CC BY
77
УДК 631.4
2Е.С. Ваганова, 1С.С. Рязанов, 2А.Г. Галиуллина, 2Р.В. Шакирзянов
'Институт проблем экологии и недропользования АН РТ, erydit@yandex.ru 2Казанский (Приволжский) федеральный университет
МЕТОДИЧЕСКИЕ АСПЕКТЫ ИНТЕРПОЛЯЦИИ ПРОСТРАНСТВЕННОЙ НЕОДНОРОДНОСТИ АГРОХИМИЧЕСКИХ СВОЙСТВ ПАХОТНЫХ УГОДИЙ СЕВЕРНОГО КАЗАХСТАНА
В статье рассматриваются методические аспекты интерполирования данных об агрохимических свойствах почв по результатам вариограммного анализа. Вариограммный анализ пространственной неоднородности показал, что для различных агрохимических показателей вариограм-мы описываются различными моделями (сферической и наггет-эффектом).
Ключевые слова: Северный Казахстан; пахотные почвы; агрохимические свойства; варио-граммы.
Введение
Считается, что для почв степной и сухостеп-ной зон характерна пространственная однородность, которую связывают с однородностью рельефа и материнских пород (Добровольский, Урусевская, 2004). Однако изменчивость проявления естественных и антропогенных процессов на разных уровнях организации почвенного покрова в степях также приводит к закономерному проявлению вариабельности. По данным И.В. Михеевой (2005), статистические показатели свойств каштановых почв в пределах индивидуума изменяются и зависят от способа их использования (целина, неорошаемая пашня, орошаемая пашня). Вариограммный анализ пространственной неоднородности степных почв показывает, что варьирование значений почвенных свойств может характеризоваться различной степенью пространственной корреляции, которая проявляется на различных расстояниях и отличается для различных почв (Сидорова, Красильников, 2007).
Традиционные подходы агрохимического обследования пашни ориентированы на внесение расчетных доз удобрений на поля севооборотов в целом по результатам оценки содержания доступных элементов питания на участках отбора смешанных образцов. Размеры элементарных участков для территорий с однородным рельефом и почвенным покровом, как правило, соизмеримы с размерами самих полей. Согласно стандарту (ГОСТ 28168-89, 2008), максимальный размер элементарного участка отбора смешанного образца для Северного Казахстана должен составлять 100 га при среднем размере полей 200-400 га. При применении такого подхода вариабельность агрохимических свойств полей практически не учитывается.
Современные технологии прецизионного земледелия построены на оценке пространственной неоднородности сельскохозяйственных угодий, а стратегия их применения ориентирована на адаптацию системы удобрения к пространственной неоднородности конкретных полей. Продуктивная реализация технологий точного земледелия требует детального изучения пространственной неоднородности сельскохозяйственных угодий и разработки методов ее количественного описания на основе построения интерполированных картограмм. Правильная реализация технологий прецизионного земледелия позволяет получать высокие урожаи экологически безопасной продукции при минимальных затратах минеральных удобрений и с минимальным негативным воздействием на почвы.
Цель работы - оценка различных методических подходов к интерполяции пространственной неоднородности агрохимических свойств пахотных угодий на примере детального изучения земель ТОО «Мичурино» (Северный Казахстан) с использованием ГИС-технологий и методов геостатистического пространственного анализа данных.
Материалы и методы исследования
Объектами изучения были пахотные угодья ТОО «Мичурино» (ОАО «АТАМЕКЕН-АГРО»), расположенные в Тимирязевском районе Петропавловской области Северного Казахстана. Для оценки пространственной вариабельности использовались результаты обследования сплошного массива пашни площадью 1378 га, включающего 4 поля севооборота: № 7 (366 га), № 9 (277 га), № 10 (331 га), № 11 (407 га). Географическая привязка плана землепользования хозяй-
ства с нанесенными на него элементами внутрихозяйственного землеустройства была проведена в программе MapInfo Professional 10.0. На картографическую основу наносили сетку элементарных участков средним размером около 20 га, с точной привязкой узлов в системе координат. Пробоотбор проводился с помощью GPS-нави-гации с точной пространственной локализацией точек отбора индивидуальных проб, использованных для приготовления смешанного образца. Общее количество смешанных образцов составило 73 шт. В образцах определяли содержание органического вещества по методу Тюрина (С), содержание легкогидролизуемого азота по Корн-филду (N^, содержание подвижных соединений фосфора (Р205м) и калия (К2Ом) по методу Мачи-гина. Определение рН (рНв) и удельной электрической проводимости (ЕСв) проводили в водной вытяжке, полученной при соотношении почва:во-да - 1:5.
Расчеты и статистическая обработка результатов выполнены в программе STATISTICA 8.0. Геостатистический анализ проведен с помощью пакета GSTAT для статистической среды R.
Результаты и их обсуждение
В таблице 1 представлена статистическая характеристика агрохимических свойств исследованных пахотных массивов. По результатам обследования массив пашни характеризуется средней обеспеченностью гумусом при достаточно слабом варьировании данного показателя. По значению рН водной вытяжки пашня характеризуется как слабо- и среднещелочная, также с очень слабым варьированием. Максимальное значение удельной электропроводности (ЕСв) для обследо-
ванных почв составляет 0.2 мСм/см, т.е. ни один из отобранных смешанных образцов не может оцениваться как засоленный. По обеспеченности щелочногидролизуемым азотом массивы оцениваются как низко- и очень низкообеспеченные, со средней вариабельностью. По содержанию доступного фосфора обеспеченность элементарных участков изученных массивов меняется от повышенной до очень высокой. По содержанию обменного калия обеспеченность пашни данным элементом питания варьирует от средней до высокой. Вариабельность по содержанию подвижных соединений фосфора может быть оценена как высокая, калия - средняя.
По данным полевого и агрохимического изучения, почвенный покров обследованного массива можно отнести к среднегумусным южным незасоленным карбонатным черноземам, с достаточно однородным химическими, физико-химическими свойствами, но с достаточно высоким варьированием содержания доступных элементов питания.
В настоящее время в почвенных исследованиях для характеристики пространственного варьирования широко используется более универсальный метод - вариограммный анализ. Вариограмма (семивариограмма) представляет собой функцию, описывающую корреляционную связь между двумя случайными величинами 2(х) и 2(х+^), разделенными в пространстве вектором ^ которая может быть представлена графически (Савельев и др., 2014). Выделяют изотропные вариограммы, когда величина у^) зависит от но не зависит от направления, и анизотропные, когда у^) зависит как от ^ так и от направления.
Таблица 1. Статистические характеристики агрохимических свойств пахотных массивов (n=73)
Агрохимические показатели
Статистиче ские показатели С . % орг N, мг/100 г Р20, мг/100 г К20, мг/100 г РНв ЕС, мСм/см в
Среднее арифм. 4.9 8.4 9.8 46.7 7.9 0.1
Мин. значение 4.1 5.0 3.7 25.4 7.6 0.1
Макс. значение 5.8 11.2 24.0 58.6 8.3 0.2
Коэф. вариации, % 8.2 14.2 38.3 13.1 1.6 21.0
Нижний квартиль 4.6 7.6 7.4 42.7 7.9 0.1
Медиана 4.9 8.4 9.1 47.4 7.9 0.1
Верхний квартиль 5.2 9.0 11.7 51.9 8.0 0.1
Критерий Колмогорова- 0.06 0.10 0.10 0.08 0.06 0.15
Смирнова d (р) (0.62) (0.05) (0.04) (0.27) (0.80) (<0.00)
Примечание: Полужирным шрифтом выделены результаты оценки, не отклоняющие вероятность нормального распределения
48
российский журнал приютной экологии
Функция оптимальная для сглаживания эмпирических значений вариограммы является информативным показателем, характеризующим закономерности пространственного варьирования признака. Если значение вариограммы колеблется на одном уровне, можно сделать вывод об отсутствии пространственной корреляции (чистый «наггет-эффект»). Транзитивная вариограмма характеризуется постепенно увеличивающейся дисперсией выходящей на плато и аппроксимируется экспоненциальной или сферической моделью. Транзитивный характер вариограммы свидетельствует о наличии регулярной пространственной изменчивости, проявляющейся на расстояниях, не выходящих за пределы минимального и максимального шага опробования (лага). При наличии пространственного тренда в данных экспериментальная вариограмма возрастает очень быстро (как |h|2 или быстрее), проявляя сильную изменчивость с направлением, т.е. имеет выраженную пространственную анизотропию (Савельев и др., 2014).
Для транзитивных вариограмм расстояние, при котором функция y(h) достигает постоянного значения (порога - С+С0), называется радиусом корреляции (рангом - R). Когда расстояние между точками (h) стремится к нулю, значение у (h) приближается к некоторому значению, называемому «наггет-эффект» (С0). Для оценки пространственной зависимости используют отношение данного параметра к порогу, т.е. - С0/(С+С0). Значение С0/ (С+С0) <25% свидетельствует о наличии сильной пространственной зависимости, значения от 25% до 75% - о средней зависимости, значения >75% - о слабой пространственной зависимости (Cambardella et al., 1994). Необходимо помнить, что надежная оценка вариограммы требует, чтобы она была построена по данным обследования как минимум 100 пространственно отобранных образцов (Webster, Oliver, 1992), 50-100 при использовании для вычисления параметров базовых моделей метода ограниченного максимального правдоподобия (Kerry et al., 2010).
При геостатистическом анализе результатов производственного агрохимического обследования полей приходится учитывать, что технологии пробоотбора строго регламентируются действующими стандартами (Методические указания ..., 1994; ГОСТ 28168-89). Стандарты предполагают отбор смешанных образцов с элементарных площадок опробования с установленным максимальным размером по диагональному и продольному маршрутному ходу. При геостатистическом анализе результатов, полученных при отборе смешанных образцов по элементарным участкам,
значения привязываются к центру элементарного участка агрохимического обследования. В этом случае значение, привязанное к центральной точке, характеризует весь элементарный участок в целом. Систематический отбор индивидуальных почвенных образцов в узлах регулярной сетки или смешанных образцов с элементарных участков обеспечивает равномерное покрытие исследуемой территории даже при относительно небольшом объеме выборки почвенных образцов. Необходимо учитывать, что при использовании данных методов пробоотбора величина минимального расстояния между точками отбора не будет случайной величиной, а определяется размерами элементарных участков. При геостатическом анализе таких массивов данных высока вероятность того, что радиус автокорреляции закономерных составляющих варьирования может оказаться меньше величины минимального лага. В этом случае вариограмма может оцениваться как случай чистого наггета, т.е. ошибочно характеризоваться как случайное варьирование. Для выяснения истинных причин наггета в этом случае требуется применение для построения варио-грамм результатов анализов, имеющих точечную пространственную локализацию, равномерно и рандомизованно покрывающих всю обследуемую территорию. В этом случае расстояние между точками пробоотбора формируется случайно и в выборке появляются близко расположенные точки.
В научных исследованиях последнее условие может выполняться при рандомизованном распределении точек отбора образцов по обследуемой территории. Для рандомизованного размещения точек отбора почвенных образцов используют таблицу или генератор случайных чисел. Применение данного метода требует для равномерного покрытия всей обследуемой территории отбора достаточно большого количества образцов, поэтому часто отдают предпочтение другим методам пробоотбора. Наиболее удачным в геостатистике считается стратифицированный случайный блочный отбор (Brus et al., 1999). Равномерность охвата исследуемого пространства при использовании данного метода достигается разбиением поля на блоки (страты) равной площади и выбором в каждом блоке одной или нескольких точек пробоотбора случайным образом. При таком отборе почвенных проб расстояния между точками опробования формируются в значительной степени случайно.
Вариограмма может быть ошибочна оценена как вариант чистого наггета или близкой к наг-гету, если радиус корреляции больше размеров
Таблица 2. Результаты оценки модельных вариограмм
Показатель Модель C0 С, C +C Range С0/(С0+С1)*100% Про странственная зависимость
С орг Sph 0.13 0.05 0.18 1230 74.0 средняя
N щ Sph 1.46 0.04 1.50 1628 97.5 слабая
P2°5 м Sph 10.97 3.89 14.86 1853 73.8 средняя
к2о м Sph 19.79 27.77 47.56 3219 41.6 средняя
РНв Sph 0.01 0.01 0.02 3991 47.0 средняя
ЕС в Nug 0.001 0.000 0.001 - 100.0 нет
поля. Однако увеличение площади опробования может быть не всегда оправданным, поскольку даже для равнинного Северного Казахстана при увеличении площади опробования в пространственный анализ могут попасть участки, относящиеся к разным элементам ландшафта. Есть даже мнение, что геостатистические модели с трудом поддаются экстраполяции на обширные территории и их предсказательная способность обычно ограничена отдельными исследованными участками (Ibanez et а1., 2005).
Наличие пространственной анизотропии проверялось с помощью карт вариограмм и построением направленных вариограмм. Направления вариограмм задавались по ориентации сетки отбора смешанных образцов 0° и 270° с допустимым отклонением ±20°. Было показано отсутствие зависимости пространственного варьирования от направления построения вариограмм, поэтому для пространственного анализа обоих массивов ограничились оценкой вариограмм изотропных. При отсутствии чистого наггет-эффекта экспериментальные вариограммы аппроксимировались с использованием сферической модели. Параметры моделей вариограмм приведены в таблице 2.
Как видно из таблицы 2, пространственная неоднородность содержания гумуса, фосфора, калия и рН имеет среднюю пространственную зави-
симость и уверенно описывается сферическими моделями. Поэтому при построении интерполированных картограмм обеспеченности полей массива гумусом, фосфором и калием использовали метод ординарного кригинга (рис.1).
Пространственная неоднородность содержания щелочногидролизуемого азота имеет слабую пространственную зависимость и может быть оценена как близкая к наггету. Для построения пространственно-интерполированных картограмм обеспеченности полей массива азотом вместо кригинга использовали методы, которые при оценке значений интерполированных точек не используют модельные вариограммы. Использовали метод обратных взвешенных расстояний (IDW) и метод радиальной базисной функции (radial basis function, RBF) (рис.2). В работе Лас-лета с соавторами (Laslett et al., 1987), сравнение метода кригинга и метода IDW, использованных для построения интерполированных карт распределения почвенных свойств, показало, что оба метода дают примерно одинаково хорошие результаты количественных параметров интерполяции.
Метод IDW является одним из самых простых методов интерполяции, но имеет ряд недостатков. Картограммы, полученные методом IDW, характеризуются наличием эффекта «бычьего глаза»
Рис. 1. Интерполированные картограммы содержания гумуса и доступных соединений фосфора и калия
а
б
Рис. 2. Интерполированные картограммы обеспеченности массивов пашни доступными соединениями азота (а - метод ЮЩ и б - метод RBF)
вокруг точек отбора образцов, а метод кригинга известен тем, что уменьшает общую дисперсию и дает более сглаженную картину. При использовании метода IDW необходимо помнить, что метод не предусматривает вычисление стандартных ошибок интерполяции, и оценка точности без использования проверочного набора данных становится невозможным. RBF - это семейство современных детерминированных точных интерполяторов, подгоняющих интерполированную поверхность при уменьшении общей кривизны поверхности (Johnston et al., 2001). В данной работе использовалась TPS функция. Сглаживающий параметр вычислялся минимизацией функции перекрестной проверки (Li, Heap, 2008). В таблице 3 представлены площади контуров с одинаковым уровнем обеспеченности элементами питания и их удельный вес в общей площади массивов пашни, рассчитанные по данным количественной оценки интерполированных картограмм построенных методом IDW и методом RBF. Анализ данных показывает, что результаты интерполяции достаточно сильно отличаются. Метод RBF дает более сглаженную картину интерполяции и его применение более предпочтительно.
Заключение
При геостатистическом анализе агрохимических данных, полученных при применении традиционных подходов к отбору почвенных образцов, может возникнуть ряд методических трудностей. В частности, необходим обоснованный подбор методов интерполяции с учетом результатов анализа модельных вариограмм. Метод ординарного кригинга требует наличия выраженной пространственной структуры данных для проведения интерполяции. Однако в условиях интенсивного сельскохозяйственного использования, пространственная зависимость подвижных элементов питания может значительно ослабнуть и даже полностью исчезнуть. В этих условиях возможно проведение пространственной интерполяции с использованием негеостатистических методов. Результаты рассмотренных методов интерполяции без учета пространственной структуры данных могут заметно отличаться, однако, метод радиальной базисной функции позволяет получить более сглаженную картограмму распределения исследуемого свойства, лишенную артефактов интерполяции, свойственных методу IDW.
Таблица 3. Площади контуров с одинаковым уровнем обеспеченности легкогидролизуемым азотом и
их удельный вес в общей площади массивов пашни
Диапазон содержания N , мг/100 г Метод IDW Метод RBF
Площадь, га Вес в общей площади, % Площадь, га Вес в общей площади, %
5-6 2.3 0.2 19.2 1.4
6-7 22.3 1.6 89.7 6.5
7-8 309.4 22.5 341.3 24.8
8-9 872.7 63.3 567.9 41.2
9-10 160.3 11.6 286.9 20.8
10-11 10.7 0.8 67.5 4.9
11-12 0.3 0.0 5.6 0.4
Работа выполнена при финансовой поддержке Российско-Казахстанского проекта «Оценка вариабельности основных агрохимических свойств пахотных угодий ТОО «Мичуринский».
Список литературы
1. ГОСТ 28168-89. Почвы. Отбор проб.
2. Добровольский Г.В., Урусевская И.С. География почв. М.: Изд-во МГУ, Изд-во «Колос», 2004. 460 с.
3. Методические указания по проведению комплексного агрохимического обследования почв сельскохозяйственных угодий. М.: Центр научн.-техн. информ., пропаганды и рекламы, 1994. 96 с.
4. Михеева И.В. Пространственные флуктуации и вероятностно-статистические распределения свойств каштановых почв Кулундинской степи // Почвоведение. 2005. №3. С. 316-327.
5. Сидорова В.А., Красильников П.В. Почвенно-геогра-фическая интерпретация пространственной вариабельности химических и физических свойств поверхностных горизонтов почв // Почвоведение. 2007. №10. С. 1168-1178.
6. Савельев А.А., Мухарамова С.С., Пилюгин А.Г., Чи-жикова Н.А. Геостатистический анализ данных в экологии и природопользовании (с применением пакета R): Учебное пособие. Казань: Казанский университет, 2012. 120 с.
7. Brus D.J.J., Spätjens L., de Gruijter J.J. A sampling scheme for estimating the mean extractable phosphorus concentration of fields for environmental regulation // Geoderma. 1999. V. 89 (1). P. 129-148
8. Cambardella C.A., Moorman T.B., Novak J.M., Parkin T.B., Karlen D.L., Turco R.F. and Konopka A.E. Field-Scale Variability of Soil Properties in Central Iowa Soils // Soil Sci. Soc. Am. J. 1994. V. 58. P. 1501-1511.
9. Ibanez J.J., Ruiz Ramos M., Zinck J.A., and Brû A. Classical Pedology. Questioned and Defended // Eur. Soil Sci. 2005. V. 38 (Suppl. 1). P. 75-80.
10. Kerry R., Oliver V.A. and Frogbrook Z.L. Sampling in Precision Agriculture // Geostatistical Applications for Precision Agriculture (editor M.A. Oliver). Springer Science+Business Media B.V., 2010. P. 35-64.
11. Laslett G.M., McBratney A.B., Pahl, P. J. and Hutchinson M.F. Comparison of several spatial prediction methods for soil pH // Journal of Soil Science. 1987. V. 38. P. 325-341.
12. Li J., Heap A. A review of spatial interpolation methods for environmental scientists. Geoscience Australia, 2008. 154 p.
13. Webster R., Oliver M. A. Sample adequately to estimate variograms of soil properties // J. of Soil Science. 1992. V. 43. P. 177-192.
E.S. Vaganova, S.S. Ryazanov, A.G. Galiullina, R.V. Shakirzanov. Methodical aspects of spatial heterogeneity interpolation of agrochemical properties of croplands in Northern Kazakhstan.
The article considers methodological aspects of data interpolation using the results of variogram analysis. Variogram analysis of spatial heterogeneity showed that for various agrochemical indicators variograms are described by different models (spherical and nugget-effect models).
Keywords: Northern Kazakhstan; arable soils; agrochemical properties; variograms.
52
российский журил прикладной экологии
