CC BY
29
Бюлоггчний вгсникМДПУ iмет БогданаХмельницького 6 (2), стор. 129-157, 2016 Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 6 (2), pp. 129-157, 2016
ARTICLE УДК 632.51:93
ПРОСТОРОВА ВАР1АБЕЛЬН1СТЬ ЕЛЕКТРОПРОВ1ДНОСТ1 ГРУНТ1В АРЕНИ ДОЛИНИ Р. ДН1ПРО (У МЕЖАХ ПРИРОДНОГО ЗАПОВ1ДНИКУ
«ДНШРОВСЬКО-ОРШЬСЬКИЙ»)
О.В. Жуков1- 2, О.М. Кунах1- 3, В.О. Таран1, М.М. Лебединська2
Днтропетровський нацюнальнийутверситет iMeHi Олеся Гончара. Email: [email protected] 2 Днтропетровський державний aapapHO-emmMi4mü утверситет 3Природний 3anoeidHrn «Днтровсько-Ортьський». Email: [email protected]
У межах експериментального пол^ону на ареш р. Дншро в природному заповеднику «Дншровсько-Оршьський» в 241 точщ була вимiряна електрична провiднiсть грунту двома способами: у сташ природно! вологосп та у станi повно! вологоемносп. Встановлено, що в середньому електропровщшсть становить 0.068±0.002 та 0.267±0.014 дСм/м ввдповщно. У результатi проведеного дослщження нами встановлена процедура, яка дозволяе трансформувати точковi об'екти, як1 мютять iнформацiю про електричну провiднiсть грунту в континуальний (растровий) шар на основi визначено! регресшно! залежностi дослщжуваного показника вiд предикторiв, як1 встановлеш на основi даних дистанцiйного зондування поверхнi Землi. Предикторами виступають каношчш осi, як1 одержанi внаслiдок змшаного аналiзу вiдповiдностей, якому поддали континуальш данi (цифрова модель рельефу та li похiднi, вегетацiйнi та iншi iндекси Landsat, значения рельефного рiзноманiття та рiзноманiття рослинного покриву) та дискретш данi (результати класифтацп поверхш Землi на елементарнi рельефнi одинищ та типи рослинного покриву). Важливим результатом е залежнiсть електрично! провщносп грунту вiд показникiв рельефного рiзноманiття та рiзноманiття рослинного покриву.
K.mnoei слова: електрична nровiднiсть Грунту, цифрова модель рельефу, NDVI, регресшний аналiз, 3MimaHm аналiз вiдповiдностей, просторова модель.
ПРОСТРАНСТВЕННАЯ ИЗМЕНЧИВОСТЬ ЭЛЕКТРОПРОВОДНОСТИ ПОЧВ АРЕНЫ ДОЛИНЫ Р. ДНЕПР (В ПРЕДЕЛАХ ПРИРОДНОГО ЗАПОВЕДНИКА
«ДНЕПРОВСКО-ОРЕЛЬСЬКИЙ»)
А.В. Жуков1, 2, О.Н. Кунах1, 3, В.А. Таран1, М.М. Лебединская2
1 Днепропетровский национальный университет имени Олеся Гончара. Email: [email protected]
2 Днепропетровский государственный аграрно-экономический университет 3Природный заповедник «Днепровско-Орельский». Email: [email protected]
В пределах экспериментального полигона на арене р. Днепр в природном заповеднике «Днепровско-Орельский» в 241 точке была измерена электрическая проводимость почвы двумя способами: в состоянии естественной влажности и в состоянии полной влагоемкости. Установлено, что в среднем электропроводность составляет 0.068±0.002 и 0.267±0.014 дСм/м соответственно. В результате проведенного исследования нами установленная процедура, которая позволяет трансформировать точечные объекты, которые содержат информацию об электрической проводимости почвы в континуальный (растровый) слой на основе
Citation:
Zhukov, O.V., Kunah, O.M., Taran, V.O., Lebedinska, M.M. (2016). Spatial variability of soils electrical conductivity within arena of the river Dnepr valley (territory of the natural reserve «Dniprovsko-orilsky»). Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 6 (2), 129-157.
Поступило в редакцию / Submitted: 13.04.2016 Принято к публикации / Accepted: 28.05.2016
http://dx.doi.org/10.15421/201646
© Zhukov & al., 2016
Users are permitted to copy, use, distribute, transmit, and display the work publicly and to make and distribute derivative works, in any digital medium for any responsible purpose, subject to proper attribution of authorship.
[МЖ^Н]
This work is licensed under a Creative Commons Attribution 3.0 License
установленной регрессионной зависимости исследуемого показателя от предикторов, которые получены на основе данных дистанционного зондирования поверхности Земли. Предикторами выступают канонические оси, которые получены в результате смешанного анализа соответствий, которому подвергли континуальные данные (цифровая модель рельефа и ее производные, вегетационные и другие индексы Landsat, значение рельефного разнообразия и разнообразие растительного покрова) и дискретные данные (результаты классификации поверхности Земли на элементарные рельефные единицы и типы растительного покрова). Важным результатом является зависимость электрической проводимости почвы от показателей рельефного разнообразия и разнообразия растительного покрова.
Ключевые слова: электрическая проводимость почвы, цифровая модель рельефа, NDVI, регрессионный анализ, смешанный анализ соответствий, пространственная модель.
SPATIAL VARIABILITY OF SOILS ELECTRICAL CONDUCTIVITY WITHIN ARENA OF THE RIVER DNEPR VALLEY (TERRITORY OF THE NATURAL RESERVE "DNIPROVSKO-ORILSKY")
O.V. Zhukov1, 2, O.M. Kunah1, 3, V.O. Taran1, M.M. Lebedinska2
1 Oles Gonchar Dnipropetrovsk national university. Email: [email protected] 2Dnipropetrovsk state agrarian-economic university 3 Natural reserve «Dniprovsko-Orilsky». Email: [email protected]
Within experimental range on arena of the river Dnepr in natural reserve "Dneprovsko-Orelsky" in 241 points electric conductivity of soil has been measured by two ways: in a condition of natural humidity and in a condition of a full moisture capacity. It is established that on the average electrical conductivity makes 0.068±0.002 and 0.267±0.014 dSm/m accordingly. As a result of the carried out research by us the established procedure which allows to transform point objects which contain the information on electric conductivity of soil in continual (raster) layer on the basis of established regression dependences of an investigated indicator from predictors which are received on the basis of data of remote sensing of a surface of the Earth. Canonical axes received as a result of the mixed correspondence analysis have been used as regression predictors. Continual data (digital elevation model and its derivative, vegetative and other Landsat indexes, relief and vegetative cover diversity indexes) and discrete data (results of Earth surface classification on elementary relief units and types of a vegetative cover) have been calculated by mixed correspondence analysis. The important result is dependence of electric conductivity of soil on indicators of a relief and a vegetative cover diversity.
Key words: electric conductivity of soil, digital elevation model, NDVI, regression analysis, mixed correspondence analysis, spatial model.
ВСТУП
1снують рiзнi тдходи для виявлення та картування грунтових умов, яю впливають на ieрархiчну оргашзащю екосистем (Шеин, Милановский, 2001; Жуков, 2006; Жуков и др., 2013). Для виконання цього завдання може бути використана штенсивна стратепя вщбору грунтових зразюв у комiрках регулярно! штки. Однак, такий тип штенсивного збору даних по комiрках регулярно! штки е трудомютким i витратним, що робить такий тдхщ непрактичним для застосування за умов значно! довжини дослщжувано! територи (Балюк и др., 2014). У робот Francis, Schepers (1997) був застосо-ваний метод вибiркового збору грунтових зразюв для визначення границь зон застосування добрив. Визначення мюць вщбору проб проведене на основi вщомостей про колiр грунту, текстури, куту нахилу поверхш, ерозшних характеристик. Едафiчнi властивосп впливають на спостережувану електропровщшсть грунту (ECa). Просторовий розподш цього показника в межах поля забезпечуе потенцшну можливють картування просторово! мшливосп едафiчних властивостей, грунтуючись на вщбору грунтових проб, мюце облшу яких визначаеться за ECa. У випадку, коли ECa корелюе з пев-ною грунтовою властивютю, то E^-спрямована система збору зразюв дозволить установити просторовий розподш ще! властивосп, а також оптимальну кшьюсть i мюця розташування вщбору проб для характеристики мшливосп при мiнiмiзацi! трудовитрат (Corwin et al., 2003). Також, якщо ECa корелюе iз урожайшстю, то E^-спрямована система вщбору зразюв може бути використана для щентифшацп грунтових властивостей, яю впливають на мшливють урожайносп (Corwin et al., 2003).
Важливо вщзначити, що геопpосгpоpовi вимipи ECa caMi по собi не можугь прямо характе-ризуваги просторову мiнливicть грунтових властивостей. У реальности вимipювaння ECa надають обмежену пряму iнфоpмaцiю про фiзико-хiмiчнi влacтивоcтi грунту, якi впливають на врожай та на транспорт розчинених речовин або визначають яюсть грунту. Однак спостереження за змшою в пpоcтоpi ECa забезпечують шформащею, необхiдною для оргашзаци збору aгpохiмiчних зpaзкiв. Такий пiдхiд е економiчним засобом для оптимiзaцi! збору даних про грунт (Жуков и др., 2012; Демидов и др., 2013). Мюця розташування точок вщбору проб i !х кiлькicть можуть бути визначеш на пiдcтaвi таких програмних продукпв, як ESAP (Corwin, Lesch, 2005; Балюк и др., 2014).
В алгоршм адаптивно! стратеги оптимального розмщення вiдбоpy проб для вивчен-ня просторово! оpгaнiзaцi! угруповань грунтових тварин в умовах урбашзаци у якост керуючих змiнних використаш головнi компоненти, отpимaнi в результат aнaлiзy польових даних по твердосп та електpопpовiдноcтi гpyнтiв i щшьносп деревостану, зiбpaних за квaзipегyляpною сгткою. Для встановлення просторово! конфiгypaцi! тишв бiогеоценозiв зacтоcовaнi дaнi диcтaнцiйного зон-дування землi та проведений aнaлiз цифрово! моделi рельефу (Балюк и др., 2014). В умовах сшьськогосподарського виробництва встановлений та доведений зв'язок мiж формуванням пpофiлю чорнозему за твердютю та бiологiчною пpодyктивнicтю aгpоценозiв за показниками ноpмaлiзовaного piзницевого вегетацшного iндекcy (Жуков и др., 2013; Жуков и др., 2014).
Електропровщнють грунту найбшьшою мipою вiдбивaе двi його оcобливоcтi - вологicть та мiнеpaлiзaцiю грунтового розчину (Демидов и др., 2013). Слщ вiдзнaчити, що режим вологосп еда-фотопу (пгротоп) та режим мiнеpaльного живлення (трофотоп) визначають люорослинш умови, якi формують cпецифiчнi обставини для вiдповiдного типу бюгеоценозу (Бельгард, 1950). Тому електропровщнють грунту можна розглядати як шформацшно цiнний маркер екологiчних умов.
Мета нашого доcлiдження полягае у розробщ процедури прогнозування просторово! мiнливоcтi електрично! пpовiдноcтi грунту в межах ландшафту на оcновi встановлення зв'язку спостережува-ного показника з даними, встановленими на оcновi диcтaнцiйного зондування поверхш Земль
МАТЕР1АЛИ ТА МЕТОДИ
1. Дослщний полiгон та вимipювaння електрично! провщносп грунту
Доcлiдний полiгон займае швшчно-схщну частину природного зaповiдникa «Дшпровсько-О-ршьський» (рис. 1). Лiвий нижнш кут полiгонy мае координати 48°30'34» п.ш. та 34°48'7» сх.д. Ширина полпону складае 3260 м, висота - 2850 м, таким чином загальна площа складае 930 га.
Вимipювaння електрично! пpовiдноcтi грунту (apparent soil electrical conductivity - ECa) за допомогою сенсора HI 76305 (Hanna Instruments, Woodsocket, RI) показали свою значну результа-тивнicть у проведет грунтово-еколопчних доcлiджень (Жуков и др., 2010; Пахомов и др., 2010; Коломбар та im, 2014). Цей сенсор представляе собою стальний амперметричний зонд, який може бути уведений безпосередньо у грунт. Вш працюе разом iз портативним приладом HI 993310. Тестер швидко i точно оцiнюе загальну електpопpовiднicть грунту, тобто об'еднану пpовiднicть грунтового пов^ря, грунтово! вологи та часток твердо! фази грунту. Результати вишрювань приладу представ-ленi в одиницях насиченосп грунтового розчину солями - г/л. Однак слщ вщзначити, що немае однозначного зв'язку мiж нacиченicтю грунтового розчину солями й електропровщшстю. Коефщ> ент переводу одиниць елекгpопpовiдноcтi (дСм/м - деци^менс на метр) у одинищ cолоноcтi (мг/л) вapiюе вщ 1 дСм/м=640 мг/л до 1 дСм/м=700 мг/л, що залежить вщ якicного складу розчинних солей. Поpiвняння pезyльтaтiв вимipювaнь приладом HI 76305 iз даними лабораторних дослщжень дали змогу оцiнити коефiцiент переведення одиниць: 1 дСм/м=155 мг/л (Pennisi, van Iersel, 2002; Scoggins, van Iersel, 2006).
Вимipювaння електрично! провщносп грунту проведене в 241 точщ (рис. 2). Вiдcтaнь мiж най-ближчими точками становить у середньому 30,9±1,5 м (мiнiмyм - 6,3, максимум - 136,5 м, у 95 % випадках цей показник знаходиться в дiaпaзонi 8,0-101,7 м). За допомогою шструменту «Щшьшсть ядер» (ArcGis 10.0) встановлено, що середня щшьшсть точок вимipювaнь становить 0,58 точок/га (мiнiмyм - 0, максимум - 7,8 точок/га).
У кожнш точщ вишрювання проводили у триразовш повтоpноcтi у двох вapiaнтaх. Перший вapiaнт - вимipювaння у грунп у cтaнi природно! (польово!) вологосп. Другий вapiaнт - перед ви-
мlpювaнням грунт roropeAmo звoлoжyвaвcя диcтильoвaнoю вoдoю дo cтaнy пoвнoï вoлoгoeмнocтl (Смагин, 2012).
-1-1-1-1-г
Рис. 1. Рoзмiщeння шлтэну в мeжax пpиpoднoгo зaпoвlдникy «Днiпpoвcькo-Opiльcький».
Рис. 2. Рoзтaшyвaння тoчoк вим!рювань eлeктpoпpoвlднocтi в мeжax дocлiджeнoгo шлгену.
Були зроблеш оцшки вiдповiдносгi спосгережуваних pозподiлiв електрично! провщносп нормальному, експоненцiальномy, лог-нормальному законам, а також законам гамма, Вейбулла га Па-рего. Розрахунки проведет за допомогою функци gofstat бiблiогеки fitdistrplus (Delignette-Mulle, Dutang, 2015) мови га середовища для статистичних pозpахyнкiв R (R Core Team, 2015). Бут-сгреп-процедура оцiнювання паpаметpiв pозподiлy Вейбулла та гамма-pозподiлy здшснена за допомогою функци bootdist.
Для приведення експериментальних даних по електропровщносп грунту до нормального закону розподшу для подальшого застосування трансформованих даних у pегpесiйномy аналiзi було застосоване перетворення Бокса-Кокса (Box, Сох, 1964):
Результати трансформаци суттево залежать вiд обраного значення параметру L Для його об-рання були застосоваш методи Шапipо-Уiлка, Андерсона-Дарлшга, Крамера фон Мiзеса, Пipсона х2, Шапipо-Фpанцiя, Лiллiефоpса, Жака-Бера, та метод штучно! коваpiати (Asar et al., 2014). Вщповщш розрахунки пpоведенi за допомогою функци boxcoxnc бiблiотеки AID (https://cran.r-project.org/web/ packages/AID/index.html).
Екстpаполяцiя iнфоpмацiï про електропровщшсть грунту на весь дослщжений полiгон була здiйснена за допомогою регресшного аналiзy, у якому у якост пpедиктоpiв виступають екогеогра-фiчнi змiннi, одеpжанi за допомогою даних дистанцшного зондування Землi. Цi змшш належать до двох категоpiй: висота рельефу та похщш iнфоpмацiйнi шари на основi цифpовоï моделi рельефу та вегетацшш та iншi iндекси на основi знiмкiв з супутника Landsat.
2. Екогеогpафiчнi змiннi, отримаш за допомогою даних дистанцiйного зондування Землi
Розвиток багатоканальноï космiчноï зйомки та технологш побудови тpивимipних моделей рельефу створюють новi можливостi для дослщження зв'язкiв видiв з умовами середовища та оцшки якостi мюцеперебувань (Пузаченко и др.., 2006; Жуков и др., 2011; Демидов и др., 2013; Кунах, Папка, 2016). У нашш робой використаш матеpiали з набору шструменпв Operational Land Imager (OLI), установленого на супутнику Landsat 8 (Geological Survey (U.S.), and EROS Data Center. 1900. EarthExplorer. [Reston, Va.]: U.S. Dept. of the Interior, U.S. Geological Survey. http://purl.access. gpo.gov/GPO/LPS82497). Зшмки земноï поверхш проведет в рт облту електpичноï провщносп грунту - 16 березня та 4 червня 2015 р.
Мульнспектральш сканери сyпyтникiв Landsat 8 дозволяють оцiнити величину вщбито!' pадiацiï в смyзi довжин хвиль 0,433 - 1,390 мкм iз просторовою pозpiзняючою здатнiстю 30^30 м на мюцевосп (знiмальнi канали 1 - 7, 9) i панхроматичним каналом з дозволом 15^15 м (восьмий зшмальний канал), охоплюючи в такий спошб бшьшу частину спектра сонячно!' ращаци. Зйомка здшснюеться в дев'яти спектральних дiапазонах (каналах) (умовш позначки - В1-В9), що вщповщають основним вiкнам пpозоpостi атмосфери, що забезпечуе оптимальне вщображення енергетичних характеристик для хвиль, довжина яких вщповщае максимальному сприйняттю дiяльною поверхнею.
За допомогою кокригинга з панхроматичним каналом у якосп козмiнноï шари з каналами з роздшьною здатнiстю 30 м пеpетвоpенi на шари з роздшьною здатнiстю 15 м.
Поряд iз прямими призначенням каналiв Landsat властивостi середовища селективно вщбиваються через ïx спiввiдношення (шдекси) (Moreno et al., 1999).
Перелж iндексiв (за Кунах, Папка, 2016).
2.1. 1ндекс аеpозолiв-yзбеpежжя (aerosol/coastal) (AC-Index):
(B1-B2)/(B1+B2).
1ндекс названий по iменi каналу B1 - канал узбережжя й аеpозолiв. Цей канал чутливий до концентраци аеpозолiв в атмосфера 1ншою важливою властивiстю цього каналу е можливють iнспекцiï мiлководниx прибережних i внyтpiшнix вод для оцшки опадiв, оpганiчноï речовини, ко-ралових pифiв, планкгонiв, що мiстить хлорофш. Поряд iз зазначеними можливостями, цей шдекс
якщо Я ф 0 якгцо Л = 0
може використатися для оцшки щшьносп деяких тишв рослинносп, тому що багато рослин ма-ють епiкутикулярнi восковi покриви, яю вiдбивають шкiдливi ультрафiолетовi промеш (http:// surfaceheat.sites.yale.edu/sites/default/files/Coastal%20Aerosol%20Band_1.pdf). У зв'язку з тим, що серед супутниюв Landsat такий канал з'явився вперше, то фактичних даних по застосуванню цього вдексу ще дуже мало.
2.2. Пдротермальний композит (Hydrothermal Composite), вдекс окислiв залiза (Iron Oxide) (Hydr):
B4/B2.
2.3. Глинист мiнерали (Clay Minerals) (Clay), а також простий iндекс рiллi (Simple tillage index - STI):
B6/B7.
Через наступне перетворення може бути отриманий нормалiзований диференщальний iндекс рiллi (NormalizedDifference Tillage Index - NDTI) (Van Deventer et al., 1997):
NDTI = ——.
STI +1
2.4. Нормалiзований рiзницевий вдекс рослинностi (NDVI):
(B5 - B4)/(B5 + B4).
2.5. 1ндекс рослинностi (VI) ураховуе вiдмiнностi бюмаси та особливостi типiв рослинностi: (B6 - B7)/(B7 + B6).
2.6. Нормалiзований рiзницевий водний iндекс (MNDW) чутливий до вмiсту води в зеленш бiомасi:
(B3 - B6)/(B3 + B6).
2.7. 1ндекс вологост поверхнi Землi (Land Surface Water Index, Normalized Difference Infrared Index - LSWI):
(B5-B6)/(B5+B6).
2.8. Нормалiзоване вщношення пожеж (NormalizedBurn Ratio - NBR):
(B5-B7)/(B5+B7).
2.9. 1ндекс M15 чутливий до технологи оброб^ку грунту та може розглядатися як один з варiантiв вдекав рiллi (Van Deventer et al., 1997):
(B2-B6)/(B2+B6).
3. Екогеографiчнi змшш, отриманi за допомогою цифрово! моделi рельефу
Для побудови цифрово! моделi рельефу використана шформащя з Радарно! топографiчно! мiсп шатттв (Shuttle Radar Topography Mission - SRTM) з пiксельним дозволом 30 м.
Дозвш 30 м е придатним для аналiзу на дрiбно- i середньомасштабних рiвнях, але для бшьше детальних цiлей такий дозвш е дуже грубим. Була проведена штерполящя цифрово! моделi за допомогою крийнгу (Grohmann, 2006) та одержана цифрова модель рельефу з роздшьною здатнютю 15 м. Пюля ще! операци не змiнюеться рiвень деталiзаци вихщно! моделi, але отримана поверхня, де мае мюце когеренщя кутових властивостей (тобто ухилу й аспекту) мiж сусiднiми пiкселями (Valeriano et al., 2006), що дуже важливо для кшьюсного аналiзу земно! поверхш.
На пiдставi цифрово! моделi рельефу поряд з висотою над рiвнем моря були оцiненi наступи геоморфологiчнi показники, якi застосованi як екогеографiчнi змiннi.
Перелiк геоморфологiчних показникчв (за Кунах, Папка, 2016).
2.1. Топографiчний iндекс вологостi.
Концепцiя топографiчного iндексу вологостi (topographic wetness index - TWI) вперше була запропонована К. Бiвеном i Н. Юр^ (Beven, Kirkby,1979). Топографiчний iндекс вологосп обчис-люеться за формулою:
TWI = ln(a/tanß),
де a - дренажна площа (площа водозбору, розрахована на одиницю довжини замикаючого контуру), ß - крупсть схилу (Moore et al., 1993; Жуков и др., 2011).
2.2. 1ндекс топогpафiчного положення.
1ндекс топогpафiчного положення (Topographic position index - TPI) являе собою piзницю мiж абсолютною висотою даноï точки (або осередку) i середньою висотою точок у певному бyфеpi навко-ло виxiдноï точки. Позитивнi значення TPI вщповщають опуклостям земноï повеpxнi; негативнi -зниженням; значення, близькi до нуля, можуть указувати як на piвниннy поверхню, так i середню частину схилу (Guisan et al., 1999; Демидов и др., 2013).
2.3. 1ндекс балансу геомаси.
1ндекс балансу геомаси (Mass Balance Index) розкривае топогpафiчнi передумови до руйнуван-ня та вщкладення гpyнтiв. Даний показник дозволяе виявити дiлянки з високим ступенем iмовipно-стi розвитку обсипних схилових процешв (Moeller et al., 2008). Негативш значення iндексy вказують на дiлянки з нагромадженням геомаси, таю як депреси рельефу або заплави piк. Позитивнi значення вказують на дшянки з високим ступенем ризику ерозшних пpоцесiв. Значення шдексу, близьке до нуля, указуе на дшянки з piвновагою спаду та прибутку геомаси.
2.4. Фактор ерози LS.
Еpозiйний потенцiал рельефу LS е одним з компоненнв ушверсального piвняння гpyнтовоï ерози (Universal Soil Loss Equation - USLE). LS е добутком L- i S-факгоpiв. L-фактор визначае значення довжини схилу (slope length), а S-фактор - крупсть схилу (slope steepness). Ушверсальне piвняння еpозiйниx втрат грунту (USLE), або piвняння Уiшмейеpа-Смiта, виведене в США як метод розрахун-ку сеpедньоpiчниx втрат грунту на основi узагальнення pезyльтатiв спостережень на стандартних стокових площадках довжиною 22,13 м з ухилом 9 %, проведених бшьш нiж на 8000 дшянках в 21 штатi (Митчел, Бубензер, 1984; Лисецкий, Половинко, 2012). У першш редакци USLE для описання впливу крутост схилу застосовували тангенс, а для показника ступеня при довжинi схилу - постш-ну величину, яка доpiвнювала 0,5. Изшше тангенс кута нахилу поверхш замшили на синус, тому що було встановлено, що з допомогою цiеï функци вдаеться бшьш точно вщбити вплив ухилу на схилах крупстю бшьше 3° (Wischmeier, Smith, 1978). Ерозшш втрати грунту набагато бшьш чyтливi до зм> ни крутост сxилiв, нiж до змши довжини, тому вдосконалена модель USLE - RUSLE була спрямова-на на найточшшу оцiнкy фактора крутосп сxилiв (McCool et al., 1994; Лисецкий, Половинко, 2012).
2.5. Пряма та розаяна шсоляци
Пряма та розшяна iнсоляцiï належать до категори топоклiматичниx показникiв (Boehner, Antonic, 2009). Найбшьш вiдмiтнi ваpiацiï клiматичниx патершв виникають через топоклiматичнi процеси, що вщбуваються в прикордонному шаpi Землi та мають характеристичну pозмipнiсть не бшьш шж 101 км (мезо ß масштаб) i до 103 км (мiкpо ß масштаб) (масштабш piвнi наведенi за Orlanski, 1975). Топоктматолопя е частиною клiматологiï, що займаеться вивченням впливу земноï поверхш на ^мат. Земна поверхня переважно контролюе просторову диференщащю приземних атмосферних пpоцесiв i пов'язаних iз цим ктматичних ваpiацiй (Boehner, Antonic, 2009). Сонячна pадiацiя, що попадае на земну поверхню, складаеться iз двох складових - коpоткоxвильовоï та дов-гоxвильовоï. Для обчислення коpоткоxвильовоï складовоï необxiдно враховувати оцiнкy пpямоï та дифyзiйноï компонент, якi попадають на вщкриту поверхню з оцiнкою вшх ефектiв, якi викликанi топогpафiею поверхш та специфiчниx для кожного компоненту (Boehner, Antonic, 2009).
2.6. Висота над русловою мережею
Висота над русловою мережею (Altitude above channel network), або вертикальна дистанщя до pyсловоï меpежi (Vertical Distance to Channel Network - VDTCN), е piзницею мiж висотою рельефу та висотою pyсловоï мереж (Olaya, Conrad, 2008) (рис. 3). G надшним маркером piвня грунтових вод i може бути використаний для картографи груннв (Bock, Kothe, 2008).
2.7. Рiзномасштабний iндекс гpебенiв височин i piзномасштабний iндекс тальвегiв
Алгоритм розрахунку piзномасштабного iндексy тальвегiв (Multiresolution valley bottomflatness -
MRVBF) щентиф^е тальвеги грунтуючись на наступних припущеннях: (1) тальвеги бiльш виполо-жеш та перебувають нижче ïxнього оточення; (2) тальвеги виникають у широкому дiапазонi масш-табiв; (3) бiльшi тальвеги е бiльш плоскими, шж дpiбнi (Gallant, Dowling, 2003). Значення шдексу менш 0,5 указують на те, що дана теpитоpiя не е тальвегом. Значення 0,5-1,5 указують на самi круп та малi тальвеги. Бiльш плоскi та бiльшi за pозмipами тальвеги маpкipyються значеннями iндексy бiльше 2,5.
Channel network base level
Рис. 3. Схема, що пояснюе висоту над русловою мережею (http://sourceforge.net/p/saga-gis/discussion/790705/ thread/32283cc3/).
Рiзномасштабний вдекс гребенiв височин (Multiresolution ridge top flatness index - MRRTF) e комплементарним показником попереднього iндексу. У бшьшосн клiтин растра один з шдекшв (MRVBF або MRRTF) буде мати значення менше, нiж 0,5, що буде вказувати або на наявтсть висо-чини, або тальвегу. Якщо обидва iндекси мають значення менше 0,5, то в такому випадку дшянка буде вiднесена до схилу.
2.8. Векторна мiра переаченосп мiсцевостi
Векторна мiра пересiченостi мюцевост (Vector Ruggedness Measure - VRM) ощнюе дисперсiю ортогональних до поверхш рельефу векторiв. Значення VRM мале як для плоско! мюцевосп, так i для круто! мiсцевостi, але високе для круто! та пересiчено! (Sappington et al., 2007). Переачешсть розумieться як негладкiсть поверхнi.
Геоморфолопчне рiзноманiття та рiзноманiття рослинного покриву
Цифрова модель рельефу була класифшована на елементи форми рельефу за алгоритмом 1ва-хашi та Пайка (Iwahashi, Pike, 2007). Випуклiсть обчислено як вщношення (у %) кшькосп пiкселiв з позитивною курватурою (випукт пiкселi) до загально! кiлькостi пiкселiв у межах радiусу з 10 пiкселiв. Текстуру обчислено як вщношення (у %) кiлькостi пiкселiв, як представляють «тки» або «западини» до загально! кшькосп пiкселiв у межах ращусу з 10 пiкселiв. Класифшащю рослинного покриву по вегетацшним iндексам проведено за алгоритмом гтеративно! мiнiмально! дистанцi! (Forgy, 1965). Процедури проведет в програмi SAGA (Conrad et al., 2015).
1нформащю елементи форми рельефу та типи рослинного покриву було використано для об-
числення вщповщного рельефного та рослинного р1зномашття за Шенноном: Л"
И - -1 -^Р;.1од2Р;., : =1
де i - елемент форми рельефу (тип рослинносп) у межах квадрату з стороною 3 ткселя вщнос-но фокального пiкселя, p. - частка елементу рельефу (типу рослинносп) у межах вщповщного квадрату, N - кшьюсть форм рельефу (тишв рослинносп) у межах вщповщного квадрату. Обчислення проведет за допомогою програми Fragstats 3.3 (McGarigal et al., 2002).
Змшаний аналiз вщповщностей (Mixed correspondence analysis), який е розширенням аналiзу головних компонент для континуальних та категорiальних змiнних (Hill, Smith, 1976), виконано за допомогою функци dudi.mix бiблiотеки ade4 (Dray, Dufour, 2007).
РЕЗУЛЬТАТИ
У результат проведених дослщжень нами встановленнi значення електрично! провiдностi грунту в межах дослщжуваного полiгону (табл. 1).
Таблиця 1. Статистичш характеристики електропровiдностi грунту (в дСм/м) (N = 241)
Показник Середня ±ст. помилка М1н1мум Максимум Дов1рчий штервал CV, %
2,5 % 97,5 %
ECd 0.068±0.002 0.000 0.200 0.013 0.127 50.75
EC w 0.267±0.014 0.010 1.200 0.010 0.822 83.55
Умовт позначки: ECd - електрична провщшсть грунту в умовах природно!' вологостц ECw - у сташ повно!' вологоемносн.
Аналiз даних, наведених в табл. 1 свщчить про те, що у середньому електрична провщшсть грунту становить 0.068±0.002 дСм/м. За умов попереднього зволоження зразюв грунту електрична провщшсть грунту демонструе значно вищi показники та становить 0.267±0.014 дСм/м. Мiж цими показниками юнуе статистично вipогiдний позитивний зв'язок - r = 0.41, p = 0.00. Середш значення електрично! провщносп грунту вiдpiзняються статистично (непараметричний критерш знакiв для спостережуваних значень Z = 11.85, р = 0.00).
Коливання електрично! провщносп грунту в природному сташ знаходяться в дiапазонi 0.0000.200 дСм/м. Такий дiапазон для попередньо зволоженого грунту становить 0.010-1.200 дСм/м. Слщ вiдзначити, що piвнi ваpiацi! дослiджyвано! величини у природних умовах та при попередньому зволоженш грунту значно вiдмiннi. Про це свщчить коефiцiенти ваpiацi!, яю становлять 50.75 та 83.55 % вщповщно.
Як вiдмiчае В. П. Самсонова (2008), знання законiв розподшу показникiв грунтових властивос-тей необхщне не тiльки для обгрунтованого застосування статистичних процедур, але й для бшьш глибокого pозyмiння законiв грунтотворення. Гiстогpама е важливим способом для представлення статистично! iнфоpмацi!. Аналiз пстограми (рис. 4) та вiдповiдних статистик та критерпв (табл. 2) свщчить про те, що показники електрично! провщносп грунту в сташ польово! вологосн можуть бути описанi нормальним законом розподшу (статистики Колмогоpова-Смipнова 0,05, p = n.s., Л> лiефоpса -p < 0,15, х2 = 15,64,р = 0,01). Також одержат дат можуть бути апроксимоваш розподша-ми Вейбулла та гамма-розподшом.
Розподiл значень електрично! провщносп грунту в сташ повно! вологоемносн бшьшою мipою пiдкоpяегься законам Вейбулла або гамма-розподшу.
Оцiнки паpаметpiв розподшу Вейбулла та гамма-розподшу наведеш в табл. 3. Очевидно, що електропровщшсть грунту при piзних piвнях вологосн вiдpiзняегься не тiльки за абсолютними зна-ченнями, але також за характером статистичного pозподiлy. Параметр масштабу гамма-розподшу мае значення, яке перевищуе 10, за яких гамма-pозподiл наближаеться до нормального закону.
За рядом критерив оптимальним показником тpансфоpмацi! Бокса-Кокса для даних електро-пpовiдностi грунту при повнш насиченостi вологою становить 0,42 (рис. 5). Трансформоваш даш вiдповiдають нормальному законну pозподiлy (статистики Колмогоpова-Смipнова 0,06, p = n.s., Л> лiефоpса - p < 0,05, х2 = 15,93, р = 0,04) i таким чином можуть бути застосоваш для проведення параметричних методiв статистичного аналiзy.
Для описання вардавання показникiв електрично! провщносп були застосованi екогеогpафiчнi показники, яю вiдобpажають pельефнi особливостi мiсцевостi (деяю з них наведенi на рис. 6) та особливосн рослинного покриву, вщображених за допомогою вегетацiйних iндексiв (деякi з них наведенi на рис. 7).
Висота рельефу у межах дослщженого полтону ваpiюе в дiапазонi 50.4-69.8 м. Для розподшу висот властива наявнють двох максимyмiв - 56,2 та 66,9 м. Ухил вардае в дiапазонi 0-9° з середшм значенням 1.7° та медiанним 0.7°. Топогpафiчний iндекс вологосн TWI ваpiюе в межах 5.3-13.2, що свщчить про значний дiапазон умов зволоження грунту в межах дослщженого полтону. 1ндекс топогpафiчного положення (TPI) ваpiюе в межах вщ -1.5 до 1.5. Це вщповщае у цiломy еоловому рельефу дослщжено! мiсцевостi, який властивий аренам piчок. 1ндекс балансу геомаси свiдчить про наявнють дiлянок з нагромадженням геомаси (вщ'емш значення вiд -0.18 до 0) та дшянок з ризи-ком еpозiйних пpоцесiв (позитивнi значення до 0.18. Зони накопичення геомаси найбшьшою мipою
А
0} G
Б
со
ÎD
(М Cl
О 00
0
01
о о
0 05
0 10
0 15
0.20
I-1-1-1-1-1-1
0.0 0.2 04 0.6 0.8 1.0 1.2
о
(J
оо о
о
о с!
□ о
ООО
о
щ cl
4 cl
CN о
о о
О 05
О 10
0 15
п-1-1-1-г
0.0 0.2 0.4 0.5 0.
0.20
Рис. 4. Розподш значень електропровадносп грунту. А - грунт у сташ польово1 вологостц В - грунт у сташ повно1 вологоемностц вiсь абсцис - значень електропровадносп (дСм/м); вiсь ординат гiстограми - густина спостережень (Density), CDF - штегральна функцiя розподiлу (cumulative distribution function).
Таблиця 2. Статистики та критери вщповщностей електропровiдностi грунту законам розподшу
Методи або критери Закони розподiлу
Нормальний Експоненщальний Вейбулла Гамма Лог-нормальний Парето
Грунт у сташ польово! вологосп
Статистики ввдповадностей розподшам
Колмогорова-Смiрнова 0.05 0.22 0.07 0.09 0.12 0.22
Крамера фон Мiзеса 0.15 4.43 0.23 0.56 1.25 4.43
Андерсона-Дарлiнга 1.15 23.50 1.56 3.34 7.38 23.51
Критерiï вiдповiдностей розподшам
Ашаке -933.38 -809.41 -940.20 -916.04 -841.88 -807.41
Байеса -926.41 -805.92 -933.23 -909.07 -834.91 -800.44
Грунт у сташ повноï вологоeмностi
Статистики вiдповiдностей розподшам
Колмогорова-Смiрнова 0.12 0.09 0.06 0.07 0.11 0.09
Крамера фон Мiзеса 0.87 0.42 0.11 0.15 0.68 0.42
Андерсона-Дарлiнга 5.59 2.49 0.81 1.00 4.34 2.49
Критерiï вiдповiдностей розподiлам
Ашаке -53.30 -157.58 -166.88 -164.98 -125.87 -155.58
Байеса -46.33 -154.10 -159.92 -158.01 -118.90 -148.61
Та6.пнцн 3. EyTCTpen-o^HKH napaMeTpiB po3nogi.mB e.neKTp0np0BiflH0CTi rpyHTy
napaMeTpu Ben6ynna TaMMa
MegiaHa 2.50% 97.50% MegiaHa 2.50% 97.50%
TpyHT y cTaHi nonboBoi BonorocTi
®opMH 2.03 1.84 2.24 2.81 2.40 3.35
MacmTa6y 0.08 0.07 0.09 41.39 34.75 49.85
TpyHT y cTaHi noBHoi BonoroeMHocTi
®opMH 1.20 1.08 1.32 1.31 1.11 1.54
MacmTa6y 0.28 0.25 0.31 4.96 4.09 6.03
Phc. 5. Оцiнка onTHManbHoro napaMeTpy X gna nepeTBopeHHa BoKca-KoKca.
BignoBigaroTb TanbBery 6anKH OpnoBoi' Ta 3annaBi p. npoToni, a 3ohh pu3HKy epo3iHHHx пpoцeciв 3Haxo-gaTbca Ha cxuni 6anKH OpnoBoi'. nogi6Ha KoH^irypa^a BnacTHBa gna npocTopoBoro BapiroBaHHa $aKTo-py epo3ii' LS. ^h noKa3HHK 3MiHroeTbca y Me^ax Big 0 go 0.72. npaMa rncona^a Bapiroe Big 1044.6 go 1109.4 KBT*rog/M2, a gH$y3Ha rncona^a - 239.7-240.4 KBT*rog/M2. Y ricTorpaMi po3noginy ocraraboro noKa3HHKa HaaBHi gBa MaKcuMyMH - 240 Ta 240.3 KBT*rog/M2. MiHiMyM gH^y3Hoi' rncona^i cnocrepi-raeTbca Ha cxuni niBHinHo-cxigHo! eKcno3H^i' 6anKH OpnoBoi' Ta y 3oHi KoHTaKTy ni^aHoro cTeny Ha apeHi Ta nicoBux Hacag^eHb. MaKcuMyM gu^y3Hoi rncona^i BnacTHBHH 6e3nicuM npocTopaM y 3annaBi p. npoToni.
BucoTa Hag pycnoBoro Mepe^ero e gocuTb yMoBHHM noKa3HHKoM rnu6HHH rpyHToBHx Bog oco6nu-bo 3a yMoB nepeBa^Ho ni^aHux rpymoTBopHux nopig y Me^ax apeHH p. flmnpo. Thm He MeHm, ^h noKa3HHK TaKo^ Bigo6pa^ae Bapia6enbHicTb eKonorinHux yMoB, o6yMoBneHy penbe^oM. ^h noKa3HHK 3MiHroeTbca Big 0 go 1.1 m 3 MegiaHHHM 3HaneHHaM 0.12 m.
CTaTucTHHHHH po3nogin 3HaneHb pi3HoMacmTa6Horo iHgeKcy rpe6eHiB bhcohhh i pi3HoMacmTa6Ho-ro iHgeKcy TanbBeriB MaroTb 6araroBepmHHHHH «nunnacTHH» xapaKTep, 3HanHo BigMiHHHH Big HopManb-Horo po3noginy Ta TaKHH, ^o He Mo»e 6yra TpaHc^opMoBaHHH go HopManbHoro po3noginy. Цe po6uTb HeMo^nuBHM 3acTocyBaHHa цнx noKa3HHKiB y craTHcTHHHHx po3paxyHKax gna BH3HaneHHa 3B'a3Ky 3 iH-muMH noKa3HHKaMH. Цi rngeKcu MaroTb caMocriHHe 3HaneHHa, aKe BignoBigae IxHiM Ha3BaM.
Po3nogin 3HaneHb BeKTopHoi Mipu nepecineHocri мicцeвocтi HaM6inbmoro Miporo Mo»e 6yra onu-caHHH eKcnoHeH^anbHHM 3aKoHoM. ^h noKa3HHK niTKo igemu^iKye ginaHKH gocnig^eHoro noniroHy 3 nepecineHHMH «HernagKHMH» noBepxHaMH, gna aKux BnacTHBe 3HanHe BapiroBaHHa eKonorinHux yMoB.
Y npocTopoBoMy acneKTi TaKi ginaHKH HaM6inbm xapaKTepHi gna y3nicHux мicцeпepe6yвaнb - cxu-ny 6anKH OpnoBoi, 3ohh KoHTaKTy nyroBux Ta nicoBux yrpynoBaHb b 3annaBi p. npoToni, a TaKo^ y 3oHi
50 54 58 62 66 70 74 0 0.25 0.5 0.75 1 1.25 1.5 1.75 2
0 0.6 1.2 1.8 2.4 3 7 8 9 10 11 12 13 14 15 16
238.6 239.2 239.8 240.4 1005 1050 1095 1140
Рис. 6. Цифрова модель рельефу та просторове варшвання похвдних шформацшних шарiв.
Умовт позначки: DEM - цифрова модель рельефу, м; TWI - топографiчний iндекс вологосп; Diff - дифузна
та Dir - пряма шсолящя (з 10 квггня по 30 серпня 2015 р., в КВт*год/м2).
Рис. 7. Просторове варшвання 1ндекс1в, одержаних на основ1 зшмшв з супутника Landsat 16 березня та 4 червня 2015 р.
контакту тщаного степу та люу. Слщ вщзначити, що переважна бiльшiсть лiсових насаджень у межах дослщженого полпону мае штучне походження. Досить ч^ка вiдповiднiсть узлiсь геоморфоло-гiчним утворенням свiдчить про те, що стшки штучнi лiсовi насадження формуються там, де рашше вiрогiдно iснували природш лiсовi угруповання, тобто в умовах геоморфолопчно! вiдповiдностi. Штучнi лiсовi насадження, сформоваш в неприродних мiсцях зникли внаслщок пожеж.
Були застосованi зшмки поверхнi Землi для обрахування вегетацшних iндексiв, зробленi ран-ньою весною та вл^ку для бiльш чггко! диференщаци хвойного та широколистяного люових бюге-оценозiв. Також ранньою весною при незначному рiвнi розвитку рослинного покриву бшьш чiтко можуть бути вщображеш особливостi грунтового покриву за допомогою таких iндексiв, як шдекс глинистих мiнералiв, LSWI, NBR, M15.
Розглянуп показники рельефу та вегетацшш та iншi iндекси мають характер континуальних змiнних. За допомогою класифшацшних процедур вони можуть бути перетвореш у категорiальнi змiннi, якi позначають якiснi стани ландшафтного покриву - елементарш форми рельефу та типи рослинного покриву. Саме щ категорiальнi змiннi е основою для обчислення показникiв ландшаф-тно-екологiчного рiзноманiття.
В основi видiлення форм рельефу за Iвахашi та Пайком (Iwahashi, Pike, 2007) знаходиться кон-цепцiя геометрично! сигнатури, яка поеднуе три властивосп рельефу: градiент схилу, вгнутiсть по-верхнi та текстура. Рiзне поеднання цих ознак надае можливостi видшяти 8, 12 або 16 тишв елемен-тiв рельефу (рис. 8). Цифрова модель рельефу була класифшована з видшенням 16 типiв елементв рельефу (табл. 4). Кожному типу рельефу вщповщають певнi рiвнi геоморфолопчних характеристик, власне за якими щ типи встановленi - нахил, текстура та випуклють.
Таблиця 4. Типи елеменпв рельефу за Iвахашi та Пайком та ix характеристики у межах дослщженого полiгону
№ Типи елеменпв рельефу Частка площ1, % Нахил, о Текстура Випуклють
1 Малий ухил, груба текстура, мала випуклють 3.55 0.38 40.39 42.42
2 Малий ухил, тонка текстура, мала випуклють 3.33 0.33 51.49 44.65
3 Малий ухил, груба текстура, значна випуклють 2.80 0.37 40.10 56.93
4 Малий ухил, тонка текстура, значна випуклють 4.62 0.32 51.75 54.89
5 Дуже значний ухил, груба текстура, мала випуклють 13.33 2.97 34.80 43.73
6 Значний ухил, груба текстура, мала випуклють 10.43 1.29 39.02 43.56
7 Пом1рний ухил, груба текстура, мала випуклють 5.48 0.72 40.43 43.04
8 Дуже значний ухил, тонка текстура, мала випуклють 7.20 2.47 43.83 44.47
9 Значний ухил, тонка текстура, мала випуклють 4.84 1.23 47.27 44.51
10 Пом1рний ухил, тонка текстура, мала випуклють 3.01 0.69 50.69 45.32
11 Дуже значний ухил, груба текстура, значна випуклють 16.02 3.13 34.95 56.39
12 Значний ухил, груба текстура, значна випуклють 9.03 1.30 38.59 56.70
13 Пом1рний ухил, груба текстура, значна випуклють 4.30 0.73 39.76 56.75
14 Дуже значний ухил, тонка текстура, значна випуклють 4.84 2.46 43.05 54.81
15 Значний ухил, тонка текстура, значна випуклють 3.87 1.18 47.65 53.88
16 Пом1рний ухил, тонка текстура, значна випуклють 3.33 0.70 50.75 55.38
Домiнуючими за площею елементами рельефу е № 11 (для типiв немае скорочених назв, тому будемо посилатися на них за нумеращею в табл. 4) (16.02 %), № 5 (13.33 %) та № 6 (10.43 %). Загаль-ними особливостями для цих титв е груба текстура та мала або значна випуклють. Ц типи рельефу вщповщають зош контакту урочищ арени р. Дшпро з урочищами заплави р. Проточi та балкою Ор-ловою. Необхщно вiдмiтити, що вказаш елементарнi типи рельефу у просторi розташованi взаемно скоординовано що свщчить про те, що вони складають разом вiдповiднi форми мезорельефу мюце-востi - арену з еоловими горбами та балка i заплава.
Phc. 8. Knacu^iKan,ia $opM pente^y 3a iBaxami Ta naHKoM (Iwahashi, Pike, 2007).
Рис. 9. Типи рослинного покриву за даними дистанцшного зондування Земл1. Бюлоггчний вгсник МДПУ ¡мет Богдана Хмельницького 6 (2), 2016
Класифшащя поверхш Землi на основi вегетацiйних та шших iндексiв Landsat дозволили виокремити 12 титв рослинного покриву (рис. 9). На основi елементарних форм рельефу та ти-шзаци рослинного покриву були встановлеш показники рельефного рiзноманiття та рiзноманiття рослинного покриву, яю можна розглядати у якост аспектiв ландшафтно-екологiчного рiзноманiття (рис. 10).
Розглянутих змiнних значна кiлькiсть, вони представлеш як категорiальними (фактори), так i континуальними (кiлькiсними) змiнними, а також щ змiннi переважно мшкпколшеарш, або взаемо-пов'язанi. Остання обставина обумовлена математичними причинами - ус геоморфолопчш змiннi е похiдними вщ цифрово! моделi рельефу, тобто е наслщком певних математичних обчислень з да-ними по висотi рельефу. Вегетацшш iндекси також тiльки умовно вщображають певнi особливостi, але у кшцевому результатi вони усi вщдзеркалюють властивостi рослинного покриву як цшюного утворення, чим обумовлено кореляцiя мiж вегетацiйними iндексами. Завдання зниження розмiр-ностi простору, в якому вщображаеться дослiджуване явище, а також штеграци категорiальних та континуальних змiнних з одержанням взаемно нескорельованих змiнних може бути виршене за до-помогою змiшаного аналiзу вiдповiдностей (Hill, Smith, 1976). Кшькють канонiчних осей, яю за-лишенi для подальшого аналiзу, встановлено за критерiем «кам'янисто! осипи» Д. Кеттела (Cattel, 1966). На граф^ (рис. 11) власних чисел встановлюеться мiсце рiзкого перегину («осипу»), яке вiдповiдае необхiднiй кiлькостi каношчних осей (або головних компонент).
Axisl Axis2 AXL53
К-ИОО КЧООО 6Ö4ÖOO 6i5000 6JiM0 KiOOO 634500 KSOOO
Рис. 11. Ранжован1 значения власних чисел каношчних осей та просторове варшвання перших п'ятьох кано-шчних осей. Стр1лка вказуе на м1сце р1зкого перетину посл1довност1 власних значень.
Встановлено, що для подальшого аналiзу можуть бути залишенi п'ять каношчних осей. Вони разом пояснюють 53.7 % загально! iнерцil простору ознак.
Каношчна ось 1 пояснюе 24.1 % шерцп. Вона характеризуеться позитивними навантаженнями змiнних, якi характеризують рiзни типи лiсових (соснових та широколистяних) насаджень та не-гативними, яю характеризують пiщаний степ, луговi, болотш та чорнокленовники та тополевники (табл. 5). Найбшьшим позитивним факторним навантаженням характеризуеться елементарна форма рельефу з дуже значним ухилом, грубою текстурою та значною випуклютю, а найбшьшим нега-тивним - з малим ухилом, тонкою структурою та малою випуклютю. Каношчна ось 1 позитивно корелюе з шдексом рiзноманiття рослинного покриву (г = 0.30, р = 0.00) та негативно з шдексом рельефного рiзноманiття (г = -0.14, р = 0.00).
Канонiчна ось 2 пояснюе 12.5 % шерци. Ця ось прогисгавляе сосновi насадження (1, 2 га 3) га бологно-лукову рослиншсть га луки. Бологно-луковим га луковим угрупованням найбiльшою мipою вiдповiдае елементаpнi гипи рельефу з малим або помipним ухилом, грубою гекстурою га малою випyклiстю. Каношчна ось 2 негагивно корелюе з шдексом piзноманiгтя рослинного покриву (r = -0.19, p = 0.00) та з шдексом рельефного piзноманiггя (r = -0.30, p = 0.00).
Таблиця 5. Навантаження тишв рослинного покриву, елементарних форм рельефу, висоти рельефу та похщних показникчв та вегетацiйних iндексiв Landsat на головнi осi змiшаного ана-лiзу вiдповiдностей
Змшш Каношчш оа
CA1 CA2 CA3 CA4 CA5
Типи рослинного покриву та його р1зноманитя*
Veg_1 -0.09 -0.30 0.84 0.03 -0.09
Veg_2 0.19 -0.28 0.11 -0.26 0.40
Veg_3 -0.06 -0.50 0.30 -0.11 -0.46
Veg_4 0.07 -0.31 -0.21 0.29 -0.16
Veg_5 0.04 -0.09 -1.11 0.92 0.23
Veg_6 -0.36 0.34 -0.07 -0.15 0.70
Veg_7 -0.43 0.23 0.00 -0.02 -0.48
Veg_8 -0.13 0.04 0.08 0.23 -0.10
Veg_9 0.44 0.76 0.69 0.72 -0.67
Veg_10 0.32 0.52 0.06 -0.57 0.14
Veg_11 0.23 0.00 -0.70 -0.58 -0.12
Veg_12 0.28 0.42 0.49 0.41 0.05
SHDI_veg 0.08 -0.07 -0.13 0.02 -0.17
Елементарш форми рельефу та його р1зноманггтя*
LandForm_1 -0.05 -0.24 0.03 0.45 0.02
LandForm_2 -0.16 -0.13 -0.06 0.57 -0.06
LandForm_3 -0.04 0.13 0.20 0.11 0.81
LandForm_4 -0.15 -0.09 0.30 0.15 0.31
LandForm_5 0.04 0.01 -0.29 -0.13 -0.73
LandForm_6 -0.02 -0.17 0.00 0.30 -0.12
LandForm_7 -0.06 -0.21 -0.02 0.39 0.05
LandForm_8 -0.03 -0.06 -0.03 -0.16 -0.29
LandForm_9 -0.07 -0.17 0.10 0.25 -0.16
LandForm_10 -0.14 -0.18 -0.01 0.47 -0.11
LandForm_11 0.16 0.30 -0.15 -0.55 -0.11
LandForm_12 0.03 0.12 0.15 -0.07 0.67
LandForm_13 -0.01 0.10 0.20 0.05 0.90
LandForm_14 0.10 -0.03 0.01 -0.22 -0.04
LandForm_15 -0.08 -0.05 0.25 0.07 0.29
LandForm_16 -0.14 -0.02 0.31 0.13 0.37
SHDI_Landform -0.04 -0.11 0.10 0.20 0.26
Висота рельефу та И похвдш показники*
dem 0.01 0.28 0.04 -0.17 0.20
twi -0.12 -0.19 0.08 0.30 0.13
wind 0.06 0.18 0.08 -0.22 0.36
alt 0.05 0.01 -0.05 -0.20 0.07
ls 0.07 0.10 -0.18 -0.26 -0.33
tpi 0.04 0.12 0.09 -0.20 0.32
diff_insol -0.06 -0.25 0.08 0.29 0.06
dir_insol -0.04 -0.05 0.22 0.13 0.13
Beгeтaцiйнi тa шш1 iндeкcи, oдepжaнi нa ocнoвi зйoмки з cyпyтникy Landsat**
ac_04_06 0.24 -0.12 -0.04 -0.01 0.09
ac_16_03 0.20 0.13 -0.12 0.13 0.12
chlor_a_04_06 0.20 -0.21 0.00 -0.14 0.06
chlor_a_16_03 0.13 0.11 0.39 -0.01 -0.14
gr_ndvi_04_06 0.20 -0.22 0.01 -0.12 0.04
gr_ndvi_16_03 0.10 0.06 0.44 -0.06 -0.16
hydr_04_06 -0.24 0.12 0.05 0.01 -0.08
hydr_16_03 -0.19 -0.17 0.11 -0.14 -0.11
m15_04_06 0.22 0.07 -0.11 0.16 0.00
m15_16_03 0.19 0.19 -0.16 0.19 0.02
mndw_04_06 0.22 0.05 -0.10 0.17 -0.05
mndw_16_03 0.18 0.20 -0.14 0.19 0.00
nbr_04_06 0.23 -0.18 -0.01 -0.06 0.02
nbr_16_03 0.22 0.14 0.13 0.12 -0.09
ndb4b3_04_06 0.23 -0.18 -0.02 -0.03 0.03
ndb4b3_16_03 0.17 0.23 -0.01 0.15 0.04
ndti_04_06 0.21 -0.22 0.01 -0.09 0.04
ndti_16_03 0.16 -0.16 0.22 0.00 -0.07
ndvi_04_06 0.21 -0.21 0.00 -0.10 0.04
ndvi_16_03 0.15 0.14 0.35 0.01 -0.12
lswi_04_06 0.23 -0.17 -0.02 -0.05 0.02
lswi_16_03 0.20 0.20 0.08 0.14 -0.08
* - nopagoR титв peльeфy тa pocлиннocтi вiдпoвiдaють nopagRy нa pиcyнкax 7 тa 8; ** - cкopoчeння mgeR^ -див. «Maтepiaли тa мeтoди».
Kaнoнiчнa ocь 3 пoяcнюe 6.5 % mepujü. Ця ocь пpoтиcтaвляe cocнoвi нacaджeння i тaким титам pocлиннocтi, як вoлoгi луки, луки з poзpiджeнним пoкpивoм, тoпoлeвники, нacaджeння aкaцiï тa cocнoвi нacaджeння 3. Cocнoвe нacaджeння i пoв'язaнe з eлeмeнтapними фopмaми peльeфy, в якж мaлий aбo пoмipний yxил, тонга тeкcтypa тa знaчнa випyклicть. Koмплeкc пpoтилeжниx зa цieю вю-^ типiв pocлиннoгo пoкpивy пoв'язaний з фopмaми peльeфy, у якиx дyжe знaчний yxил, тoнкa тeк-ciypa тa знaчнa випyклicть. Kaнoнiчнa o^ 3 нeгaтивнo кopeлюe з iндeкcoм piзнoмaнiття pocлиннoгo пoкpивy (r = -G.25, p = G.GG) тa тазит^^ - з iндeкcoм peльeфнoгo piзнoмaнiття (r = G.i9, p = G.GG).
^ш^чта ocь 4 гояотюе 6.i % iнepцiï. Ця o^ пpoтиcтaвляe вoлoгi луки тa cocнoвi нacaджeння i тaким pocлинним yгpyпoвaнням, як cocнoвi нacaджeння 2 тa тoпoлeвники i нacaджeння aкaцiï. Cocнoвe нacaджeння i тa вoлoгi луки пoв'язaнi з eлeмeнтapними фopмaми peльeфy, в якиx мaлий aбo пoмipний yxил, гpyбa aбo тонга тeкcтypa тa мaлa випyклicть. Koмплeкc пpoтилeжниx зa цieю вiccю тишв pocлиннoгo пoкpивy пoв'язaний з фopмaми peльeфy, у якиx дyжe зтачний yxил, гpyбa тeкcтy-pa тa знaчнa випyклicть. Kaнoнiчнa ocь 4 xapaктepизyeтьcя дyжe мaлим кoeфiцieнтoм кopeляцiï з iндeкcoм piзнoмaнiття pocлиннoгo го^иву (r = G.G4, p = G.GG) тa знaчним пoзитивним кoeфiцieнтoм кopeляцiï з iндeкcoм peльeфнoгo piзнoмaнiття (r = G.39, p = G.GG).
Канонiчна ось 5 пояснюе 4.5 % шерци. Ця ось протиставляе пiщаний степ таким типам рослин-ностi, як сосновi насадження 1, пiщаний степ еродований та болотно-лукова рослиннють. Пщаний степ пов'язаний з елементарними формами рельефу, в яких малий або помiрний ухил, груба текстура та значна випуклють. Комплекс протилежних за щею вiссю типiв рослинного покриву пов'язаний з формами рельефу, у яких дуже значний ухил, тонка текстура та мала випуклють. Каношчна ось 5 негативно корелюе з шдексом рiзноманiття рослинного покриву (г = -0.27, р = 0.00) та позитивно - з шдексом рельефного рiзноманiття (г = 0.41, р = 0.00).
Каношчш ос було застосовано у якост предикторiв у лiнiйнiй регресiйнiй моделi для прогно-зування значень електрично! провiдностi грунту (табл. 6).
Таблиця 6. Регресшний аналп залежностi електричноТ провiдностi грунту вiд канонiчних осей
Предиктори Грунт у сташ польово!' вологосп, R2 = 0.21 Грунт у сташ повно! вологоемносп, R2 = 0.35
Коефщ1ент±ст. помилка Р1вень в1ро пдносп Код Коефщ1ент±ст. помилка Р1вень в1ро-гадносп Код
Константа 0.055±0.003 0.000 *** -1.388±0.037 0.000 ***
CA1 0.004±0.001 0.000 *** 0.063±0.011 0.000 ***
CA2 -0.003±0.001 0.009 ** -0.113±0.014 0.000 ***
CA3 -0.004±0.001 0.003 ** -0.048±0.016 0.004 **
CA4 -0.005±0.001 0.000 *** -0.016±0.016 0.316 -
CA5 0.002±0.001 0.124 - -0.064±0.017 0.000 ***
коди статистично! в1ропдност1 - '***' - <0.001; '**' - < 0.01.
Обpанi предиктори здатнi пояснити 21 % ваpiабельностi електрично! провщност грунту в станi польово! вологосп та 35 % - у сташ повно! вологоeмностi. Якiсний аспект регресшних моделей для двох способiв вимipювання електрично! пpовiдностi значно подiбний. Вiдмiнностi полягають в тому, що для стану польово! вологостi статистично не вipогiдним е вплив вю 5, а для повно! воло-гоeмностi - вiсi 4.
Одержат моделi е основою для прогнозування просторово! мiнливостi електрично! провщно-ст грунту в межах всього дослщного полiгонy на основi iнфоpмацiю про просторове ваpiювання змiнних-пpедиктоpiв (рис. 12). Для регресшно! моделi електрично! провщносп грунту в станi повно! вологоемносп пiсля прогнозування було здiйснене зворотне перетворення Бокса-Кокса.
ОБГОВОРЕННЯ
Електрична провщнють грунту - штегральна властивiсть грунту, яка вщдзеркалюе комплекс ш-ших властивостей. Ваpiацiя вологостi грунту, мiнеpалiзацi! грунтового розчину, емностi поглинання, гранулометричного та агрегатного складу та багатьох шших грунтових властивостей призводять до мшливост електpопpовiдностi. Це обумовлюе те, що електропровщнють виступае у якост i^^ra-тора константностi грунтових властивостей: якщо змiнюеться у пpостоpi (або у чаш) яка-небудь з багатьох вказаних властивостей, то це буде супроводжуватися мшливютю електропровщносп грунту. Bip^ зворотне: константнiсть електpопpовiдностi з великим piвнем ймовipностi свiдчить про константнють iнших властивостей грунту.
Електропровщнють також безпосередньо пов'язана з еколопчною характеристикою грунту як середовища юнування живих оpганiзмiв. Це обумовлене штегральним зв'язком з iншими власти-востями, яш власне i створюють таю умови. Насамперед слщ вiдзначити зв'язок з вологютю та мiнеpалiзацiею грунтового розчину. Ц фактори пов'язанi з такими бюгеоценотичними концептами, як пгротоп та трофотоп, якi за О. Л. Бельгардом (1950) визначають типолопчш особливостi бюгео-ценозiв у степовш зонi Укра!ни.
Також технiчною особливютю, яка набувае принципового значення, е швидкють вимipювання цього показнику, що надае можливостi за вiдносно короткий термш зiбpати значний об'ем шфор-
150
Жушв O.B., Kyrnx O.M., Тapaн B.O., Лeбeдинcькa M.M.
48°31'20"N'
48°31'0"N-
А
250 500 1 000 M
i ' I i ' i I
34°48'30"E
34°49'0"E
ECprd
I 0.003-0.026 0.027-0.034 0.035-0.042 0.043-0.05 0.051 - 0.056 0.057 - 0.062 0.063-0.069 0.07 - 0.076 I 0.077-0.084 I 0.085-0.115
34°49'30"E
48°31'0"N-
0 250 500
1_I_I_I_I_
1 000 M _l_I_I
0-0.008
0.009-0.02
0.021 - 0.042
0.043 - 0.078
0.079-0.138
0.139-0.24
0.241 -0.411
0.412-0.699
0.7-1.183
1.184-1.997
Б
Рис. 12. ^ocTOpobe sap^ban^ enera^^^! ^obi^ocn (в дCм/м), пoбyдoвaнe та ocTOßi кoвapiaт, oдepжaниx зa дoпoмoгoю дaниx диcтaнцiйнoгo зoндyвaння Зeмлi. А - гpyнт у cram пoльoвoï вoлoгocтi; B - фунт у cтaнi пoвнoï вoлoгoeмнocтi.
маци без проведення виграгних лаборагорних дослщжень. Принципове значення виникае внасл> док того, що ця особливiсгь дозволяе засгосовуваги електричну пpовiднiсгь грунту для проведення просторових дослiджень. Вивчення просторових патершв мiнливостi екологiчних та грунтово-еко-лопчних властивостей потребуе значного об'ему даних у межах певно! територи. Витратнють у широкому сенсi - часу, ресуршв, логiстичнi потреби - суттево обмежують використання класичних грунтознавчих показниюв у дослiдженнях в галyзi просторово! або ландшафтно! екологи.
Електрична провщшсть грунту може розглядатися як шдикативна експpес-оцiнка ваpiювання грунтових властивостей, яку можна використовувати для оптимiзацп стратеги збору шших грунтознавчих або еколопчних показникiв, якi бiльш витратш за процедурою свого визначення. Також елекгропровщнють може виступати у якост кiлькiсного iнстpyментального показника таких бюге-оценотичних властивостей, якi визначаються за фiтоiндикацiйним оцiнюванням (Бельгард, 1950, Didukh, 2011) - тpофнiсть та режим вологост едафотопу.
Для визначення електрично! пpовiдностi грунту в польових умовах застосовано два шдходи -це вишрювання в гpyнтi з польовою вологiстю та вимipювання при штучному зволожеш до стану повно! вологоемностг Останнiй прийом забезпечуе поpiвняннiсть одержаних даних, тому що шве-люе ваpiабельнiсть вологостi як найважлившо! грунтово! властивостi.
Рiвнi елекгpопpовiдностi грунту в межах дослщженого полiгонy навiть не наближаються до граничних, якi позначають токсичний вплив розчинних солей (2 дСм/м за Смагин и др., 2006). Мак-симальне встановлене значення елекгропровщносп доpiвнюе 1.2 дСм/м. Пщаш грунти на аpенi мають електричну провщшсть нижчу, шж поpiг чутливост прибору.
Грунтуючись на пiдходi В. П. Самсоново! (2007), piвень вардавання грунтових властивостей можна вiднести до категорп слабко! ваpiабельностi (CV = 7-15, дiапазон ваpiювання 5-28 %), по-мipно! ваpiабельностi (CV = 18-32, дiапазон ваpiювання 8-40 %) i сильно1 ваpiабельностi (CV = 39-75, дiапазон ваpiювання 20-150 %). Близька класифшащя piвнiв ваpiабельностi запропонована А. Ваppiком i Д. Шельсеном (Warrick, Nielsen, 1980), вiдповiдно до яко! видiляються низький piвень ваpiабельностi (CV < 12 %), сеpеднiй (12 < CV < 60 %) i високий (CV > 60 %).
За одержаними коефщентами ваpiацi! електричну пpовiднiсть грунту в межах дослщженого полпону можна визначити як сильно ваpiабельний за Самсоновою або високо ваpiабельний за Вар-piком та Нiельсеном. У межах окремого бюгеоценозу електpопpовiднiсть характеризуеться помip-ним piвнем ваpiацil в дубняку зi свiжим piзнотpав'ям (CV = 24.8 %) (Жуков и др., 2015), або сильним piвнем ваpiацil в дубняку в балщ Орлова (CV = 48.6 %), на лугу (CV = 105.8 %) та болот (CV = 128.9 %) (неопублшоваш даш). Таким чином, ваpiабельнiсть електрично! провщносп грунту характеризуеться у цшому сильним piвнем ваpiацi! як у межах окремого бюгеоценозу, так i на ландшафтному piвнi. У цьому проявляе себе самоподiбнiсть дослiджyваного показника на piзних iеpаpхiчних piвнях.
Електpопpовiднiсть грунту в сташ природно! вологостi може бути описана нормальним законом розподшу. Цей закон описуе випадковi процеси, якi е результатом впливу багатьох фактоpiв, серед яких важко встановити найважливiший. Очевидно, що випадкове спiввiдношення факгоpiв вологостi грунту та мiнеpалiзацi! грунтового розчину призводять до такого закону рас подшу елек-тpопpовiдностi.
Для електpопpовiдностi у сташ повно! насиченост вологою ключовим фактором вардавання стае мiнеpалiзацiя грунтового розчину, а найбшьш адекватним законом pозподiлy стають гамма-роз-подiл або розподш Вейбулла. Закон Вейбулла е двохпараметричним ушверсальним pозподiлом, який при вщповщних параметрах перетворюеться у нормальний, експоненщальний або iншi типи pозподiлiв. Якщо параметр форми доpiвнюе 3.3, то розподш Вейбулла близький до нормального закону. Параметр форми розподшу Вейбулла для елекгропровщносп у сташ польово! вологосп ста-новить 2.03, що вказуе на його наближенють до нормального закону поpiвняно зi станом повно! вологоемносп, для якого параметр форми становить 1.2.
Просторове вардавання електрично! провщносп грунту на ландшафтному piвнi може бути обу-мовлене фактором рельефу та фактором оргашзацп рослинного покриву. Рельеф е важливим фактором грунтоутворення, який перерозподшяе вологу та таким чином впливае на перемщення розчинних солей. Кpiм того, рельеф вщображае процеси перемщення геомас, що пов'язане з просторовою
мшливютю гранулометричного складу грунтв. Ц властивост грунту визначають ваpiювання його електpопpовiдностi. Рельеф кшькюно охарактеризований за допомогою цифрово! моделi рельефу та сyкyпностi похщних геомоpфологiчних показникiв. Якiсний аспект геоморфолопчно! оpганiзацi! рельефу дослiдженого полiгонy охарактеризований за допомогою встановлення елементарних титв рельефу за Iвахашi та Пайком (Iwahashi, Pike, 2007). Такий шдхщ дозволяе у межах вiдносно piв-нинного рельефу видiлити достатню кшькють елементiв pельефiв для описання його piзноманiггя за допомогою iндексy Шеннона.
Мiж електpопpовiднiстю грунту та рослинним покривом юнуе взаемний зв'язок. З одного боку, електропровщнють грунту маркуе найважливiшi аспекти екологiчного простору рослин - вологють та мiнеpалiзацiя грунтового розчину. З шшого боку, пертинентний вплив рослин обумовлюе вар> абельнють електpопpовiдностi. Цим пояснюеться вибip вегетацшних та iнших iндексiв Landsat як шформацшних маpкеpiв для побудови моделi ваpiювання електpопpовiдностi у межах дослщженого полiгонy. Також була проведена процедура класифшащя типiв pослинностi за !х спектральними властивостями та встановленi показники piзноманiггя рослинного покриву.
Пеpспективнi змшш-предиктори були пiдданi змiшаномy аналiзy вщповщностей, який дозволив зменшити проспр ознак до 19 канонiчних змшних (власнi числа яких були бшьше 1) або до 5 (за кpитеpiем Кеттела). Останне piшення обране як головне, так як ще важливим кpитеpiем для визначення кшькост канонiчних змiн е можливiсть !х iнтеpпpетyвати. Поряд з наведеною якюною iнтеpпpетацiею канонiчних змiнних слiд особливо шдкреслити ту особливiсть, що вс вони характе-ризуються значною роллю показнишв рельефного piзноманiггя та piзноманiггя рослинного покриву. Статистично вipогiдний характер каношчних осей як пpедиктоpiв електропровщносп вказуе також на значення ландшафтно-еколопчного piзноманiггя як фактору ваpiювання грунтових властивостей.
При обчисленнях показникiв ландшафтно-еколопчного piзноманiггя (рослинного або рельефного його аспектов) ураховуеться просторовий контекст - кшькють якюних типiв покриву, що знахо-дяться навколо дано! точки простору. Саме ця кшькють виражена як piзноманiггя також виступае як чинник, який впливае на вардавання грунтових властивостей.
ВИСНОВКИ
У результат проведеного дослiдження нами встановлена процедура, яка дозволяе трансформу-вати точковi об'екти, якi мiстять шформащю про електричну пpовiднiсть грунту в континуальний (растровий) шар на основi визначено! pегpесiйно! залежностi дослiджyваного показника вщ пре-диктоpiв, якi встановлеш на основi даних дистанцiйного зондування поверхш Землi. Предикторами виступають каношчш ош, якi одеpжанi внаслiдок змшаного аналiзy вiдповiдностей, якому пiддали континуальш данi (цифрова модель рельефу та !! похiднi, вегетацiйнi та iншi iндекси Landsat, значення рельефного piзноманiггя та piзноманiггя рослинного покриву) та дискретш данi (результати класифшаци повеpхнi Землi на елементаpнi рельефш одиницi та типи рослинного покриву). Важливим результатом е залежнють електрично! провщносто грунту вiд показнишв рельефного piзноманiт-тя та piзноманiггя рослинного покриву.
ПЕРЕЛ1К Л1ТЕРАТУРИ
Балюк Ю.А. Адаптивная стратегия отбора проб для оценки пространственной организации сообществ почвенных животных урбанизированных территорий на различных иерархических уровнях / Ю. А. Балюк, О. Н. Кунах, А. В. Жуков, Г. А. Задорожная, Д. С. Ганжа // Биологический вестник Мелитопольского государственного педагогического университета имени Богдана Хмельницкого. - 2014. - № 4 (3). - С. 8-33. Бельгард А. Л. Лесная растительность юго-востока УССР / А. Л. Бельгард // Киев.: Изд-во КГУ, 1950. - 263 с. Демидов А. А. Пространственная агроэкология и рекультивация земель: монография / Демидов А.А., Кобец
А.С., Грицан Ю.И., Жуков А.В. - Днепропетровск: Изд-во «Свидлер А.Л.», 2013. - 560 с. Жуков А. В. Экоморфическая организация сообществ мезопедобионтов дубняка со свежим разнотравьем на арене р. Днепр / А. В. Жуков, О. Н. Кунах, В. А. Новикова // Известия Харьковского энтомологического общества - 2015. - Т. XXIII, вып. 2. - С. 39-53. Жуков А. В. Ландшафтная экология как основа пространственного анализа продуктивности агроценозов / А. В. Жуков, О. Н. Кунах, Г. А. Задорожная, Е. В. Андрусевич // Еколопя та ноосферолопя, 2013. - Т. 24, № 1-2. - С. 68-80.
Жуков А. В. Иерархическая организация экологического разнообразия растительности гехноземов / А. В. Жуков, О. Н. Кунах, Г. А. Задорожная, Е. В. Андрусевич // Бюлопчний вюник МДПУ iM. Б. Хмельницького -2013. - Т. 9, № 4. - С. 37-47.
Жуков А. В. Ландшафтный аспект экологической ниши слепышей / А. В. Жуков, О. Н. Кунах, Т. М. Коновалова // Бюлопчний вюник МДПУ iM. Б. Хмельницького - 2011. - № 3. - С. 13-27.
Жуков А. В. Пространственная изменчивость электропроводности почвы под воздействием роющей активности слепышей на различных масштабных уровнях / А. В. Жуков, Т. М. Коновалова // Вюник Дншро-петровського ушверситету. Бюлопя. Медицина. - 2011. - Вип. 2, т. 2. - С. 34-41.
Жуков А. В. Фодересфера слепышей (Spalax microphthalmus) / А. В. Жуков, О. Н. Кунах, Т. П. Коновалова // Проблемы экологии и охраны природы техногенного региона. - Донецк: ДонНу, 2010. - Вып. 10, № 1. -С. 105-123.
Жуков А. В. Иерархическая организация и разнообразие животного населения почвы поймы // Пит. степ. ль сознавства та люово! рекультиваци земель. - Дншропетровськ. - 2006. - Вип. 10 (35). - С. 170-184.
Жуков А. В., Задорожная Г. А., Андрусевич Е. В. Оптимальная стратегия отбора почвенных образцов на основании данных об электрической проводимости техноземов // Бюлопчний вюник МДПУ iм. Б. Хмельницького. - 2012. - № 4. - С. 64-80.
Жуков А.В. Экологическое значение пространственной изменчивости твёрдости почвы в условиях природного земледелия / А.В. Жуков, Г.А. Задорожная, А.А. Демидов, Е.В. Рысина // Збiрник наукових праць Уманського нацюнального ушверситету садiвництва. - Умань, 2014. - вип. 84. - С. 21-37.
Коломбар Т. Роль педотурбацшно! активносп слшака звичайного (Spalax microphtalmus) у формуванш струк-тури грунтового покриву / Т. Коломбар, О. Пахомов, О. Жуков // Вюник Львiвського ушверситету. Серiя бюлопчна. - 2014. - Вип. 64. - С. 219-225.
Кунах О. М. Геоморфолопчш екогеографiчнi змшш, яш визначають особливосп еколопчно! шши ваточника сиршського (Asclepias syriaca L.) / О. М. Кунах, О. С. Папка // Бюлопчний вюник МДПУ - 2016. - №1. -С. 243-275.
Кунах О.М. Екогеографiчнi детермшанти еколопчно! нiшi ваточника сиршського (Asclepias syriaca) на основi шдекав зшмшв дистанцшного зондування Землi / О.М. Кунах, О.С. Папка // Вюник Дншропетровського ушверситету. Бюлопя, еколопя. - 2016. - 24(1). - C. 78-86.
Лисецкий Ф. Н. Эрозионные катены на земляных фортификационных сооружениях / Ф. Н. Лисецкий, В. В. Половинко // Геоморфология. - 2012. - № 2. - С. 65-78.
Митчел Дж.К. Расчеты потерь почвы / Дж.К. Митчел, Г.Д. Бубензер. - Эрозия почв. М.: Колос, 1984. - С. 34-95.
Пахомов А. Е. ГИС-подход для оценки изменчивости электропроводности почвы под влиянием педотурбационной активности слепыша (Spalax microphthalmus) / / А. Е. Пахомов, Т. M. Коновалова, А. В. Жуков // Вюник Дшпропетровського ушверситету. Бюлопя. Еколопя. - 2010. - Вип. 18, т. 1. - С. 58-66.
Пузаченко Ю.Г. Методологические основания отображения элементарных геосистемных процессов / Ю.Г. Пузаченко, М.В. Федяева, Д.Н. Козлов, М.Ю. Пузаченко // Современные естественные и антропогенные процессы в почвах геосистем. М.: Почв. ин-т им. В. В. Докучаева, 2006. - С. 13-52.
Самсонова В. П. Пространственная изменчивость почвенных свойств: на примере дерново-подзолистых почв / В. П. Самсонова. - М.: Издательство ЛКИ, 2008. - 160 с.
Смагин А. В. Теория и практика конструирования почв / А. В. Смагин / Москва: Издательство Московского университета, 2012. - 542 с.
Смагин А.В. Некоторые критерии и методы оценки экологического состояния почв в связи с озеленением городских территорий / А.В. Смагин, Н.А. Азовцева, М.В. Смагина, А.Л. Степанов, А.Д. Мягкова, А.С. Курбатова // Почвоведение. - 2006. - № 5. - C. 603-615.
Шеин Е. В. Пространственная неоднородность свойств на различных иерархических уровнях - основа структуры и функций почв / Е. В. Шеин, Е. Ю. Милановский // Масштабные эффекты при исследовании почв. -М.: МГУ, 2001. - С. 47-61.
Asar O. Estimating Box-Cox Power Transformation Parameter via Goodness of Fit Tests / O. Asar, O. Ilk, O. Dag // Communications in Statistics - Simulation and Computation. - 2014. - Vol. 43 (7). - P. 1740-1759
Beven K., Kirkby N. A physically based variable contributing area model of basin hydrology // Hydro. Sci. Bull. -1979. - Р. 43-69.
Bock M. Predicting the Depth of hydrologic Soil Characteristics / M. Bock, R. Köthe // Hamburger Beiträge zur Physischen Geographie und Landschaftsökologie - 2008. Heft 19. - S. 13-22.
Boehner J. Land Surface Parameters Specific to Topo-Climatology / J. Boehner, O. Antonic // Hengl, T. & Reuter, H.I. [Eds.]: Geomorphometry - Concepts, Software, Applications. - 2009. - Р. 195-226.
154
^yKOB O.B., KyHax O.M., TapaH B.O., .He6egHHCbKa M.M.
Box G. E. P. An Analysis of Transformations (with discussion) / G. E. P. Box, D. R. Cox // Journal of the Royal Statistical Society, Series B (Methodological). - 1964. - Vol. 26. - P. 211-252.
Cattel D. R. B. The scree test for the number of factors / D. R. B. Cattel // Multivariate Behav. Res. - 1966. - Vol. 1. - P. 245-276.
Corwin D. L., Lesch S. M. Application of soil electrical conductivity to precision agriculture - theory, principles, and guidelines // Agron. J. - 2003. - Vol. 95(3). - P. 455-471.
Corwin D.L. Apparent soil electrical conductivity measurements in agriculture / D.L. Corwin, S.M. Lesch, // Comp. Electron. Agric. - 2005. - Vol. 46. - P. 11-43.
Delignette-Muller M.L. Fitdistrplus: An R Package for Fitting Dis-tributions / M.L. Delignette-Muller, C. Dutang // Journal of Statistical Software. - 2015. - Vol. 64(4). - P. 1-34.
Didukh Ya.P. The ecological scales for the species of Ukrainian flora and their use in synphytoindication / Ya.P. Didukh. -Kyiv: Phytosociocentre, 2011. - 176 p.
Dray S. The ade4 package: implementing the duality diagram for ecologists / S. Dray, A.B. Dufour // Journal of Statistical Software. - 2007. - Vol. 22(4). - P. 1-20.
Forgy E. Cluster Analysis of multivariate data: efficiency vs. interpretability of classifications / E. Forgy // Biometrics. -1965. - Vol. 21. - P. 768-769.
Francis D. D. Selective soil sampling for site- Soil electrical conductivity and soil salinity: new formulations and specific nutrient management / D. D. Francis, J. S. Schepers // Soil Sci. Soc. Am. J. - 1997. - Vol. 53. - P. 119-126.
Gallant J.C. A multiresolution index of valley bottom flatness for mapping depositional areas / Gallant, J.C., T.I. Dowling // Water Resources Research. - 2003. - Vol. 39/12. - P. 1347-1359.
Grohmann C. H. Resampling SRTM 03"- data with kriging // GRASS/OSGeo-News. - 2006. - Vol. 4. - P. 20-25.
Guisan A. GLM versus CCA spatial modeling of plant species distribution / A. Guisan, S. B. Weiss, A. D. Weiss // Plant Ecology. - 1999. - Vol. 143. - P. 107-122.
Hill M. O. Principal component analysis of taxonomic data with multistate discrete characters / M. O. Hill, A. J. E. Smith // Taxon. - 1976. - Vol. 25. - P. 249-255.
Iwahashi J. Automated classifications of topography from DEMs by an unsupervised nested-means algorithm and a three-part geometric signature / J. Iwahashi, R.J. Pike // Geomorphology. - 2007. - Vol. 86. - P. 409-440
McCool D.K. The Revised Universal Soil Loss Equation / D.K. McCool., K.G. Renard, G.R. Foster // Proceedings of an International Workshop on Soil Erosion. The Center for Technology Transfer and Pollution Prevention, Purdue University. West Lafayette, IN., USA. - 1994. - P. 45-59.
McGarigal K., S. A. Cushman, M.C. Neel, E. Ene FRAGSTATS: Spatial Pattern Analysis Program for Categorical Maps. Computer software program produced by the authors at the University of Massachusetts, Amherst. -2002. - Available at the following web site: http://www.umass.edu/landeco/research/fragstats/fragstats.html
Moeller M. Placing soil-genesis and transport processes into a landscape context: A multiscale terrain-analysis approach / M. Moeller, M. Volk, K. Friedrich, L. Lymburner // Journal of Plant Nutrition and Soil Science. -2008. - Vol. 171. - P. 419-430.
Moore I. Soil attribute prediction using terrain analysis / I. Moore, P. Gessler, G. Nielsen, G. Peterson // Soil Sci. Soc. Am. J. - 1993. - Vol. 57. - P. 443-452.
Moreno J.F. Analysis, Investigation and Monitoring of Water resources, for the management of multi-purpose reservoirs // Survey of Remote Sensing Data Analysis Methods. Contract № ENV4-CT98-0740 Version 1.0, WP 3100 -EO Signal Analysis Methods. - 1999. http://dataserv.cetp.ipsl.fr/AIMWATER/reports/EOsurvey_report.pdf
Orlanski J. A rational subdivision of scales for atmospheric processes / J. Orlanski // Bull. Amer. Meteor. Soc. - 1975. -Vol. 56. - P. 527-530.
Pennisi B.V 3 ways to measure medium EC / B.V. Pennisi, M. van Iersel // GMPro. - 2002. - Vol. 22(1). - P. 46-48.
R Core Team. 2015. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. http://www.R-project.org
Sappington J. M. Quantifying landscape ruggedness for animal habitat analysis: a case study using desert bighorn sheep in the Mojave Desert / J. M. Sappington, K. M. Longshore, D. B. Thompson // Journal of Wildlife Management. - 2007. - Vol. 71(5). - P. 1419-1426.
Scoggins H. L. In situ probes for measurement of EC of soilless substrates: effects of temperature and substrate moisture content / H. L. Scoggins, M. W. van Iersel // HortScience. - 2006. - Vol. 41. - P. 210-214.
Valeriano M. M. Modeling small watersheds in Brazilian Amazonia with shuttle radar topographic mission-90m data / M. M. Valeriano, T. M. Kuplich, M. Storino, B. D. Amaral, J. N. Mendes, D. J. Lima // Computers and Geosci-ences. - 2006. - Vol. 32. - P. 1169-1181.
van Deventer A. P. Using Thematic Mapper data to identify contrasting soil plains and tillage practices / A. P. van Deventer, A. D. Ward, P. H. Gowda, J. G. Lyon // Photogrammetric Engineering and Remote Sensing. - 1997. -Vol. 63. - P. 87-93.
Warrick A. W. Spatial variability of soil physical properties in the field / A. W. Warrick, D. R. Nielsen // Hilel D. (Ed.).
Application of soil physics. New York: Academic Press. - 1980. - P. 319-344. Wischmeier W. H. Predicting rainfall erosion losses / W. H. Wischmeier, D. D. Smith. - Agricultural handbook. Washington. - 1978, № 537. - 65 р.
REFERENCES
Asar, O., Ilk, O., Dag, O. (2014). Estimating Box-Cox Power Transformation Parameter via Goodness of Fit Tests.
Communications in Statistics - Simulation and Computation, 43(7), 1740-1759. Baljuk, J.A., Kunah, O.N., Zhukov, A. V., Zadorozhnaja, G.A., Ganzha, D.S. (2014). Sampling adaptive strategy and spatial organisation estimation of soil animal communities at various hierarchical levels of urbanised territories. Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 4(3), 8-33 (in Russian). Belgard, A.L. (1950). Forest vegetation of the south-eastern Ukraine. Kiev: Kiev State University. (in Russian) Beven, K., Kirkby, N. (1979). A physically based variable contributing area model of basin hydrology. Hydro. Sci. Bull., 43-69.
Bock, M., Köthe, R. (2008). Predicting the Depth of hydrologic Soil Characteristics .Hamburger Beiträge zur
Physischen Geographie und Landschaftsökologie, 19, 13-22. Boehner, J., Antonic, O. (2009). Land Surface Parameters Specific to Topo-Climatology. In: Hengl, T., Reuter, H.
(Eds.) Geomorphometry - Concepts, Software, Applications. Developments in Soil Science, 33, 195-226. Box, G. E. P., Cox, D. R. (1964). An Analysis of Transformations (with discussion). Journal of the Royal Statistical
Society, Series B (Methodological), 26, 211-252. Cattel, D. R. B. (1966). The scree test for the number of factors. Multivariate Behav. Res., 1, 245-276. Corwin, D. L., Lesch, S. M. (2003). Application of soil electrical conductivity to precision agriculture - theory, principles, and guidelines. Agron. J. 95(3), 455-471. Corwin, D.L. (2005). Apparent soil electrical conductivity measurements in agriculture. Comp. Electron. Agric., 46, 11-43.
Delignette-Muller, M.L., Dutang, C. (2015). Fitdistrplus: An R Package for Fitting Distributions. Journal of Statistical Software, 64(4), 1-34.
Demidov, A.A., Kobets, A.S., Gritsan, Yu.I., Zhukov, A.V. (2013). Spatial agricultural ecology and soil recultivation.
Dnepropetrovsk: A.L. Svidler Press. (in Russian) Didukh, Ya.P. (2011). The ecological scales for the species of Ukrainian flora and their use in synphytoindication.
Kyiv: Phytosociocentre (in Russian). Dray, S., Dufour, A.B. (2007). The ade4 package: implementing the duality diagram for ecologists. Journal of
Statistical Software, 22(4), 1-20. Forgy, E. (1965). Cluster Analysis of multivariate data: efficiency vs. interpretability of classifications. Biometrics, 21, 768-769.
Francis, D. D., Schepers, J. S. (1997). Selective soil sampling for site- Soil electrical conductivity and soil salinity:
new formulations and specific nutrient management. Soil Sci. Soc. Am. J., 53, 119-126. Gallant, J.C., Dowling, T.I. (2003). A multiresolution index of valley bottom flatness for mapping depositional areas.
Water Resources Research, 39(12), 1347-1359. Grohmann, C. H. (2006). Resampling SRTM 03"- data with kriging. GRASS/OSGeo-News, 4, 20-25. Guisan, A., Weiss, S. B. (1999). GLM versus CCA spatial modeling of plant species distribution. Plant Ecology, 143, 107-122.
Hill, M. O., Smith, A. J. E. (1976). Principal component analysis of taxonomic data with multistate discrete characters.
Taxon, 25, 249-255.
Iwahashi, J., Pike, R.J. (2007). Automated classifications of topography from DEMs by an unsupervised nested-means
algorithm and a three-part geometric signature. Geomorphology, 86, 409-440. Kolombar, T., Pakhomov, O., Zhukov, A. (2014). The role of pedoturbatsionnaya activity of greater mole rat (Spalax microphthalmus) in determining the structure of the soil cover. Visnyk of the Lviv University. Series Biology, 64, 219-225 (in Ukrainian).
Konovalova, T. М., Zhukov, A. V, Pakhomov, A. Y. (2010). GIS-approach for variability assessment of soil electric conductivity under pedoturbation activity of mole rat (Spalax microphthalmus). Visnyk of Dnipropetrovsk University. Biology, ecology, 18(1), 58-66 (in Russian). Kunah, O. M., Papka, O. S. (2016). Ecogeografical determinants of the common milkweed (Asclepias syriaca L.) ecological niche on the basis of indexes of land remote sensing images. Visnyk of Dnipropetrovsk University. Biology, ecology, 24(1), 78-86 (in Ukrainian).
156
^yKOB O.B., KyHax O.M., TapaH B.O., He6egHHCbKa M.M.
Kunah, O. M., Papka, O. S. (2016). Geomorphological ecogeographical variables definig features of an ecological niche of common milkweed (Asclepias syriaca L.). Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 1, 243-275 (in Ukrainian).
Lisetzky, F. N., Polovinko, V. V. (2012). Erosion catens on the land fortification construction. Geomorphology, 2, 65-78.
McCool, D.K., Renard, K.G., Foster, G.R. (1994). The Revised Universal Soil Loss Equation. Proceedings of an International Workshop on Soil Erosion. The Center for Technology Transfer and Pollution Prevention, Purdue University. West Lafayette, IN., USA.
McGarigal, K., Cushman, S. A., Neel, M.C., Ene, E. (2002). FRAGSTATS: Spatial Pattern Analysis Program for Categorical Maps. Computer software program produced by the authors at the University of Massachusetts, Amherst. Retrieved from: http://www.umass.edu/landeco/research/fragstats/fragstats.html
Mitchel, J., Bubenser, G. D. (1984). Soil loss calculation. Soil erosion. Moscow: Kolos (in Russian).
Moeller, M., Volk, M., Friedrich, K., Lymburner, L. (2008). Placing soil-genesis and transport processes into a landscape context: A multiscale terrain-analysis approach. Journal of Plant Nutrition and Soil Science, 171, 419-430.
Moore I., Gessler, P., Nielsen, G., Peterson, G. (1993). Soil attribute prediction using terrain analysis. Soil Sci. Soc. Am. J., 57, 443-452.
Moreno, J.F. (1999). Analysis, Investigation and Monitoring of Water resources, for the management of multi-purpose reservoirs. Survey of Remote Sensing Data Analysis Methods. Contract № ENV4-CT98-0740 Version 1.0, WP 3100 - EO Signal Analysis Methods. Retrieved from: http://dataserv.cetp.ipsl.fr/AIMWATER/reports/EOsur-vey_report.pdf
Orlanski, J. (1975). A rational subdivision of scales for atmospheric processes. Bull. Amer. Meteor. Soc., 56, 527-530.
Pennisi, B.V., M. van Iersel (2002). 3 ways to measure medium EC. GMPro, 22(1), 46-48.
Puzachenko, J.G., Fedjaeva, M.V, Kozlov, D.N., Puzachenko M.J. (2006). Methodological basis to display of elementary geosystem processes. Modern natural and anthropogenous processes in geosystems soils. Moscow: Soils VV. Dokuchayev institute (in Russian).
R Core Team. (2015). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. http://www.R-project.org
Samsonova, V. P. (2008). Soil properties spatial variability: sod-podzol soils as an example. Moscow: LKI (in Russian)
Sappington, J. M., Longshore, K. M., Thompson, D. B. (2007). Quantifying landscape ruggedness for animal habitat analysis: a case study using desert bighorn sheep in the Mojave Desert. Journal of Wildlife Management, 71(5), 1419-1426.
Scoggins, H. L., van Iersel, M. W. (2006). In situ probes for measurement of EC of soilless substrates: effects of temperature and substrate moisture content. HortScience, 41, 210-214.
Shein, E. V., Milanovsky, E. Yu. (2001). Spatial heterogeneity of properties on different hierarchic levels as a basis of soils structure and functions. Scale effects in the study of soils. Moscow: Publishing House of Moscow State University (in Russian).
Smagin, A. V. (2012). The theory and practice of constructing soil. Moscow: MSU university press (in Russian).
Smagin, A. V., Azovtseva, N. A., Smagina, M. V, Stepanov, A. L., Myagkova, A. D., Kurbatova, A. S. (2006). Criteria and methods to assess the ecological status of soils in relation to the landscaping of urban territories. Eurasian soil science, 5, 603-615 (in Russian).
Valeriano, M. M., Kuplich, T. M., Storino, M., Amaral, B. D., Mendes, J. N., Lima, D. J. (2006). Modeling small watersheds in Brazilian Amazonia with shuttle radar topographic mission-90m data. Computers and Geosciences, 32, 1169-1181.
van Deventer, A. P., Ward, A. D., Gowda, P. H., Lyon, J. G. (1997). Using Thematic Mapper data to identify contrasting soil plains and tillage practices. Photogrammetric Engineering and Remote Sensing, 63, 87-93.
Warrick, A. W., Nielsen, D. R. (1980). Spatial variability of soil physical properties in the field. Application of soil physics. New York: Academic Press.
Wischmeier, W. H., Smith, D. D. (1978). Predicting rainfall erosion losses. Agricultural handbook. Washington.
Zhukov, A. V, Kunah, O. N, Zadorozhnaya, G. A, Andrusevich, E. V (2013). Hierarchy of ecological diversity of industrial soil plants. Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 9(4), 37-47 (in Russian).
Zhukov, A. V., Kunah, O. N., Zadorozhnaja, G. A., Andrusevich, E. V. (2013). Landscape ecology as a basis of the spatial analysis of agrocoenosis productivity. Ecology andNoospherology, 24(1-2), 68-80 (in Russian).
Zhukov, A. V, Kunakh, O. N., Novikova, V. A. (2015). The ecomorphic organization of mesopedobionts community of oak forest with the fresh grass on arena of the Dnieper river. The Kharkov Entomol. Soc. Gaz., 23(2), 39-53 (in Russian).
Zhukov, A.V, Zadorozhnaya, G . O., Demidov, A . A, Rysina, E.V (2012). Ecological importance of spatial variability of soil penetration resistance in the conditions of natural farming. Journal of Uman National University of Horticulture, 84, 21-37 (in Russian).
Zhukov, O. V., Zadorozhnaya, G. A., Andrusevich, Ye. V (2012). The optimal strategy of the soil sampling on the basis of the technosems electrical conductivity data. Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 2(1), 64-80 (in Russian).
Zhukov, А. V. (2006). Hierarchy organization and diversity of the animal communities of the flooded territories. Issues of steppe forestry and forest reclamation of soils, 10(35), 170-184 (in Russian).
Zhukov, А. V., Konovalova, Т. М. (2011). Spatial variability of soil electrical conductivity under the mole rats (Spalax microphthalmus) digging activity at the different scales. Visnyk of Dnipropetrovsk University. Biology, medicine, 2(2), 34-41 (in Russian).
Zhukov, А. V, Kunah, О. N., Konovalova, Т. М. (2010). Foderesphere of mole rats (Spalax microphthalmus). Problems of ecology and nature conservation of technological region, 10(1), 105-123 (in Russian).
Zhukov, А. V., Kunah, О. N., Konovalova, Т. М. (2011). Landscape aspect of the mole rats (Spalax microphthalmus Guldenstaedt 1770) ecological niche. Biological Bulletin of Bogdan Chmelnitskiy Melitopol State Pedagogical University, 1(3), 13-27 (in Russian).
