления почв по спутниковым данным. Более того, все работы носят поисковый характер, и нет ни одной оперативно действующей системы спутникового мониторинга засоления почв.
Для многолетнего мониторинга засоленных почв необходимы длинные архивы спутниковой информации (лучше полученной с использованием одного и того же сенсора), которые стали доступны лишь в последние годы. Самым продолжительным на сегодняшний момент является архив спутниковых данных Landsat (http://landsat.gsfc.nasa.gov/), изображения которого доступны с 1972 г. Если же брать спутниковые данные одного сенсора, то самый продолжительный архив существует для Landsat TM5, который включает изображения с 1984 по 2011 гг. на любую территорию земного шара.
Подобные архивы позволяют теоретически проследить изменения площадей засоленных почв уже более чем за 20-летний период, но методические подходы еще недостаточно проработаны.
Целью статьи является анализ возможностей выявления изменений площадей засоленных почв на основе спутниковых данных Landsat TM5 на примере Шаульдерского массива орошения, расположенного в Южно-Казахстанской области Казахстана.
ОБЪЕКТ
Объектом исследования являлись засоленные почвы Шаульдерского массива орошения, который расположен на правобережной части древнеаллювиальной равнины среднего течения р. Сыр-дарья в районе впадения в нее р. Арысь. Этот массив известен также под названием древний Отрарский оазис, земледелие здесь развивалось с древних времен. Центр оазиса располагался в средневековом городе Отрар. С востока и юга массив обрамляется полого-наклонной подгорной равниной хребтов Западного Тянь-Шаня и Каратау. На западе естественной границей служит песчаный массив Кызылкумы, на северо-западе граничит с Туркестанским массивом орошения.
Климат резко континентальный, аридный. Летом дневная температура может достигать +40°С, ночью - около +20°С. Зимой температура воздуха опускается до -25°С. Реки обычно замерзают в начале декабря, лед держится до марта. Нередко весной Сырда-рья и Арысь выходят из берегов, затопляя большую территорию.
Рельеф территории исследований представлен слегка волнистой горизонтальной поверхностью. Растительный покров характеризуется бедной и однообразной флорой. Здесь господствуют различные виды полыни, солянки, джантак. В низовьях Арыси обширные пространства занимают заросли дармины - особого вида полыни. Долины рек богаты луговыми травами, зарослями шиповника, здесь встречаются рощи тополя и карагача. По окраинам пойм расположены солончаковые ажрековые луга.
На массиве преобладают лугово-сероземные засоленные орошаемые и неполивные (солончаковые, местами солончакова-тые и солонцевато-солончаковатые) почвы, образующиеся на засоленных слабослоистых суглинистых и глинистых отложениях и реже на лёссовидных суглинках в условиях среднего по глубине
залегания минерализованных грунтовых вод (3-4 м) под изрежен-ной злаково-галофитной кустарниковой растительностью с эфемерами и полынью. Солонцы и солончаки здесь образуются, как правило, на более тяжелых и засоленных породах в условиях сильной минерализации грунтовых вод. В депрессиях рельефа с близкими к поверхности грунтовыми водами образуются лугово-болотные засоленные почвы под лугово-болотной растительностью на очень близких (до 1.5 м) слабоминерализованных водах (1-3 г/л сухого остатка); луговые солончаки под галофитной и злаково-галофитной растительностью на близких (1.5-3 м) слабоминерализованных водах; типичные солончаки под галофитной растительностью (сарсазан) на близких сильноминерализованных грунтовых водах (1.5-3 м, 10-20 г/л сухого остатка). При залегании в комплексах и сочетаниях солончаки обычно занимают относительно других почв повышенные участки микро- и мезорельефа (Жихарева, 1969). Преобладающий тип засоления хлоридно-сульфатный и сульфатно-хлоридный иногда с присутствием нормальной соды. Все почвы массива карбонатны и характеризуются высокой щелочностью (рН 8-9). Водно-физические, физические, физико-химические свойства почв зависят от степени засоления и осолонцевания.
Ведущими культурами, которые возделываются на орошаемом массиве, являются кормовые: кукуруза на зерно, люцерна, реже зерновые и овощебахчевые. Хлопчатник в последние годы практически не возделывается.
Основными источниками оросительных вод служат реки Сырдарья, Арысь и частично концевые части рек Шаян и Бугунь. Оросительная сеть состоит из магистрального канала им. Д. Алтын-бекова и Кокмардан с головным водозабором из р. Арысь и более мелких каналов (Есиркеп, Коксарай, Маякум и др.), берущих воду из р. Сырдарья с помощью насосных установок. Водоподающая сеть представлена оросителями различного порядка открытого типа, проложенными в естественном грунте и, несомненно, являются дополнительным источником пополнения грунтовых вод.
По условиям питания и оттока грунтовых вод территория массива относится к гидрогеологической области интенсивного внешнего притока и затрудненного оттока грунтовых вод. За счет этого почвы массива склонны к вторичному засолению. Бывшие
внутрихозяйственные каналы, коллекторы и скважины вертикального дренажа плохо управляются и зачастую являются бесхозными, их параметры не соответствуют проектным нормам, что также способствует поднятию уровня грунтовых вод и, соответственно, проявлению вторичного засоления почв и ухудшению мелиоративного состояния массива в целом. В настоящее время более половины (54.1%) площади массива занимают почвы с неудовлетворительным мелиоративным состоянием из -за повышенного засоления (Отаров, 2008).
МЕТОДЫ
На первом этапе работ создали основные слои ГИС территории исследований, включающие в себя границу участка исследований, границы населенных пунктов, дороги, водные объекты, а также границы полей, на которых на текущий момент возделыва-ются сельскохозяйственные культуры. Все слои получили путем интерактивного дешифрирования космического снимка высокого разрешения (около 2 м) от 13 августа 2013 г.
Во время полевых работ осенью 2013 г. собрали данные о засоленности почв региона исследований. Исследования засоленности проводили с использованием переносного полевого прибора-солемера "Прогресс 1Т", который позволяет определять электропроводность и температуру почв и на их основе рассчитать степень их засоления. Координаты точек полевого обследования фиксировали с использованием GPS "Garmin 62s". Всего сделано 372 определений засоленности почв на глубинах 0-20, 20-50 и 50100 см. В дальнейшем анализировали данные о засоленности почв на глубине 0-20 см, так как именно для них потенциально возможно установление связи с характером изображения открытой поверхности почв на космическом снимке.
Найдены архивные безоблачные изображения высокого разрешения (28 м на местности, сенсор LANDSAT TM), которые находятся в свободном доступе. На территорию исследований сформирован архив подобных снимков за следующие даты: 15.05.1985 24.09.1998 23.10.2000 23.07.2010
22.06.1987 15.02.1999 17.04.2001 09.09.2010
09.08.1987 19.03.1999 18.02.2009 11.10.2010
25.08.1987 01.01.2000 26.02.2009 28.11.2010
26.09.1987
12.10.1987
06.10.1988
19.06.1989 04.08.1991 20.08.1991 19.05.1998 06.07.1998
21.03.2000 22.04.2000 16.05.2000 24.05.2000 09.06.2000 27.07.2000 12.08.2000 21.09.2000
14.03.2009 18.06.2009 20.07.2009 30.09.2009 08.10.2009
24.10.2009
18.04.2010 07.07.2010
14.12.2010
20.03.2011 07.05.2011 18.07.2011 26.07.2011
Как видно из приведенного списка, подобных изображений много, и они могут быть использованы в качестве основы для выявления динамичности засоленности почв региона исследований.
Для проведения исследований из данного архива отобрали снимки за 1987, 1988, 2009 и 2010 гг. за осенний период съемки (280-285 календарные дни года). Годы съемки выбирали исходя из того, чтобы иметь изображения, полученные наиболее близко как к началу, так и к концу архива снимков. Осенний период наиболее сухой для территории исследований, и в это время засоленность почв в сезонном цикле достигает максимума, а влияние на характер космических изображений влажности почв и естественной растительности - минимума. В этот период наибольшее количество используемых полей имеет открытую поверхность почв.
Кроме того, использовали космическое изображение сверхвысокого разрешения QuickBird (около 2 м), полученное в момент проведения полевых работ, для определения возможностей количественного дешифрирования степени засоления почв по многоканальным спутниковым данным.
История землепользования на территории исследований в последние десятилетия свидетельствует о том, что пахотные поля забрасывались в связи с высоким засолением почв. Поэтому на первом этапе анализа сделали попытку выделения подобных заброшенных полей. Строили маски заброшенных полей для пар космических снимков Landsat 5TM 1987-1988 гг. и 2010-2009 гг. за 280-285 дни года. Пары космических снимков за два последовательных года, а не снимки лишь одного года съемки использовали, чтобы результаты дешифрирования неиспользуемых полей были более надежны. Провели автоматическое дешифрирование заброшенных полей в программе ILWIS 3.31 с помощью классификации методом "наибольшего подобия" по обучающей выборке. При
классификации использовали каналы съемки Landsat TM 4, 3 и 2. Таким образом выделяли поля, которые использовались в 19871988 гг. и которые уже не использовались в 2009-2010 гг., т.е. те поля, которые за анализируемый период были выведены из оборота из-за вторичного засоления почв.
Проводили анализ связи полевых измерений засоленности почв в слое 0-20 см с характером их изображения на космическом снимке, полученном в момент проведения полевых работ, для выяснения потенциальных возможностей дешифрирования степени засоленности почв по характеру изображения их открытой поверхности.
После этого, с учетом полученных результатов, попытались разделить используемые поля по степени засоленности почв с помощью классификации изображений почв без растительности по нормализованному индексу засоления (NDSI) (Tripathi et al., 1997):
NDSI = (Band5 - Band7)/(Band5 + Band7), где Band5 и Band7 - отражение в соответствующих каналах съемки сенсора Landsat TM5.
Данный индекс выбран потому, что он разработан для дешифрирования засоленности почв именно по характеру их открытой поверхности, а не через особенности изображения растительности. Этот индекс хорошо зарекомендовал себя при дешифрировании засоления почв во многих регионах Мира (Khan et al., 2001; Shrestha, 2006; Iqbal, 2011).
Для этого предварительно на космических снимках 1987, 1988, 2009 и 2010 гг. выделяли классы почв под растительностью и открытой поверхности почв на момент съемки. Классификацию проводили методом "максимального подобия" по обучающей выборке для комбинации каналов (4-3-2). Полученные изображения почв без растительности для пар снимков за соседние годы (19871988 и 2009-2010) объединили, и для них рассчитывали индекс NDSI. Далее изображения индексов NDSI разделили на 3 класса (с равными интервалами значений) и провели анализ соотношения полученных классов с результатами полевого обследования засоленности почв. На основе этого анализа построили карты засоленности почв в слое 0-20 см за 1987-1988 и 2010-2009 гг.
После этого, проводили оценку изменений в площадях засоленных почв путем наложения карт за проанализированные сроки съемки друг на друга.
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ
Анализ архива спутниковых снимков, полученного на основе сенсора Landsat TM5, показал, что количество спутниковых изображений вполне достаточно для организации многолетнего мониторинга засоленности почв региона исследований.
Но попытка построения количественной регрессионной модели между данными полевых измерений засоленности почв в слое 0-20 см и индикаторами, полученными на основе спутниковых данных, не увенчалась успехом. В качестве спутниковых индикаторов использовали как величины отражения в отдельных спектральных каналах, так и разнообразные вегетационные индексы. Причем, попытались построить регрессионные модели засоленности почв со спутниковыми индикаторами данных QuickBird, полученных во время сбора полевых данных (осень 2013 г.), так и по материалам Landsat TM, полученным осенью 2011 г. В обоих случаях построить статистически достоверную регрессию не удалось. Причиной невозможности построения достоверной регрессионной зависимости, по-видимому, является то, что данные на космических изображениях генерализованы, а пространственное варьирование степени засоления, судя по данным полевых обследований, достаточно велико.
Несмотря на невозможность построения статистически значимой регрессии, в ковариации данных наблюдали следующую закономерность: при увеличении величины засоления почв наблюдается тенденция уменьшения величины индекса NDSI (рис. 1), которая становится особенно выраженной при средней и высокой степени засоления. Выделенные по величине индекса NDSI три класса на основе данной закономерности ассоциировали с незасоленными, слабозасоленными и среднезасоленными почвами. Объединением в ГИС масок сильнозасоленных почв и масок незасолен-ных, слабозасоленных и среднезасоленных почв получили итоговые карты засоленности почв в слое 0-20 см за 1987-1988 и 2010-2009 гг.
Это позволило расклассифицировать изображение на несколько классов, которые могут быть условно обозначены в терми-
Рис. 1. Ковариация величины измеренной в поле электропроводности в слое 0-20 см и индекса NDSI, рассчитанного по спутниковым данным Landsat за 2010-2011 гг. (сплошная кривая - NDSI, пунктир - тренд NDSI, точечная кривая - величина электропроводности).
нах сильно-, средне-, слабозасоленные и незасоленные. Результаты подобной классификации для изображений двух периодов съемки приведены на рис. 2.
В 80-х годах на территории исследований преобладали слабозасоленные почвы. Они занимали 83.2% территории исследований. 8,4% территории занимали сильнозасоленные почвы, 4.5% -среднезасоленные и только 3.9% не засолено. Из рисунка следует, что за 20 лет, доля сильнозасоленных почв увеличилась практически во всех частях региона. Для более детального анализа изменений построили карту изменений (рис. 3) как результат попиксель-ного сравнения карт, приведенных на рис. 2.
Для обозначения изменений засоленности почв при визуализации карты в виде цветной распечатки использовали шкалу, в которой цветом обозначали итоговое засоление в 2009-2010 гг., а яркостью - степень изменения засоленности почв (табл. 1). Таким образом, на карте наиболее контрастны изображения почв, для которых засоленность значительно повысилась или понизилась.
А Б
Рис. 2. Засоленность почв для 1987-1988 (А) и 2010-2009 гг. (Б): 1 -незасоленные, 2 - слабозасоленные, 3 - среднезасоленные, 4 - сильноза-соленные, белый цвет - нет данных.
Черно-белую карту динамики составляли исходя из того, что разница в засоленности между сильно- и среднезасоленными больше разницы между слабо- и среднезасоленными, что связано с особенностями дешифрирования. Аналогично разница в засоленности между незасоленными и слабозасоленными больше разницы между средне- и слабозасоленными. Кроме того, учитывали, что в области исследования преобладает процесс засоления, поэтому важнее показать степени интенсивности засоления, а не степени интенсивности рассоления. Таким образом, на карте показаны: области с уменьшением засоления, области с незначительно меняющимся засолением, области с увеличением засоления и области с сильным увеличением засоления. На основе карты изменения засоленности составили табл. 2 и диаграммы изменений засоленности почв (рис. 4).
Таблица 1. Шкала изменений засоленности почв
Номер Направленность изменений засоленности почв Степень изменения Цвет Яркость
1 Остались незасоленными ■■ 0 Темно - 220
зеленый
2 Незасоленные стали слабоза- 1 Светло - 160
соленными зеленый
3 Незасоленные стали средне- 2 Желтый 100
засоленными
4 Незасоленные стали сильно- 3 Красный Щ 50
засоленными
5 Слабозасоленные стали неза- -1 Темно- 190
соленными зеленый
6 Остались слабозасоленными 0 Светло - 220
зеленый
7 Слабозасоленные стали сред- 1 Желтый 190
незасоленными
8 Слабозасоленные стали силь- 2 Красный 100
нозасоленными
9 Среднезасоленные стали -2 Темно - 130
незасоленными зеленый
10 Среднезасоленные стали сла- -1 Светло - 190
бозасоленными зеленый
11 Остались среднезасоленными 0 Желтый 220
12 Среднезасоленные стали 1 Красный 160
сильнозасоленными
13 Сильнозасоленные стали -3 Темно - Щ 70
незасоленными зеленый
14 Сильнозасоленные стали сла- -2 Светло - 130
бозасоленными зеленый
15 Сильнозасоленные стали -1 Желтый 190
среднезасо ленными
16 Остались сильнозасоленными 0 Красный 220
Из табл. 2 и рис. 4 следует, что по сравнению с 80-ми годами прошлого века существенные изменения произошли со всеми классами засоления почв. Незасоленных почв, которые занимали в 80-х годах 3.9% территории в 2010 г. практически не осталось. Причем около 60% их перешло в разряд слабозасоленных, а почти третья часть - в сильнозасоленных. Немногим более половины преобладающих слабозасоленных почв осталось на том же уровне засоления, но одна треть их также перешла в класс сильнозасоленных почв.
■ ■ ■ ^^т ^^т
0 10000 Рис. 3. Карта динамики засоленности (1 - нет данных, 2 - засоление снизилось, 3 - засоление изменилось незначительно, 4 - засоление увеличилось, 5 - засоление сильно увеличилось).
Таблица 2. Изменения площади в разной степени засоленных почв
Номер Направленность изменения засоления почв Площадь, га
1 Остались незасоленными ■H 47.97
2 Незасоленные стали слабозасоленными 423.90
3 Незасоленные стали среднезасоленными 52.65
4 Незасоленные стали сильнозасоленными 193.59
5 Слабозасоленные стали незасоленными 805.77
6 Остались слабозасоленными 8280.99
7 Слабозасоленные стали среднезасоленными 1174.50
8 Слабозасоленные стали сильнозасоленными 4737.60
9 Среднезасоленные стали незасоленными 33.84
10 Среднезасоленные стали слабозасоленными 288.72
11 Остались среднезасоленными 114.84
12 Среднезасоленные стали сильнозасоленными 373.14
13 Сильнозасоленные стали незасоленными 5.40
14 Сильнозасоленные стали слабозасоленными 216.45
15 Сильнозасоленные стали среднезасоленными 138.78
16 Остались сильнозасоленными 1147.50
Б
5° с
59°о
8%
В
4%
36%
■ 1 2 о 3 ■ 4 Рис. 4. Диаграммы изменений засоленности почв региона исследований: А - незасоленные; Б - слабозасоленные; В - среднезасоленные; Г - сильнозасоленные в 1987-1988 гг. стали в 2009-2010 гг. 1 - незасоленными; 2 - слабозасоленными; 3 - среднезасоленными; 4 - сильнозасоленными.
В наибольшей степени изменились среднезасоленные почвы, около половины которых стало сильнозасоленными, а 36% перешло в слабозасоленные, 24% сильнозасоленных почв перешло в классы с меньшим уровнем засоления. В результате, по сравнению с 80-ми годами, в 2010 г. доля слабозасоленных почв на территории исследований составила около 51%, доля сильнозасоленных почв увеличилась почти до 36%, доля среднезасоленных почв до 8%, а доля незасоленных почв осталась на уровне менее 5%.
ЗАКЛЮЧЕНИЕ
Многолетний архив космических снимков Landsat ТМ5 может быть использован для анализа динамичности засоленности почв региона, но только на качественном или полуколичественном уровне. Связано это с тем, что для построения количественных регрессий необходимы изображения, полученные в год проведения полевых обследований почв, а последние изображения, полученные данным сенсором, датируются концом 2011 г. Кроме того, значительное влияние оказывает степень генерализованности космических изображений и сильное пространственное варьирование засоленности почв. В качестве продолжения данного архивного ряда космических изображений могут быть использованы данные со спутника Landsat 8, который начал функционировать в 2013 г., и имеет те же самые характеристики сенсора, что и ТМ5, но для подтверждения этого необходимы специальные калибровочные исследования, которые еще не проводились.
Для выявления изменений в динамичности засоления почв необходимо анализировать изображения, полученные в один сезон съемки и за серию последовательных лет, что позволяет исключить влияние типа возделываемой культуры на детектирование засоления почв.
Проведенный анализ показал, что засоленность почв Шаульдерского орошаемого массива за период с 1987 по 2010 гг. значительно увеличилась: доля сильнозасоленных почв возросла более чем в 4 раза.
СПИСОК ЛИТЕРАТУРЫ
1. Жихарева Г.А., Курмангалиев А.Б., Соколов С.С. Почвы Казахской ССР. Чимкентская область. Вып. 12. Алма-Ата: Наука, 1969. 410 с.
2. Минашина Н.Г., Гаврилова Г.К. Влияние сульфатно-магниевого засоления на урожай хлопчатника на мелиорированных гип-соносных почвах Ферганской опытной станции // Бюл. Почв. ин-та им. В.В. Докучаева. 2007. Вып. 60. С. 12-18.
3. Отаров А., Ибраева М.А., Усипбеков М., Wilkomirski В., Suska-Malawska M. Краткая характеристика почвенного покрова и анализ современного состояния плодородие почв Южно-Казахстанской области // Почвоведение и агрохимия. 2008. № 1. С. 68-76.
4. Панкова Е.И. Засоленные почвы аридных территорий и методы их дистанционного изучения в целях мониторинга. Автореф. дис. ... д. с.-х. н. М., 1988
5. Панкова Е.И. Конюшкова М.В. Влияние глобального потепления климата на засоленность почв аридных регионов // Бюл. Почв. ин-та им. В.В. Докучаева. 2013. Вып. 71. С. 3-15.
6. Панкова Е.И., Рухович Д.И. Дистанционный мониторинг засоления орошаемых почв аридных территорий // Почвоведение. 1999. № 2. С. 253-264.
7. Сводный аналитический отчет о состоянии и использовании земель Республики Казахстан за 2006 год. Астана, 2007. 179 с.
8. Ambast S.K. Monitoring and evaluation of irrigation system performance in saline irrigated command using satellite remote sensing and gis. Interne Mededeling. Report No. 471. DLO Winand Staring Centre, Wageningen, the Netherlands, 1997. 106 p.
9. Brena J., Sanvincete H., Pulido L. Salinity assessment in Mexico // Use of remote sensing techniques in irrigation and drainage / Ed. Vidal A., Sagardoy J.A. Water reports 4. Rome: FAO, 1995. Р. 179-184.
10. Darwish Kh.M., Kotb M.M., Ali R. Mapping soil salinity using collocated cokriging in Bahariya Oasis, Egypt // Spatial Data Quality: Proc. of the 5th Intern. Symp. Intern. Institute for geo-Information Science and Earth Observation. 2007.
11. Fernandez-Buces N., Siebea C., Cramb, S., Palacio J.L. Mapping soil salinity using a combined spectral response index for bare soil and vegetation: A case study in the former lake Texaco, Mexico // J. of Arid Environments. 2006. V. 65 (4). Р. 644-667.
12. Goossens R., Alavi Panah S.K., de Dapper M., Kissiyar O. The use of thermal band of Landsat TM for the study of soil salinity in Iran (Arda-kan area) and Egypt (Ismailia Province) // Proceedings International Conference on Geoinformatics for Natural Resource Assessment, Monitoring and Management. Indian Institute of Remote Sensing, NRSA, Dehradun (India), 1999. Р. 454-459.
13. Iqbal F. Detection of salt affected soil in rice-wheat area using satellite image // African J. of Agricultural Research. 2011. V. 6(21). Р. 49734982.
14. Khan N.M., Rastoskuev V.V., Shalina E., Sato Y. Mapping saltaffected soil using remote sensing indicators. A simple approach with the use of Gis Idrissi // 22nd Asian Conference on Remote Sensing, Singapore. 2001.
15. Kissiyar O., Goossens R., Ghabour T.K., Dapper M.D. The use of different sensors for mapping and monitoring of desert crusts and soil salinity in the Ismailia province, Egypt // 1st Workshop EARSeL Special Interest Group on Remote Sensing for developing Countries, 2000. Р. 379-382.
16. Masoud A.A., Koike K. Arid land salinization detected by remotely-sensed landcover changes: A case study in the Siwa region, NW Egypt // J. of Arid Environments. 2006. V. 66(1). P. 151-167.
17. Panah S.K.A., Goossens R. Contribution of soil salinity to the surface reflectance recorded by Landsat MSS and TM sensors // 1st Workshop EARSeL Special Interest Group on Remote Sensing for developing Countries, 2000. Р. 393-405.
18. Peng W. Synthetic analysis for extracting information on soil salinity using remote sensing and GIS: A case study of Yanggao basin in China // Environmental Management. 1998. V. 22(1). P. 153-159.
19. Rao B.R., Dwivedi R.S., Venkataratnam L., Ravishankar T., Thammappa S.S., Bhargava G.P., Singh A.N. Mapping the magnitude of sodicity in part of Indo-Gangetic plains of Uttar Pradesh, Northern India using Landsat data // International J. of Remote Sensing. 1991. V. 12. Р. 1419-1425.
20. Saha S.K., Kudrat M., Bhan S.K. Digital processing of Lansat TM data for watershed mapping in parts of Aligarh District, Uttar Pradesh, India // International J. of Remote Sensing. 1990. V. 11. P. 485-492.
21. Sanaeinejad S.H. Astarei A., Mirhoseini Mousavi P., Ghaemi M. Selection of band combination for soil salinity studies using ETM+ satellite images (A case study: Nyshaboor Region, Iran) // World Academy of Science. Engineering and Technology. V. 30. 2009. P. 514-516.
22. Shrestha R.P. Relating soil electrical conductivity to remote sensing and other soil properties for assessing soil salinity in northeast Thailand // Land degradation and development. 2006. V. 17. Issue 6. P. 677-689.
23. Shrestha D.P., Farshad A. Mapping salinity hazard: an integrated application of remote sensing and modeling-based techniques // Remote sensing of soil salinization. Impact on land management. 2009. P. 257-272
24. Tripathi N.K, Rai B.K., Dwivedi P. Spatial Modeling of Soil Alkalinity in GIS Environment Using IRS data // 18th Asian conference on remote sensing, Kualalampur, 1997. P. A.8.1-A.8.6.
LONG-TERM CHANGES IN THE AREA OF SALINE SOILS RECOGNIZED BY LANDSAT IMAGES IN SHAULDERSK IRRIGATED MASSIVE
I. Yu. Savin1, A. Otarov2, A. V. Zhogolev1, 22 M. A. Ibraeva2, S. Duseikov2
1V. V. Dokuchaev Soil Science Institute of Russian Academy of Agricultural Sciences, 119017, Moscow, Pyzhevskii, 7 e-mail: savigory@gmail. com
2Kazakh U. Uspanov Research Institute of Soil Science and Agricultural Chemistry, 050060, Al-Farabi Avenue 75, Almaty, Kazakhstan
Possibilities to use the archive images obtained by Landsat TM5 in different years have been comprehensively analyzed with the aim at recognizing the soils with different salinity degree. Special approaches were proposed to study the dynamics of saline soils by using the satellite imagery. Based upon a computer analysis of the information transmitted by Landsat in 1987-1988 and 2009-2010 as well as the data of field soil survey, it seemed reasonable to identify changes in the area of such soils in Shauldersk irrigated massive (the South-Kazakhstan region, Republic of Kazakhstan). It was concluded that the share of saline soils revealed an increase at the studied territory within the period from 1987 to 2010.
Keywords: decoding of soil salinity, monitoring over the soil salinity, Landsat data, Shauldersk irrigated massive.
