CC BY
6
УДК 634.1 519.24
DOI:10.55959/MSU0137-0944-17-2023-78-1-61-67
ПРОСТРАНСТВЕННАЯ ВАРИАБЕЛЬНОСТЬ СОДЕРЖАНИЯ КРУПНЫХ ФРАКЦИЙ ГРАНУЛОМЕТРИЧЕСКОГО СОСТАВА В ПРЕДЕЛАХ СЕЛЬСКОХОЗЯЙСТВЕННОГО УГОДЬЯ НА ДЕРНОВО-ПОДЗОЛИСТОЙ ПОЧВЕ
В. П. Самсонова*, Ю. Л. Мешалкина, М. И. Кондрашкина, С. Е. Дядькина, А. В. Зоткина
МГУ имени М.В. Ломоносова, факультет почвоведения, 119991, Россия, Москва, Ленинские горы, д. 1, стр. 12 * E-mail: vkbun@mail.ru
Проведено исследование пространственной изменчивости содержания фракции d>0,25 мм гранулометрического состава в пахотном горизонте дерново-подзолистой окультуренной почвы на площади 18 га. Почвы сформированы на покровных суглинках, подстилаемых моренными отложениями. Пробы отобраны из верхней (0-10 см) и нижней частей пахотного горизонта (10-20 см) по случайно-стратифицированной схеме. Суммарное количество проб равно 350 шт. Среднее содержание фракции составляет около 22%, коэффициент вариации 39-41%, распределения аппроксимируются логарифмически нормальным распределением. Коэффициент корреляции Спирмена между значениями на разных глубинах равен 0,87. Картограммы пространственного распределения строились методом ординарного кригинга с использованием сферической модели вариограммы. Показано, что предварительное цензурирование высоких значений выборки (квантиль 0,95) дает лучшие результаты при построении картограммы, нежели удаление линейного пространственного тренда и логарифмирование исходных данных. На угодье обнаруживаются пространственные структуры с пониженными и повышенными значениями, средние линейные размеры которых около 100 м. Предположительно, они связаны с неоднородностью почвообразующих пород.
Ключевые слова: цензурирование, ординарный кригинг, картограмма, покровные суглинки, Московская область, средний и крупный песок, гравий.
Введение
Природная и антропогенная изменчивость свойств почв обусловливает неопределенность результатов, получаемых при почвенных обследованиях. Ее игнорирование сужает представление о многообразии качества почвы и может приводить к искаженным выводам о ее плодородии, потребности в удобрениях и обработках. Особенно важно учитывать пространственное варьирование при проведении режимных и мониторинговых наблюдений [Козловский, 1976], поскольку зачастую пространственные тренды могут маскировать временные, и при этом легко сделать неверные заключения о характере и масштабах динамики почвенных свойств.
Появившееся в конце XX столетия точное земледелие, требующее детального знания о качестве угодья, стимулировало развитие исследований в этом направлении [Якушев и др., 2021], однако в подавляющем большинстве эти исследования касаются содержания питательных веществ [Самсонова и др., 2010]. В то же время пространственная изменчивость гранулометрического состава, обусловливающая физические свойства почвы, такие как пористость, влагоемкость, водопроницаемость, водоподъемность, структурность, водный, воздушный и тепловой режимы почвы, исследована мало, хотя обсуждение изменчивости в пределах более
крупных пространственных выделов приводится во многих исследованиях. Показано, что содержание в почвах физического песка и физической глины и разное соотношение ила и пыли в самой физической глине предопределяют варьирование гумусности почв [Крыщенко и др., 2003].
В последнее время появились работы, в которых приведены результаты статистической обработки данных о гранулометрическом составе почв классификационных единиц на разных масштабных уровнях. Так, в работах В.Э. Болдыревой с соавторами [Болдырева, 2022; Болдырева, Безуглова, Морозов, 2022] рассматриваются черноземы Ростовской области, приводятся коэффициенты вариации содержания отдельных фракций, в работе Д.И. Еремина с соавторами [Еремин, Груздева, 2016] анализируется изменчивость грансостава на уровне типов и подтипов серых лесных почв Тюменской области, в работе С.Е. Дядькиной с соавторами [Дядькина и др., 2019] приводятся данные статистической обработки серых лесных почв Брянской области.
Сложность и трудоемкость анализа гранулометрического состава почв по методу Н.А. Качинского [1965] не позволяют проводить его в полном объеме для конкретных угодий малой площади. Однако можно попытаться воспользоваться данными об отдельных составляющих, в частности, о содержании крупных фракций, что может представлять особый интерес в условиях контрастных почвообразующих
пород. Кроме того, поскольку получение таких первичных данных сравнительно просто, эта информация позволяет продемонстрировать некоторые нюансы применения методов картографирования пространственно-распределенных данных. Один из наиболее востребованных методов — метод кригин-га [Геостатистика и география почв, 2007; Мешалки-на и др., 2010; Oliver, 2014], некоторые особенности применения которого обсуждаются ниже.
Материалы и методы
Исследования проводились на территории Учебно-опытного почвенно-экологического центра МГУ Чашниково, расположенного в 43 км в северозападном направлении от г. Москвы. Было обследовано угодье, находящееся в сельскохозяйственном использовании более 70 лет. Рельеф полого-волнистый, средний уклон местности около 1,5°. Почвы формируются на покровных суглинках, подстилаемых красно-бурой мореной Московского оледенения или грубыми разнозернистыми песками и супесями с примесью более крупного обломочного материала. Таким образом, почвообразующие породы имеют двучленный характер, и на свойства почв оказывает влияние как подстилающая, так и перекрывающая породы. От покровных суглинков почва должна наследовать легкий гранулометрический состав и подкисленную реакцию среды, а от морены — включения в виде щебня, гальки и прочего плохо сортированного обломочного материала. Почва исследованного участка дерново-подзолистая языковатая среднесуглинистая освоенная, грунтово-оглеенная на покровном суглинке, подстилаемом мореной [Почвенно-агрохимическая характеристика АБС Чашниково, 1986].
Отбор почвенных образцов проводился по случайно-стратифицированной схеме с размером ячейки 20x30 м. В пределах пахотного горизонта с глубин 0-10 и 10-20 см буром объемом 100 см3 отобраны индивидуальные образцы, по 175 шт. на каждой глубине. Координаты точек опробования фиксировались при помощи GPS (рис. 1).
Из-за трудоемкости полного анализа гранулометрического состава мы ограничились анализом содержания фракции >0,25 мм, включающей в себя песок средний и крупный по классификации Н.А. Качинского [Качинский, 1965], а также и более крупные частицы. Выбор этой фракции диктовался сравнительной легкостью ее определения и пригодностью для получения результатов для выборок большого объема. Фракция (d частиц >0,25 мм) определялась методом отмывания более мелких фракций на сите [ГОСТ 12536-2014].
Анализ данных проводился при помощи программы Excel 16, STATISTICA 8 и ArcGis 10-8. Построение картограмм осуществлялось методом кригинга, который имеет много разновидностей и позволяет, при соответствующей настройке, получить оптимальную пространственную интерполяцию значений [Геостатистика и география почв, 2007; Hengl T.A.,2009, Мешалкина и др., 2010; Oliver, 2014].
Модуль Geostatistical Analyst пакета ArcGis позволяет выполнить все требуемые манипуляции с данными, при необходимости исключить «отскакивающие» значения, проверить нормальность, учесть закономерную зависимость от координат и многое другое. Однако, так же как и в случае применения других статистических методов, зачастую можно «переусердствовать» в подгонке статистических моделей.
На первом этапе построения картограмм подбирались модели вариограмм, описывающих закономерность взаимовлияния значений свойств, расположенных на различных расстояниях друг от друга. Хотя в модуле имеется широкий диапазон возможных моделей, мы ограничились сферическими вариограммами:
3h Ifh3
Рис 1. Расположение точек опробования. Выделены точки, в которых содержание фракции d > 0,25 мм превышает 40%
( С0 + С h>R
Обозначения: С0 — наггет (значение в нуле, вариабельность на расстояниях, меньших шага опробования), С — порог (значение, в стационарном случае равное дисперсии показателя), h — расстояние между точками опробования, R — ранг (радиус корреляции или расстояние независимости, начиная с которого значения не зависят друг от друга).
Качество аппроксимации пространственного варьирования признака оценивалось несколькими показателями:
При удачной аппроксимации среднее отклонение (MAE) должно быть близко к нулю, среднеква-
дратичная ошибка (ЯМ8Е) должна быть минимальна, стандартизированное стандартное отклонение близко к нулю. Если среднеквадратические стандартизированные ошибки интерполяции >1, оценка изменчивости интерполируемых значений занижена; если среднеквадратические стандартизированные ошибки интерполяции <1, оценка изменчивости интерполируемых значений завышена.
Результаты
Статистические характеристики. Средние содержания крупной фракции на обеих глубинах составляют около 20%, однако в отдельных точках они могут превышать 50%, в других — падать меньше 6%. Границы типичных значений (центральный 50% интервал) существенно уже и практически одинаковы для обеих глубин (табл. 1).
Таблица 1
Статистические характеристики содержания фракции а >0,25 мм (%)
Примечание. Q25 и Q75 — нижний и верхний квартили соответственно; *** — индекс Морана значим при а<0,001. Результаты проверки гипотезы о типе распределения записаны в формате (значение хи-квадрат, число степеней свободы, значение вероятности).
Гипотеза о возможности аппроксимации данных на каждой глубине нормальным распределением отвергается, а логарифмическое распределение оказывается приемлемым (табл. 1).
Коэффициент корреляции Спирмена между содержанием крупных фракций в верхней и нижней частях пахотного горизонта статистически значим и равен 0,87 (^=0,76), что является индикатором взаимосвязанного варьирования этих показателей на разных глубинах. Таким образом, на угодье на-
блюдается высокая латеральная изменчивость содержания крупных фракций при однородном составе в локальных точках.
Пространственное распределение содержания крупных фракций в пахотном горизонте. Индекс Морана, позволяющий проверить гипотезу о пространственной кластеризованности данных [Якушев и др., 2021], показывает, что, действительно, на объекте присутствуют выраженные кластеры (табл. 1). Можно видеть, что высокие значения тяготеют к северной части угодья (рис. 2).
«Отскакивающие» значения превышают два стандартных отклонения и могут приводить к искажениям аппроксимирующей поверхности. Мы сравнили два приема снижения влияния сильно отличающихся значений: 1) цензурирование выборки, т.е. удаление по 5% от имеющегося числа точек справа в ранжированном ряду; 2) предварительное логарифмирование с целью приведения распределения к нормальному, учет возможной асимметричности и удаление линейной зависимости от координат. Для всех случаев рассчитывались сферические вариограммы, параметры которых и показатели качества аппроксимации приведены в табл. 2. Шаг опробования везде 15 м.
Таблица 2 Характеристики качества аппроксимаций пространственного варьирования содержания крупных фракций (глубина 0-10 см) методом ординарного кригинга
Исходная выборка Цензури-рованная выборка Логарифмирование, тренд и асимметрия*
Число точек 175 168 175
Наггет 30,37 14,01
Частичный порог С1=(С-С) 30,86 29,08
С0/(С0+С1), % 49,5 32,5 29,0
R, м 175 92 120/64**
Среднее отклонение -0,0380 -0,0114 -0,0117
Среднеквадрати-ческое отклонение (ЯМ8Б) 6,5789 5,2979 6,2029
Стандартизированное среднее отклонение -0,0051 -0,0038 -0,0317
Стандартизированное среднеква-дратическое отклонение (ЯМвв) 1,0144 1,0091 1,0325
Средняя стандартная ошибка 6,4521 5,2435 6,2918
Примечание. * — значения параметров С0 и С1 не приведены, поскольку вариограмма рассчитывалась для прологарифмированных данных; ** — приведено два значения радиуса, так как дополнительно моделировалась асимметрия.
Глубина 0-10 см 10-20 см
Повторность 175 175
Среднее 21,47 21,74
Стандартное отклонение 8,32 9,00
Коэф. вариации, % 38,8 41,4
Границы типичных значений 15,64 15,44
27,29 28,05
Минимум 5,52 9,32
Максимум 57,68 55,22
Q25 15,74 15,62
Медиана 19,96 19,92
Q75 25,12 24,96
Хи-квадрат, нормальное распределение 33,5; 4; 0,00 40,3; 5; 0,00
Хи-квадрат, логарифмически нормальное распределение 7,05; 5; 0,21 9,29; 5; 0,10
Индекс Морана 0,408*** 0,183***
Рис. 2. Картограммы, построенные методом ординарного кригинга с учетом разных параметров
Можно видеть, что оценки радиусов влияния практически одинаковы для исходной и цензурирований выборок. Как и следовало ожидать, удаление экстремальных значений приводит к уменьшению величины наггета и частичного порога, однако доля наггета, т.е. случайного варьирования, возрастает от 10 до почти 30%. В обоих случаях такая доля нагге-та свидетельствует о значительном варьировании на расстояниях, превышающих шаг опробования [СашЬаЫе11а й а1., 1994].
Сравнение показателей качества аппроксимаций свидетельствует, что «продвинутая» обработка данных дает худшую аппроксимацию, нежели два других подхода. Большее среднее отклонение, большая среднеквадратичная ошибка, худшая сбалансированность между ЯМ8Е и ЯМ88 показывают, что усложнение модели отнюдь не всегда хороший выбор при работе с выборками с «отскакивающими» значениями.
Радиус взаимозависимости содержания крупных фракций в нижней части пахотного горизонта близок к таковому на первой глубине и в среднем равен около 85 м. Варьирование на расстояниях, меньших шага опробования (С0 или наггет), составляет меньше четверти от суммарного порогового значения дисперсии, оцениваемой по вариограмме, так что по классификации [СашЬаЫе11а е! а1., 1994] в нижней части пахотного горизонта имеется сильная пространственная зависимость содержания крупных фракций от расстояния.
Еще одним показателем качества подгонки является нормальный вероятностный график для остатков аппроксимации. При удачном подборе уравнений аппроксимации распределение остатков должно быть близким к нормальному. Можно
видеть, что это требование хорошо выполняется лишь для цензурированной выборки (рис. 2).
Обсуждение
На примере единичного угодья показано, что в почвенном покрове, сформированном на двучленных материнских породах, в пахотном горизонте могут существовать вертикальные пространственные структуры, а именно островки с различающимся гранулометрическим составом. Локальные максимумы содержания крупных фракций, возможно, обусловлены неоднородностью почвообразующей породы, а именно неоднородностью мощности плаща покровных суглинков, обусловливающего вкрапления песчаных «островков» моренного происхождения. Размеры таких вкраплений не превышают 100 м.
Следствием наличия таких структурных вертикальных неоднородностей может быть пестрота водного, воздушного и теплового режимов. Так, застой влаги на участках с низким содержанием песчаной фракции может приводить к неблагоприятным условиям роста, вымочкам, а на участках с высоким содержанием песка растения будут страдать от недостатка влаги. Повышенное содержание песка будет приводить к более быстрому прогреванию почвы, более быстрому достижению условий влажности для оптимальной обработки почвы, тогда как на других участках почва будет переувлажнена. Поскольку размеры таких пятен неоднородности невелики, вести дифференцированную обработку почвы затруднительно, так что угодье, в среднем вполне благоприятное по своим показателям, на части своей площади оказывается неблагоприятным, что не может не отражаться на урожайности.
В пределах пахотного горизонта обследованного угодья пахотный слой в среднем на 20% представлен крупными малоактивными гранулометрическими фракциями. Поскольку гранулометрический состав формирует почвенную матрицу и заметно влияет на особенности ее гумусного состояния [Артемьева, 2010; Дыдышко и др., 2018; Зубкова, Карпачевский, 2001; Крыщенко, Самохин, 2008; Крыщенко и др., 2013], его пространственная вариабельность может быть одним из ключевых моментов, определяющих качество угодья. Как показано [Крыщенко и др., 2003], 85-96% гумуса связаны с фракцией физической глины. Распределение аналитических значений содержания гумуса, да и других показателей плодородия почв на всю массу образца — это разбавление действительных значений инертной массой крупных фракций. Если их содержание велико, то пространственная вариабельность значений содержания гумуса будет определяться вариабельностью содержания крупной фракции. Более того, запасы различных фракций гумуса будут определяться состоянием почвенной матрицы. Поскольку гранулометрический состав учитывается в почвенных исследованиях обычно лишь в виде среднего значения для большой территории, все особенности его пространственного распределения остаются скрытыми.
Проведенная пилотная оценка гранулометрического состава угодья позволяет количественно оценить его пространственную неоднородность, пусть и не с такой подробностью, как классический гранулометрический анализ, однако со вполне приемлемой для производственных целей точностью.
Имеющийся материал позволяет оценить качество пространственных аппроксимаций. Возможность аппроксимации распределений логарифмически нормальным распределением маскирует тот факт, что локальные выбросы сосредоточены преимущественно в одной части угодья, т.е. статистическая неоднородность маскирует пространственную неоднородность. Эти локальные выбросы, по-видимому, являются индикаторами смены условий формирования почвенного покрова, однако их недостаточно, чтобы надежно выделить эту новую область.
Выводы
1. На обследованной территории содержание крупных гранулометрических фракций ^>0,25 мм) в пахотном горизонте дерново-подзолистых почв, сформированных на моренных отложениях, перекрываемых покровными суглинками, в среднем составляет около 20%.
2. Толща пахотного горизонта не имеет вертикальной дифференциации по содержанию крупных фракций.
3. Радиусы корреляции содержания фракции d>0,25 мм близки на обеих глубинах пахотного горизонта и составляют около 90 м. Это свидетельствует о существовании вертикальных структур, в среднем имеющих такие размеры, отличающихся от соседних территорий гранулометрическим составом.
4. При аппроксимации пространственного распределения свойств методом кригинга удовлетворительные результаты могут быть достигнуты при использовании сравнительно простых моделей.
Информация о финансировании работы
Работа выполнена в рамках государственного задания факультета почвоведения МГУ имени М.В. Ломоносова (регистрационный номер 122090800042-2 из системы ЕГИСУ НИОКТР) в соответствии с распоряжением Правительства Российской Федерации № 2515-р от 2 сентября 2022 г. в целях реализации важнейшего инновационного проекта государственного значения, направленного на создание единой национальной системы мониторинга климатически активных веществ.
КОНФЛИКТ ИНТЕРЕСОВ
Авторы заявляют об отсутствии конфликта интересов.
СПИСОК ЛИТЕРАТУРЫ
1. Артемьева З.С. Органическое вещество и гранулометрическая система почвы М., 2010.
2. Болдырева В.Э., Безуглова О.С. Морозов И.В. Значение систематизации результатов гранулометрического состава по данным регионального почвенного дата-центра в изучении особенностей черноземов обыкновенных Северного Приазовья [Электрон. ресурс] // АгроЭкоИнфо: Электронный научно-производственный журнал. 2022. № 2. Режим доступа: http:// agroecoinfo.ru/STATYI/2022/2/st_231 .pdf. https://doi. org/10.51419/202122231
3. Геостатистика и география почв / Под ред. П.В. Красильникова. М., 2007.
4. ГОСТ 12536-2014. Межгосударственный стандарт. Грунты. Методы лабораторного определения гранулометрического (зернового) и микроагрегатного состава.
5. Дыдышко С.В., Азаренок Т.Н., Шульгина С.В. Взаимосвязь гумуса и гранулометрического состава дерново-палево-подзолистых легкосуглинистых почв разной степени агрогенной трансформации // Почвоведение и агрохимия. 2018. № 2 (61).
6. Дядькина С.Е., Кондрашкина М.И., Кротов Д.Н. Пространственное варьирование гранулометрического состава почв и почвообразующих пород трех районов Брянской области. Фундаментальные концепции физики почв: развитие, современные приложения и перспективы. М., 2019.
7. Еремин Д.И., Груздева Н.А. Гранулометрия серых лесных почв Северного Зауралья // Известия Оренбургского государственного аграрного ун-та. 2016. № 1 (69).
8. Зубкова Т.А., КарпачевскийЛ.О. Матричная организация почв. М., 2001.
9. Качинский Н.А. Физика почвы. М., 1965.
10. Козловский Ф.И. О принципах стационарного исследования почв. Принципы организации и методы стационарного изучения почв. М., 1976.
11. Крыщенко В.С., Рыбянец Т.В., Бирюкова О.А. и др. Матричные черты гумус-гранулометрических отношений в полидисперсной системе почв. Ч. 2 // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Естественные науки. 2003. № 4 (124).
12. Крыщенко В.С., Рыбянец Т.В., Замулина И.В. и др. Моделирование отношений элементов полидисперсной системы почв с использованием эталона сравнения // Живые и биокосные системы. 2013. № 2.
13. Крыщенко B.C., Самохин А.П. Матричная закономерность в топографии почв. Ростов-на-Дону, 2008.
14. Мешалкина Ю.Л., Васенев И.И., Кузякова И.Ф. и др. Геостатистика в почвоведении и экологии. М., 2010.
15. Почвенно-агрохимическая характеристика АБС Чашниково. Ч. 1, 2. М., 1986.
16. Самсонова В.П., Железова С.В., Березовский Е.В. Картограммы почвенных свойств для целей точного земледелия // Проблемы агрохимии и экологии. 2010. № 4.
17. Якушев В.П., Якушев В.В., Блохина С.Ю. и др. Информационное обеспечение современных систем земледелия в России // Вестн. РАН. 2021. Т. 91, № 8.
18. Hengl T.A. Practical guide to geostatistical mapping of environmental variables. URL: http://spatial-analyst.net/ book/system/files/Hengl_2009_GEOSTATe2c1w.pdf
19. Cambardella C.A., Moorman T.B., Novak J.M. et al. Field-scale variability of soil properties in central Iowa soils // Soil Sci. Soc. Am. J. 1994. Vol. 58.
20. Oliver M. Geostatistical applications for precision agriculture. Berlin, 2014.
Поступила в редакцию 14.10.2022 После доработки 13.11.2022 Принята к публикации 02.12.2022
SPATIAL VARIABILITY OF THE GRANULOMETRIC COMPOSITION WITHIN ARABLE FIELD ON SODDY-PODZOLIC SOIL
V. P. Samsonova, Yu. L. Meshalkina, M. I. Kondrashkina, S. E. Dyadkina, A. V. Zotkina
The spatial variability of the content of granulometric fraction d>0,25 mm in the arable layer of soddy-podzolic cultivated soil on an area of 18 hectares was studied. The soil formed in the loess-like loam, underlain by moraine deposits. Samples were taken from the upper (0-10 cm) and lower parts of the arable layer (10-20 cm) following a random-stratified sampling scheme. The total number of samples was 350 cores. The average fraction content was about 22%, the coefficient of variation was 39-41%, the distributions were approximated by a logarithmically normal distribution. The Spearman correlation coefficient between values at different depths equaled to 0,87. The spatial distribution cartograms were constructed by the ordinary kriging method using a spherical variogram model. It is shown that preliminary censoring of high sample values (quantile 0,95) gives better results when constructing a cartogram than removing a linear spatial trend and logarithm of the original data. Spatial structures with reduced and increased values were found on the site, the average linear sizes of which was about 100 m. Presumably, they were associated with the heterogeneity of soil-forming material.
Key words: censorship, ordinary kriging, cartogram, loess-like loams, Moscow region, coarse and medium sand, gravel.
СВЕДЕНИЯ ОБ АВТОРАХ
Самсонова Вера Петровна, докт. биол. наук, доцент каф. общего земледелия и агроэкологии факультета почвоведения МГУ имени М.В. Ломоносова, e-mail: vkbun@mail.ru
Мешалкина Юлия Львовна, канд. с.-х. наук, ст. науч. сотр. каф. общего земледелия и агроэкологии факультета почвоведения МГУ имени М.В. Ломоносова, e-mail: jlmesh@list.ru
Кондрашкина Марина Иосифовна, канд. биол. наук, доцент, каф. общего земледелия и агроэкологии факультета почвоведения МГУ имени М.В. Ломоносова, e-mail: kondra_mar@mail.ru
Дядькина Светлана Евгеньевна, канд. биол. наук, ст. науч. сотр. каф. общего земледелия и агроэкологии факультета почвоведения МГУ имени М.В. Ломоносова, e-mail: s.e.dyadkina@mail.ru
Зоткина Анастасия Владиславовна, аспирант каф. общего земледелия и агроэкологии факультета почвоведения МГУ имени М.В. Ломоносова, e-mail: zontik1504@mail.ru
