CC BY
162
УДК 631.4
Н.В. Гопп
ИПА СО РАН, Новосибирск
ИСПОЛЬЗОВАНИЕ СПУТНИКОВЫХ, НАЗЕМНЫХ И АНАЛИТИЧЕСКИХ ДАННЫХ
В КАРТОГРАФИИ ПОЧВ
В работе рассматривается технология составления цифровых почвенных карт с использованием параметров растительности и рельефа, рассчитываемых по спутниковым снимкам (Landsat ETM+, SPOT 4, SRTM). На примере ключевого участка, показана возможность эффективного использования материалов наземной и спутниковой съемки для дешифрирования ареалов почв по косвенным признакам.
N.V. Gopp
Institute of Soil Science and Agrochemistry (ISSA SB RAS), 18 Sovietskaya St., Nоvosibirsk, 630099, Russian Federation
USE OF THE SATELLITE, LAND AND ANALYTICAL DATA IN MAPPING OF SOILS
An application of the technology of digital soil mapping with use of parametres of vegetation and a relief, counted on satellite data (Landsat ETM +, SPOT 4, SRTM) is discussed in this paper. By the example of a test plot in Dzhulukulsky hollow possibility of an effective use materials of land and satellite data for interpretation areas of soils.
Актуальность. В последние десятилетия интенсивно ведутся исследования в научной области «Распознавание образов и анализ спутниковых изображений», которая входит в перечень критических технологий Российской Федерации. Особенно перспективным научным направлением в этой области является разработка алгоритмов для интерпретации спутниковой информации и составления тематических карт (почвенных, геоботанических, ландшафтных и др.). Дешифрирование снимков для диагностики почв различных ландшафтов имеет свою специфику и зависит от степени покрытия территории растительностью и антропогенной освоенности. От этого зависит и выбор, по каким признакам прямым или косвенным будет осуществляться дешифрирование. Так, для территорий полностью покрытых растительностью, ведущую роль при дешифрировании почвенного покрова играет ландшафтная индикация. Для открытых почв сельскохозяйственных угодий дешифрирование может осуществляться по прямым признакам (цвет, тон, текстура).
Согласно Викторову С.В. [1] ландшафтная индикация - это выявление индикаторов, возможно более полный сбор сведений о способах их распознавания на местности и при дешифрировании, раскрытие характера связи между индикатором и индикатом и практическое использование индикаторов. Применение методов ландшафтной индикации обосновано тем, что на специфику фотоизображения (плотность, текстура, цвет) оказывают
влияние комплекс факторов, к которым, прежде всего, относятся геологическое строение, рельеф, почвы, растительность и т. д. [2].
Составление почвенных карт является очень трудоемким процессом, и требует от составителя полисистемных знаний и способностей оперировать при дешифрировании спутниковых снимков большим набором косвенных и прямых признаков, которые зачастую необъяснимы и трудно формализуемы. Существующие сложности приводят к преобладанию субъективного подхода при составлении почвенных карт, а отсутствие формализации признаков к невозможности развития автоматизированных технологий. Детальное изучение возможностей различных алгоритмов для обработки спутниковой информации показало, что оптимальным выходом из сложившейся ситуации является применение сопряженной обработки результатов классификации спутниковых снимков алгоритмом дерево решений, который разрабатывается на основе экспертных знаний почвоведа-исследователя. К отличительным особенностям данного подхода, можно отнести возможность редактирования алгоритма с привлечением новых дешифровочных признаков и последующей автоматической корректировкой карты.
Зарубежные и отечественные литературные материалы [2, 3, 4, 5, 6] свидетельствуют, о том, что достаточно подробно изучены особенности исследования открытых (не занятых растительностью) почв по спутниковым снимкам, но недостаточно освещены вопросы, связанные с диагностикой почв полностью покрытых растительностью, не определены критерии выбора диагностических признаков на спутниковых снимках. Для решения этой сложной проблемы необходимы знания, полученные на стыке наук -почвоведения, геоботаники, геоморфологии, картографии, дистанционного зондирования Земли, что создает ряд научно-методических проблем, касающихся не только особенностей обработки спутниковых снимков, но и выяснения причин взаимосвязи в цепочке «почва - растительность - рельеф». Поэтому в этой работе будут освещены результаты исследований почвенного покрова территории полностью покрытой растительностью.
Объекты и методы исследования. Объектами исследования послужили различные типы и подтипы почв из отдела альфегумусовых и железистометаморфических (дерново-подбур иллювиально железистый, подбур глееватый, подбур грубогумусированный, дерново-подбур глееватый, ржавозем грубогумусированный), а также параметры растительности и рельефа Джулукульской котловины (Республика Алтай, Улаганский район).
Изучаемыми параметрами рельефа являлись: крутизна склонов, площадь максимального сбора, горизонтальная кривизна, максимальная кривизна, освещенность. Расчет тематических карт морфометрических параметров рельефа проводился по радиолокационным снимкам SRTM (Shuttle Radar Topography Mission). Алгоритмы расчета локальных морфометрических величин рельефа описаны в работе Shary P.A., Sharaya L.S., Mitusov A.V [7].
Изучаемыми параметрами растительности являлись: спектрально-
яркостные характеристики растительности, выявляемые по многозональным снимкам, а также запасы надземной фитомассы, вычисляемые через индекс
NDVI (Normalized Difference Vegetation Index). Алгоритмы для классификации снимка Landast 7 ETM+ и расчета запасов надземной фитомассы по снимку SPOT 4 приведены в работах [8, 9, 10].
Рис. 1. Тематические слои, используемые в алгоритме при автоматизированном построении почвенных карт
Обсуждение результатов. Ключевым моментом предлагаемой технологии является создание серии тематических карт с использованием различных данных (наземных, аналитических, спутниковых). Среди рассчитанных тематических карт выявлены наиболее значимые косвенные индикаторы границ почвенных контуров на уровне типа и подтипа, к которым относятся: запасы надземной фитомассы, основные типы земной
поверхности, увлажненность (рис. 1).
Анализ зависимостей между физико-химическими свойствами почв и параметрами растительности показал, что свойства почв, характеризующие таксономические единицы рода (по степени насыщенности почвенного поглощающего комплекса основаниями) и вида (по содержанию гумуса) коррелируют с запасами надземной фитомассы (коэффициенты корреляции га = 0,62 p < 0,001 и га = 0,73 p < 0,0001 соответственно). Разновидность почв,
определяемая в изучаемых почвах по содержанию физической глины, коррелирует с параметрами рельефа (максимальная кривизна, высота, площадь максимального сбора). Таким образом, если изучаемые свойства почв коррелируют с запасами надземной фитомассы и параметрами рельефа, то их можно предсказать по этим параметрам путем расчета уравнений регрессий и линейного прогноза, а также с помощью разработанных алгоритмов. Результаты расчетов представлены в виде тематических слоев на рис. 1. На следующем этапе полученная серия тематических карт используется в алгоритме «дерево решений» (рис. 2), который позволяет автоматизированно выделить ареалы почв на уровне типа, подтипа, рода, вида, разновидности, согласно заданным условиям.
Рис. 2. Алгоритм «дерево решений» для автоматизированного составления
цифровых почвенных карт
Входные данные для алгоритма получаются в процессе проведения полевых, дистанционных, аналитических и статистических исследований параметров почв, растительности и рельефа. К отличительным особенностям данного алгоритма, можно отнести возможность его редактирования с привлечением новых дешифровочных признаков и последующей автоматической корректировкой карты.
Заключение. По данным спутниковой информации выявлены и описаны индикаторы границ почвенных контуров на уровне типа и подтипа, к которым
относятся: запасы надземной фитомассы, основные типы земной
поверхности, увлажненность. Индикаторы ареалов почв на уровне рода, вида и разновидности установлены по результатам статистической обработки данных аналитических исследований почв и данных полученных в результате обработки многозональных и радиолокационных снимков. К ним относятся запасы надземной фитомассы и характеристики рельефа (максимальная кривизна, высота, площадь максимального сбора).
Разработан алгоритм «дерево решений» для выделения ареалов почв с сочетанием признаков из разных тематических слоев, параметры которых соответствуют заданным экспертом условиям. Разработанный алгоритм обеспечивает частичную замену ручного труда при составлении почвенных карт.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Викторов С.В. Чикишев А.Г. Ландшафтная индикация и её практическое применение. - М.: Изд-во МГУ, 1990. - 198 с.
2. Дейвис Ш.М., Ландгребе Д.А., Филлипс Т.Л. и др. / под ред. Ф. Свейна и Ш. Дейвис. Дистанционное зондирование: количественный подход. Пер. с англ. - М.: Недра, 1983. - 415 с.
3. Bowers S.A., Hanks R.J. Reflection of Radiant Energy from Soil // Soil Science.-1965. - Vol. 100. - P. 130 - 138.
4. Виногдадов Б.В. Космические методы изучения природной среды. - М.: Мысль, 1976. - 285 с.
5. Шершукова Г.А. Картографирование почвенного покрова лесопокрытых территорий Нечерноземной зоны по космическим многозональным снимкам // В сб.: Тез. докл. 1 Всес. конф. «Биосфера и климат по данным космич. исслед». - Баку: ЭЛМ, 1982. - С. 196-198.
6. Сорокина Н.П. Методология составления крупномасштабных агроэкологически ориентированных почвенных карт. - М.: Росссельхозакадемия, 2006.- 159 с.
7. Shary P.A., Sharaya L.S., Mitusov A.V. Fundamental quantitative methods of land surface analysis // Geoderma, 2002, V.107, N.1-2. - P. 1-32.
8. Пестунов И.А., Будкина Е.А., Синявский Ю.Н. Алгоритм кластеризации многоспектральных изображений на основе формирования сеточной структуры в пространстве признаков // Тр. междунар. конф. «Вычислительные и информационные технологии в науке, технике и образовании». - Павлодар, 2006. - Т. 2. - С. 124-131.
9. Гопп Н.В., Куликова Е.А, Пестунов И.А., Синявский Ю.Н., Смирнов В.В. Распознавание формаций лесной растительности с близкими спектрально-яркостными характеристиками по данным съемки со спутника Landsat 7 ETM+ / Вычислительные технологии спец. вып. 2, том 12. - 2007. - 194 - 201 c.
10. Гопп Н.В., Смирнов В.В. Использование вегетационного индекса (NDVI) для оценки запасов надземной фитомассы тундровых сообществ растений // Материалы международного научного конгресса «Гео-Сибирь - 2009». - Новосибирск, 2009., Т. 4, Ч. 2. - С. 187-191.
© Н.В. Гопп, 2010
