CC BY
43
УДК 332.05 : 519.25 : 631.4
ВЕРОЯТНОСТНО-СТАТИСТИЧЕСКАЯ И ИНФОРМАЦИОННАЯ ОЦЕНКА СОВРЕМЕННЫХ ПРОЦЕССОВ В ПРИРОДНЫХ ОБЪЕКТАХ НА ОСНОВЕ ДАННЫХ ПОЧВЕННОГО МОНИТОРИНГА
Ирина Викторовна Михеева
Институт почвоведения и агрохимии СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 8/2, доктор биологических наук, ведущий научный сотрудник, тел. (383)363-90-13, e-mail: mikheeva@issa.nsc.ru
Мониторинговые исследования почв и других природных объектов поднимают ряд важных методологических и методических проблем, в том числе вероятностно-статистического анализа данных мониторинга и их использования для верификации оценок природных процессов. Крупномасштабные и детальные почвенные исследования показали, что даже в гомогенных объектах почвы характеризуются существенными флуктуациями и варьированием свойств в пространстве. Изменчивость свойств на всех уровнях организации почвенного покрова является одним из фундаментальных свойств почвы как открытой сложной, динамичной и эволюционирующей системы. В статье приводятся общие теоретические подходы к вероятностной оценке современной эволюции почвы (СЭП) по данным крупномасштабного почвенного мониторинга. Для характеристики СЭП важна оценка изменений свойств почвы на уровне полей, что позволяет делать выводы о происходящих в почвах современных процессах, вызванных антропогенным влиянием и изменениями климата. СЭП рассматривается как непрерывный во времени процесс изменений состояний почвы с временными интервалами от десяти до ста лет. При проведении пространственного почвенного мониторинга точки опробования в разные моменты времени не совпадают, поэтому для оценки состояний и изменений почв необходимо использовать вероятностно-статистические модели. Состояние почвы в момент времени t характеризуется актуальной в данный момент вариабельностью n свойств почвы в ее к генетических горизонтах (слоях). Характеристикой вариабельности свойства является вероятностно-статистическое распределение (ВСР) его значений на территории исследуемого объекта, поэтому количественная модель состояния почвы представляет собой совокупность ВСР n свойств почвы в ее к горизонтах. Исходя из этого, нами было предложено использовать вероятностно-статистические и информационные характеристики (индикаторы) для оценки состояния почв и их изменений. Для состояния почвы, помимо функций ВСР свойств почвы, в качестве характеристики состояния использована информационная (статистическая) энтропия. Для оценки изменений почв используются величины информационной дивергенции свойств и приращение энтропии. Введенные характеристики позволяют оценить степень влияния почвообразующих факторов и антропогенных воздействий на вероятностную структуру значений свойств почвы и ее стабильность. Тематическое исследование, проведенное на большой территории юга Западной Сибири, показало, что СЭП происходит под влиянием антропогенных воздействий и естественных процессов, вызванных климатическим трендом потепления и циклами по увлажнению, и проявляется в изменении вероятностной структуры значений свойств почвы. По архивным данным выполнена вероятностная и информационная оценка изменений почв на юге Западной Сибири за период 1960-1990 гг. Полученные модели и оценки по своей сути являются статистическими эталонами состояния почв, которые следует использовать для сравнения с текущими и будущими результатами на исследованных и соседних территориях.
Ключевые слова: мониторинг, свойства почв, базы данных, вероятностно-статистические модели, статистический эталон, информационная энтропия, дивергенция.
Введение
Инвентаризация накопленных информационных ресурсов в области исследований почв является важным шагом для совершенствования информационной базы управления сельскохозяйственной и экологической деятельностью [1]. Содержание и поддержание требуемого уровня плодородия почв требует более обоснованных инструментов его мониторинга, а по существу - специального геоинформационного обеспечения проектирования, создания и мониторинга аг-роландшафтных систем земледелия [2].
Мониторинговые исследования состояния почв и других природных объектов поднимают ряд важных методологических и методических вопросов, в том числе вероятностно-статистического анализа данных мониторинга и их использования для верификации количественных оценок природных процессов, так как всегда возникает проблема значительной пространственной вариабельности свойств природных систем. Изменчивость свойств на всех уровнях организации почвенного покрова является одним из фундаментальных свойств почвы, вследствие того, что почва, как продукт взаимодействия факторов почвообразования (почвообразующих пород, климата, биоты, рельефа, времени) и антропогенных воздействий, представляет собой открытую, сложную, динамичную и эволюционирующую систему.
Пространственный почвенный мониторинг отражает изменения почв в результате их современной эволюции, которую можно рассматривать как процесс изменения состояний почвы во времени с интервалами в несколько десятков лет. При этом изучается не просто текущее состояние почв, но и их отличия от предыдущих состояний, что очень важно для получения корректных количественных оценок происходящих процессов и, следовательно, прогноза будущих состояний (рис. 1).
Предыдущее состояние 5р Текущее состояние 5с *-ч Будущее состояние Sf 1-
ж
Рис. 1. Временная цепь состояний почвы
Оценка разницы между состояниями почвенного объекта предъявляет требования не только к точности измерений в каждой точке в каждый отдельный момент времени, но и к корректности их статистического и математического анализа, так как в различные моменты времени точки опробования в пространстве не совпадают. Поэтому нами впервые для характеристики состояния почв было предложено использовать вероятностно-статистические модели свойств
почв [3], полученные на основе данных материалов сплошных крупномасштабных почвенных обследований. На основании данного подхода нами впервые было показано, что определенная структура вариабельности почвенных свойств в каждый отдельный момент времени характеризует текущее состояние почвы и является результатом почвенных, антропогенных, ландшафтно-экзогенных и климатических процессов [4-6]. Отслеживание изменения вариабельности свойств, его вероятностного распределения может служить одним из методов мониторинга [5], что очень важно, поскольку изменения даже в небольшой части всего пространственно распределенного объема почвы свидетельствует о начальной стадии процесса, приводящего к изменению почв.
Почвы являются центральным звеном всех наземных биогеосистем, поэтому вероятность возникновения и степень проявления неблагоприятных последствий любых экологических опасностей связаны, так или иначе, с изменением свойств и состояния почв. Поэтому меры по сохранению почвенного покрова являются необходимым условием снижения экологических рисков и вызванных ими экономических потерь.
Предотвратить или приостановить деградацию почв возможно с помощью применения рациональных почвоохранных или восстановительных технологий, позволяющих в некоторых случаях почвы даже улучшить. Основой этого должны служить достоверные и точные сведения о состоянии почв, характере и количественном проявлении негативных природных и антропогенных процессов. Поэтому для совершенствования управления природными и техногенными экологическими рисками необходимо развивать информационное и математическое обеспечение сбора, хранения, анализа данных о состоянии почвенного покрова всех управляемых объектов, а также математического моделирования процессов, происходящих в почвах [7].
Методология
С позиций фундаментальной науки, почвенные свойства и процессы определяются факторами почвообразования (почвообразующими породами, климатом, рельефом, деятельностью биоты и временем развития), но фактически в каждой отдельной точке они проявляются стохастически, так как являются результатом функционирования почв как открытой сложной системы. Коллективное изменение системы складывается из набора индивидуальных хаотических и совместимых изменений в отдельных точках [8]. При этом целостность системы определяется наличием специфических жестких внешних условий, в которых элементы системы существуют (факторами почвообразования и антропогенным влиянием). Как правило, существует превалирующая тенденция изменений почв, для адекватной оценки которой необходимо количественно охарактеризовать ее как дифференцированно, так и в целом. Для этого логично использовать вероятностные распределения, которые отражают два структурных уровня - внутреннего строения из элементов с разной выраженностью свойств и детерминации
системы. Поэтому мы ранее предложили метод оценки изменений почв по изменению вероятностных распределений их свойств [9].
В настоящее время в статистическом анализе почвенных данных часто используются, в лучшем случае, рекомендации по статистическому анализу 1970-1980-х гг., основанные на представлении о всеобщей «нормальности» признаков, то есть соответствии их вероятностному распределению Гаусса, вычислению средних значений и других статистических характеристик. Однако, даже если предположить, что исходное распределение признака соответствовало симметричному распределению, в процессе эволюции почвы, ведущей к возрастанию (или убыванию) почвенного свойства происходит перестройка частот (вероятностей) значений и распределение становится асимметричным. Основываясь на представлениях об эволюционном развитии почв, нами [3, 4] были предложены модели изменения вероятностных распределений их свойств (рис. 2).
inj М sup
а) б)
Рис. 2. Общий вид закономерностей эволюционного изменения вероятностного распределения свойства почвы при смещении математического ожидания М в разных потенциальных интервалах варьирования (inf, sup):
а) при близости потенциальных пределов варьирования; б) при удаленных потенциальных пределах варьирования. I, II, III, IV, V, I*, II*, III*, IV*, V* - стадии изменения вероятностных распределений
Современный эволюционный процесс почв под влиянием земледельческого использования и изменений климата характеризуется непрерывностью. При этом даже небольшие по величине изменения свойств почв, но выраженные на значительных территориях могут оказывать большое влияние на экологические и утилитарные функции почвенного покрова.
Для выявления эволюционных изменений за короткое время необходимы методы, регистрирующие даже небольшие по величине изменения свойств почв, так как такие изменения диагностируют проявление возможных тенденций дальнейшей трансформации почв. Вследствие высокой почвенной вариабельности существуют проблемы достоверной оценки состояния почв и их трансформации под действием природопользования, изменений климата и других антропогенных и природных процессов.
Проведенный нами ранее анализ динамики свойств показал, что в пределах даже однородных почвенных объектов эти изменения в разных точках различны по величине и даже могут отличаться по знаку, то есть в разных точках полей одновременно может идти и возрастание, и убывание свойства [5]. Мы выделили 10 типических случаев изменения вероятностных распределений свойств при наличии разных тенденций: по пять разных вариантов количественного возрастания и убывания свойств [9], то есть вариантов для количественного проявления одной или другой тенденции достаточно много (рис. 3).
г
Д
а) б)
Рис. 3. Типы изменений вероятностных распределений свойств почв
за короткое время:
а) пять типов возрастания (А-Д); б) пять типов убывания (Е-К). Обозначения: сплошная - исходное состояние; штриховая - измененное состояние
Такая динамика природных объектов характерна для большинства природных и антропогенных процессов, в том числе, например, для разного рода загрязнений, в том числе нефтяных. Причин этому несколько - это вариабельность самого загрязнения, исходная вариабельность свойств почвы, особенно водно-физических, что приводит к различиям в фильтрационных свойствах (иногда на порядки), микроландшафтные и ландшафтные процессы (водная и ветровая эрозия), определяющие передвижение частиц и веществ в пределах одного объекта или сопряженных в пространстве объектов.
Мониторинговые исследования почв
В последней трети предыдущего столетия в пределах стран бывшего СССР сплошные крупномасштабные почвенные обследования проводились на всех сельскохозяйственных землях в 2-4 тура. Накопление мониторинговых данных приводит к формированию наследия данных (legacy data), что является принципиально важным для мониторинга объектов, в том числе почв. В настоящее время создание баз данных, характеризующих свойства почв на территориях, особенно интенсивного сельскохозяйственного использования необходимо как для практических целей технологии, экономики, управления почвами территорий, так и для фундаментальных научных исследований в почвоведении и экологии.
Инвентаризация и математическая оценка накопленных информационных ресурсов в области исследований почв, по нашему мнению, является важным шагом для целей совершенствования информационной базы управления сельскохозяйственной и экологической деятельностью с использованием технологий «больших данных» (big data). Поэтому, на наш взгляд, развиваемые нами вероятностно-статистические и теоретические информационные методы для анализа накопленных данных мониторинговых почвенных исследований являются актуальными и имеющими большую практическую и теоретическую значимость.
Объектами исследования послужили преобладающие почвы юго-западной части Кулундинской степи - каштановые почвы, преимущественно супесчаного и легкосуглинистого гранулометрического состава и преобладающие почвы южной части Прииртышского увала - черноземы южные, преимущественно средне- и легкосуглинистого гранулометрического состава. В работе использовались архивные данные результатов изучения почв стандартными методами почвенных исследований при крупномасштабном картографировании и мониторинге почв, лабораторными методами определения почвенных свойств [10]. В нашей работе исходными данными послужили материалы крупномасштабных (1 : 25 000) почвенных обследований, проведенных на исследуемых территориях в разное время по стандартным методикам [11].
Формирование баз данных и статистических выборок
Исходными данными для определения вероятностно-статистических распределений являются совокупности данных о почвенных свойствах в индивидуальных
разрезах, полученные в результате крупномасштабных почвенных съемок, а также специальных съемок (эрозионных, мелиоративных, солевых, лесоустроительных).
Первым этапом является формирование баз данных и ввод данных в компьютер. Для ввода данных в компьютер вначале формируются файлы баз данных (формата Excel или других форматов). Информационными полями в этих файлах является информация об административной и таксономической принадлежности почвенного разреза, номер разреза для данной почвенной съемки, дата отбора образцов, характеристика угодия, названия и глубины генетических горизонтов (или слоев), глубина отбора образцов, содержание гумуса, валовых и подвижных форм элементов питания растений, поглощенных катионов, емкость катионного обмена, рН, содержание ионов в водной вытяжке и фракций гранулометрического состава. В зависимости от целей съемки количество информационных полей может меняться от 20 до 50. Информационные записи баз данных представляют собой значения информационных полей для каждого конкретного генетического горизонта (слоя) для всех индивидуальных разрезов. Базы данных могут представлять собой как простые, так и реляционные таблицы. Написание управляющей программы упрощает работу с базами данных для пользователей и операторов, но требует трудозатрат на программирование.
Ввод данных осуществляется с индивидуальных карточек разрезов или с аналитических ведомостей, которые предварительно просматриваются специалистом для выявления случайных описок, опечаток, ошибок. Ввод данных требует внимательности и аккуратности, тем не менее, возможны ошибки ввода, которые определяются путем визуального просмотра и статистическим путем. В последнем случае рассчитываются минимумы, максимумы, коэффициент эксцесса, по их значениям судят о наличии ошибок ввода данных.
После первичного ввода данных и их проверки необходимо выполнить группировку данных для формирования статистических выборок. Компьютерные программы для работы с базами данных или электронными таблицами, в принципе, позволяют выполнить любую группировку, которая интересует исследователя, и рассчитать статистические характеристики получаемых групп. Основная группировка почвенных разрезов для каждой съемки осуществляется по подтипу почвы и (в случае одного разряда) разновидности. Это объясняется тем, что неоднородность и вариабельность свойств почв в пределах почвенного типа (в том числе на уровне рода и вида) в большой мере определяется характеристиками почвообразующих пород и гранулометрическим составом. Затем выполняется группировка по году проведенных исследований. Для больших территорий появляется необходимость объединять отдельные годы в периоды (3-5 лет), так как почвенные съемки выполняются в течение нескольких лет. После этого проводят группировку данных (если необходимо) по угодьям и обязательно по генетическим горизонтам (слоям).
Статистические выборки, получающиеся в результате ввода данных по почвенным свойствам после их проверки и группировки, являются исходными
данными для определения вероятностно-статистических распределений, описывающих структуру вероятностей значений почвенных свойств в пределах почвенных разновидностей в определенное время (период).
Все полученные нами данные послужили для создания банка данных. Проводились формирование баз данных, группировка и анализ данных методами статистического анализа. Объемы полученных статистических выборок для свойств почв в отдельных почвенных разновидностях составляли п = 50-650, что было достаточно для проведения вероятностно-статистического анализа, заключающегося в оценке параметров и выборе наиболее подходящего теоретического вероятностного распределения на основе новой методики проверки статистических гипотез [12].
Идентификация вероятностно-статистических распределений
свойств объектов
Под вероятностно-статистическим распределением мы подразумеваем конкретный вид одной из известных математических функций вероятностных распределений, с точностью до параметров. Для идентификации вероятностных распределений почвенных свойств мы использовали специальную статистическую процедуру (ППП «18"^> [12]) применительно к данным по почвенным свойствам, полученным в результате мониторинговых обследований сельскохозяйственных земель юга Западной Сибири.
Основным звеном предлагаемого подхода является определение вероятностного распределения, наиболее близко (по совокупности критериев) описывающее выборочное статистическое распределение (гистограмму) изучаемого свойства объекта. В используемой программной системе возможна проверка гипотез более 40 различных функций вероятностных распределений. Для почвенных свойств в различных почвенных горизонтах наиболее часто определяются следующие распределения: максимального значения, двойное показательное, двойное экспоненциальное, Би-Джонсона, Ьи-нормальное, нормальное, Вейбулла, минимального значения, Коши, Лапласа, Накагами и ряд других.
Суть последовательных действий этого этапа заключается в следующем:
1) из нескольких десятков известных статистических распределений выбирают распределения, возможные по физическим соображениям;
2) по выборочным данным находят оценки параметров этих распределений;
3) для каждого распределения по набору статистических критериев, параметрических и непараметрических, проверяются гипотезы о согласии выборочного и теоретического распределения;
4) по совокупности критериев выбирается вероятностно-статистическое распределение, наиболее близко аппроксимирующее выборочное распределение.
Выполнение пунктов 2 и 3 требует группирования данных. Группирование предполагает для каждой выборки: ранжирование, разбиение всего интервала варьирования исследуемой величины на непересекающиеся подынтервалы
и подсчет количества наблюдений, попавших в каждый из этих подынтервалов. Разбиение на подынтервалы можно осуществить различными способами: во-первых, что чаще всего практикуется, на интервалы равной длины; во-вторых, на интервалы равной вероятности. Хотя оценку параметров распределений можно выполнять для некоторых методов и по негруппированным данным, все-таки группирование данных является предпочтительным, поскольку позволяет резко сократить влияние аномальных наблюдений, а иногда и совсем исключить влияние случайных выбросов на оценки параметров распределений, то есть обеспечивает робастность оценок.
Оценивание параметров распределений по выборочным данным предпочтительно осуществлять по методу максимального правдоподобия.
Оценкой максимального правдоподобия неизвестного параметра по группированным наблюдениям называется такое значение параметра, при котором функция правдоподобия, вычисляемая по формуле
- вычисляемая по формуле вероятность попадания наблюдения в 1-й интервал значений, достигает максимума на множестве возможных значений параметра.
Проверка гипотез о согласии опытного распределения с теоретическим производится для того, чтобы удостовериться в том, что выбранная модель теоретического закона не противоречит наблюдаемым данным, и ее использование не приведет к существенным ошибкам при вероятностных расчетах. При проверке гипотез о согласии используются шесть критериев: критерий %2 Пирсона, критерий отношения правдоподобия, критерий Колмогорова, критерий Смирнова и два критерия ю Мизеса. Непараметрические критерии Колмогорова, Смирнова и ю Мизеса применяются лишь в тех случаях, когда исходная выборка состоит из негруппированных наблюдений.
Большинство исследователей при решении задачи выбора распределения, наиболее хорошо описывающего их результаты, обычно пользуются одним критерием согласия, опираясь на заданный уровень значимости а (обычно 0,01; 0,05; 0,1), принимая гипотезу о согласии, если значение соответствующей статистики не превышает критического значения. При этом не учитывается, что различные критерии используют различные меры близости распределений, и
(1)
где у - некоторая константа и
(2)
принятие гипотезы о согласии по одному критерию совсем не означает, что распределения окажутся близкими в соответствии с другими критериями.
Наш опыт показывает, что необходимо использование ряда критериев, основанных на различных мерах близости. Это позволяет принимать решение по их совокупности. При использовании общепринятой методики проверки гипотез по критериям согласия часто оказывается, что нет причин отказаться от целого ряда распределений, то есть сохраняется несколько возможных альтернатив. В то же время необходимо остановиться на том распределении, согласие с которым наиболее хорошее. Поэтому рекомендуется проверять согласие выборочного распределения не с одним, а с несколькими теоретическими распределениями. При этом для каждого /-го критерия и каждого 7-го теоретического распределения, где / с К множеству индексов применяемых критериев, а] с Я множеству индексов проверяемых теоретических распределений, вычисляется вероятность по формуле
да
> 4} = | gi (*)<Ъ = аг], (3)
*
где Ь] - найденное по выборке значение соответствующей статистики 1-го критерия при проверке согласия с ]-м распределением; gi(s) - известная функция плотности распределения статистики 8 при условии, что гипотеза Н0 является истинной. Тогда при проверке гипотезы о согласии с ]-м распределением по /-му критерию, если а^ > а, где а - задаваемый исследователем уровень значимости, нет повода отвергать гипотезу о согласии с ]-м распределением в соответствии с 1-м критерием. Пусть в соответствии с используемыми критериями нет оснований отвергать гипотезу о согласии с множеством законов, помеченных индексами Я1 с Я. Тогда в результате выбирается тот закон распределения случайной величины, для которого V/ выполняется равенство
а „ = тах
7 ]сЯ
(а). (4)
Информационные оценки состояния и изменений свойств объектов
Чтобы количественно оценить меру неопределенности вероятностного распределения, в теории информации используется величина информационной (статистической) энтропии. Для оценки различий вероятностных распределений может использоваться величина информационной дивергенции. Эти характеристики вероятностных распределений использованы нами для оценки вероятностных распределений почвенных свойств и, по существу, они являются информационными характеристиками самих почвенных свойств [13-14].
В нашей работе предложена концепция целостной оценки состояния и изменений природных объектов с учетом их вариабельности [7, 15]. При этом индикаторами состояния этих объектов являются вероятностные распределения и статистическая энтропия почвенных свойств, вычисляемая по формуле
+да
И = -к | Ж(х)1п(—(х))ах, (5)
—да
где Ж(х) - функция вероятностно-статистических распределений случайной величины х, а индикаторами изменений является величина информационной дивергенции, вычисляемая по формуле
+да ( Ж 1(х) ^
а = Г (Ж 1(х)—ж2(х))1п —(-I ах, (6)
—да I Ж2(х) )
где Ж1(х), —2(х) - функции вероятностно-статистических распределений случайной величины х, являющейся статистической выборкой изучаемого свойства почвы, и приращение энтропии за интервал времени Д? =(¿2 - ¿1) (табл. 1).
Вычисление статистической энтропии и информационной дивергенции по формулам (5) и (6) осуществлялось на основании исследований вероятностных моделей [16].
Таблица 1
Вероятностные и информационные индикаторы состояния и изменений почвенного объекта за период времени Д?
Категория Индикатор Вычисление*
Состояние почвы в моменты времени ¿1 и ¿2 Вероятностные распределения Ж(х) свойств почвы в моменты времени ¿1 и ¿2 ж 1(х) = —1 (х, боп, еД еД 9зй) —2(х) = — (х, еой, е Д е2й, езй)
Статистическая энтропия, И в моменты времени ¿1 и ¿2 по формулам (7), (8) к = 1 Ип =— к Г Ж 1(х)1п(— 1(х))ах (7) — да +да И2 =— к Г Ж 2(х)1п(— 2(х))ах (8) —да
Изменение почв за период времени Д? = (¿2 - ¿1) Приращение статистической энтропии, ДИ за период времени Дt = (¿2 - ¿1) ДИ = Иа - Иtl
Информационная дивергенция, а = Д—(х)за период времени Д? =(¿2 - ¿1) По формуле (6)
* Для расчета информационных показателей нами использовался ППП МаШСАБ и программная среда «Я»1.
1 В проведении расчетов участвовал А. А. Оплеухин.
230
Результаты исследований показали сложное поведение статистической энтропии почвенных систем, тем не менее, критерием их устойчивости является малое изменение статистической энтропии свойств.
В настоящее время развивается общесистемный подход к управлению техническими, природными и социальными системами на основе энтропийных закономерностей [17], что, по-видимому, также можно будет использовать для управления экологическими рисками при сложных взаимодействиях между техническими и природными системами.
Величина информационной дивергенции вероятностных распределений почвенных свойств является скалярной количественной мерой различий двух распределений. Эта величина не зависит от абсолютных величин свойств, поэтому она дает возможность относительной оценки интенсивности процессов в объектах, не сопоставимых по абсолютным количественным величинам, что важно при оценке интенсивности изменений разных почвенных свойств, их изменений в профиле, в различных почвах. Информационная дивергенция позволяет выделять наиболее уязвимые и измененные почвенные разности, а также ранжировать естественные и антропогенные воздействия соответственно степени их влияния на почвенные свойства [18].
Обсуждение результатов
В результате проведенных исследований выполнена вероятностная и информационная оценка изменений почв на юге Западной Сибири за период 1960-1990 гг. Получены статистические эталоны состояния почв в различные временные интервалы. Предлагаемая количественная модель состояния почвы представляет собой совокупность вероятностных распределений свойств в почвах в пределах исследуемых территорий (табл. 2). Произведены расчеты информационных энтропии на начало и конец временных интервалов и дивергенции вероятностных распределений свойств почв за исследуемый период. Информационная энтропия содержания гумуса в поверхностном горизонте каштановых почв в большой мере зависит от гранулометрического состава, а в черноземах южных эта зависимость выражена меньше. Земледельческое пахотное использование, дефляция понижают энтропию содержания гумуса в верхнем горизонте, а применение почвозащитного полосного земледелия - повышает. В то же время каштановая тяжелосупесчаная почва проявляет устойчивость, так как энтропия содержания гумуса в ней практически не изменяется. Анализ информационной дивергенции (табл. 2) свидетельствует о том, что как в каштановых почвах, так и в черноземах южных (рис. 4) легкосуглинистые разновидности этих почв подвержены большей перестройке вероятностных распределений содержания гумуса в верхней части профиля. Поэтому эти почвы являются наиболее уязвимыми и подвержены большим изменениям в процессе современной эволюции. Однако в более глубоких слоях перестройка ВСР содержания гумуса в среднесуглинистых почвах выражена сильнее, по-видимому, вследствие более сильного развития корневых систем.
Таблица 2
Вероятностно-статистические распределения содержания гумуса в горизонте Ап в каштановых почвах (Кулундинская степь) и черноземах южных (Прииртышский увал)
Год Разновидность почвы Тип распределения Параметры распределения 0о ; 01 ; 02 ; 0з а* h d
Каштановые почвы
1965 Легкосупесчаная, дефл., Дв. показательное 3,94; 84,56 0,6 -0,02
1965 -"- , недефл. Би- Джонсона -3,34; 3,21; 0,48; 0,59 0,7 0,2 0,1
1975 Легкосупесчаная Макс. значения 0,23; 1,18 0,8 0,74 0,1
1965 Тяжелосупесчаная, дефл., Би-Джонсона - 0,42; 1,64; 0,4; 1,42 0,5 0,16
1965 -"- , недефл. Логистическое 1,42; 0,3 0,4 0,17 0,2
1975 Тяжелосупесчаная Накагами 0,63; 0,89 0,5 0,15 0,1
1965 Легкосуглинистая, дефл., Нормальное 1,66; 0,38 0,7 0,1
1965 -"- , недефл. Би- Джонсона - 1,43; 1,76; 0,48;1,40 0,5 0,53 0,6
1975 Легкосуглинистая Макс. значения 0,38; 1,83 0,6 0,85 0,1
Ч ернозем южный
1965 Легокосуглинистый Ln-нормальное 0,22; 0,85 0,8 0,8
1989 к Дв. экспонен. 1,25; 0,34; 2,24 0,6 0,34 0,45
1965 Среднесуглинистый Ln-нормальное 1,02; 0,21 0,5 0,75
1989 п Ln-нормальное 0,98; 0,15 0,2 0,48 0,18
* а - достигнутый уровень значимости (средний по 6 критериям); И - статистическая энтропия; d - информационная дивергенция.
0.00 -1-1-1-1-1-1-1-1-1-1
О 10 20 30 40 50 60 70 80 90 100
Глубина слоя, см
Рис. 4. Информационная дивергенция содержания гумуса в черноземах южных за период 1963-1989 гг.
Заключение
Точные знания о состоянии почв и их изменениях необходимы для решения важных государственных проблем, в том числе продовольственной и экологической безопасности России. Для этого важно проведение повторных мониторинговых исследований почв сельскохозяйственных территорий. На основе получаемых при этом данных должны быть определены статистические эталоны почв на конкретных территориях в определенные моменты времени. Согласно современной методологии, необходимо определение надежных индикаторов для количественной оценки деградации земель. Исследования показали, что трансформация почв и почвенного покрова под действием естественных и антропогенных процессов приводит к изменению вероятностной структуры значений почвенных свойств. Поэтому для оценки состояний и изменений почв необходимо использовать предложенные нами вероятностные и информационные индикаторы для оценки состояния - вероятностно-статистические распределения и информационную энтропию почвенных свойств; и изменений -трансформацию вероятностных распределений, приращение энтропии и информационную дивергенцию. Проведенные исследования убеждают, что данные характеристики закономерны и обладают чувствительностью даже при довольно близких условиях и небольших временных интервалах, поэтому являются надежным средством оценки различий. Это позволяет проводить более раннюю и точную диагностику нежелательных процессов и более дифференцированную оценку их результатов.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Количественный анализ цифровой почвенной карты Северной Барабы / К. С. Бай-ков, А. П. Карпик, Ю. В. Кравцов, С. В. Соловьев, Н. А. Шергунова, А. В. Дубровский // Вестник СГУГиТ. - 2016. - Вып. 4 (36). - С. 161-175.
2. Жарников В. Б., Ларионов Ю. С. Мониторинг плодородия земель сельскохозяйственного назначения как механизм их рационального использования // Вестник СГУГиТ. -2017. - Т. 22, № 1. - С. 203-212.
3. Михеева И. В. Вероятностно-статистические модели свойств почвы (на примере каштановых почв Кулундинской степи). - Новосибирск : Наука, 2001. - 200 с.
4. Mikheeva I. V. Changes in spatial variability of soil properties under antropogenic impact // Eurasian Soil Science. - 1997. - Vol. 30, No. 1. - P. 87-93.
5. Михеева И. В. Мониторинг и вероятностно-статистическая оценка устойчивости и изменчивости природных объектов при современных процессах (на примере каштановых почв Кулундинской степи). - Новосибирск : Изд-во СО РАН, 2005. - 103 с.
6. Михеева И. В., Оплеухин А. А. 30-летние изменения вероятностных и информационных характеристик содержания гумуса в черноземах южных Западной Сибири [Электронный ресурс] // Живые и биокосные системы. - 2015. - № 13. - Режим доступа : //www. jbks. ru/archive/issue-13/article-9.
7. Михеева И. В. Вероятностно-статистическая оценка современных почвенных процессов - необходимое условие для поддержания биологической безопасности территорий // Научно-практическая конференция «Проблемы и пути совершенствования гражданской обороны, природной, техногенной и пожарной безопасности населения и территорий субъектов
Российской Федерации Сибирского федерального округа» : сб. материалов. - Новосибирск, 2013. - С. 26-28.
8. Николис Г., Пригожин И. Познание сложного. Введение / пер. с англ. - М. : Мир,
1990.
9. Михеева И. В., Кузьмина Е. Д. Анализ изменений свойств почвы по изменению их статистического распределения : метод. рекомендации. - Новосибирск : ИПА СО РАН; «ЦЭРИС», 2000. - 23 с.
10. Общесоюзная инструкция по почвенным обследованиям и составлению крупномасштабных карт землепользования. - М. : Колос, 1973.
11. Материалы по мониторингу почв. - Павлодарский филиал ГосНПЦзем, 1995.
12. Лемешко Б. Ю. Статистический анализ одномерных наблюдений случайных величин : программная система. - Новосибирск : НГТУ, 1995. - 125 с.
13. Михеева И. В. Статистическая энтропия как критерий оценки эволюции и динамики почвенного покрова // Сибирский экологический журнал. - 2004. - № 3. - С. 445-454.
14. Mikheeva I. V. Divergence of Probability Distribution of the Soil Properties as a Quantitative Characteristic of the Soil Cover Transformation // Contemporary Problems of Ecology. -2009. - 2(6). - p. 667-670.
15. Mikheeva I. Probabilistic Indicators for Soil Status Evaluation. Land Quality and Land Use Information in the European Union / Gergely Toth and Tamas Nemeth (Eds). - Luxembourg : Publications Office of the European Union, 2011. - 399 p. doi: 10.2788/40725.
16. Губарев В. В. Вероятностные модели : справочник в 2-х частях. - Новосибирск : Новосибирский электротехнический институт, 1992.
17. Прангишвили И. В. Общесистемные закономерности и проблемы управления природными и социальными системами. Синергетика и проблемы управления / Ред. А. А. Колесников. - М. : Физматлит, 2004. - С. 398-419.
18. Mikheeva I. V. Probabilistic Assessment of Contemporary Soil Evolution in the South of Western Siberia Based on Analysis of Soil Monitoring Data / Mueller, Lothar, Sheudshen, Askhad K., Eulenstein, Frank (Eds.) // Novel Methods for Monitoring and Managing Land and Water Resources in Siberia. - Springer International Publishing. - 2016. - P. 307-324. - doi 10.1007/978-3319-24409-9.
Получено 16.10.2017
© И. В. Михеева, 2017
PROBABILISTIC-STATISTICAL AND INFORMATION ASSESSMENT OF CONTEMPORARY PROCESSES IN NATURAL OBJECTS ON THE BASIS OF DATA OF SOIL MONITORING
Irina V. Mikheeva
Institute of Soil Science and Agrochemistry SB RAS, 630090, Russia, Novosibirsk, 8/2 Akademik Lavrentiev Prospect, Dr. Sc., Leading Researcher, phone: (383)363-90-13, e-mail: mikheeva@issa.nsc.ru
Monitoring researches of soils and other natural objects raise a number of important methodological and methodical problems, including the probabilistic and statistical analysis of data of monitoring and their use for verification of estimates of natural processes. Large-scale and detailed soil researches have shown that, even in homogeneous objects, soils are characterized by essential fluctuations and variation of properties in space. The variability of properties at all levels of the organization of soil cover is one of fundamental features of a soil because it is an open complex, dynamic and evolving system.
The general theoretical approaches to probabilistic assessment of the contemporary evolution of the soil (CES) according to data of large-scale soil monitoring are given in the article. Assessment of changes of properties of the soil at the level of fields is important for the characteristic of CES that it allows to draw conclusions about the contemporary processes happening in soils caused by anthropogenic influence and climate changes. CES is considered as continuous process of changes of conditions of the soil with time intervals from ten to hundred years.
When carrying out spatial soil monitoring, points of approbation in space at different time intervals don't coincide. Therefore for assessment of states and changes of soils it is necessary to use probabilistic and statistical models. The condition of the soil in the time moment t is characterized by relevant at this moment variability of n soil properties in its k genetic horizons (layers). The characteristic of variability of property is the probabilistic and statistical distribution (PSD) of its values in the territory of the studied object therefore the quantitative model of a condition of the soil represents set of PSD of n properties of the soil in its k horizons.
Proceeding from it, we have offered to use probabilistic and statistical and information characteristics (indicators) for assessment of condition of soils and their changes. For condition of the soil, besides the PSD functions of properties of the soil, as the characteristic of state information (statistical) entropy is used. For assessment of changes of soils values of information divergence of properties and an increment of entropy are used. The entered characteristics allow estimating extent of influence for the soil forming factors and anthropogenic impacts on probabilistic structure of values of properties of the soil and its stability.
The case studies have been conducted in the big territory at the south of Western Siberia. It has been shown that CES occurs under the anthropogenic influences and natural processes caused by climatic trend of warming and by cycles on moistening. It is revealed by changes of probabilistic structure of values of properties of the soil. On data of archive records the probabilistic and information assessment of changes of soils in the south of Western Siberia during 60-90 years of the 20th century is executed. In fact, the received models and estimates are statistical standards of condition of soils which should be used for comparison with the current and future results in the explored and neighboring territories.
Key words: monitoring; soil properties; data base; probabilistically-statistical models; statistical standard; information entropy and divergence.
REFERENCES
1. Bajkov, K. S., Karpik, A. P., Kravcov, Ju. V., Solov'ev, S. V., Shergunova N. A., & Dubrovskij, A. V. (2016). Quantitative analysis of the digital soil map of Northern Baraba. Vestnik SGUGiT[VestnikSSUGT], 4(36), 161-175 [in Russian].
2. Zharnikov, V. B., & Larionov, Ju. S. (2017). Monitoring of fertility of lands of agricultural purpose as mechanism of their rational use. Vestnik SGUGiT [Vestnik SSUGT], 22(1), 203212 [in Russian].
3. Mikheeva, I. V. (2001). Veroyatnostno-statisticheskie modeli svoystvpochvy (naprimere kashtanovykh pochv Kulundinskoy stepi) [Probability and statistical models of soils (at example of chestnut soils of Kulunda steppe)]. Novosibirsk: Nauka, Siberian enterprise of RAS [in Russian].
4. Mikheeva, I. V. (1997). Changes in spatial variability of soil properties under antropogenic impact. Eurasian Soil Science, 30(1), 87-93.
5. Mikheeva, I. V. (2005). Monitoring i veroyatnostno-statisticheskaya otsenka ustoychivosti i izmenchivosti prirodnykh ob"ektov pri sovremennykh protsessakh (na primere kashtanovykh pochv Kulundinskoy stepi) [Monitoring and probabilistic and statistical evaluation of stability and variability of natural objects under contemporary processes (at example of chestnut soils of Kulunda steppe)]. Novosibirsk: SB RAS [in Russian].
Вестник ^WuT, TOM 22, № 4, 2017
6. Mikheeva, I. V., & Opleuhin, A. A. (2015). 30 years' Changes of Probabilistic and Information Characteristics of the Humus Content in Southern Chernozems in Western Siberia. Zhivye i biokosnye sistemy [Live and Bioinert Systems], No. 13. Retrieved from: //www.jbks.ru/archive/issue-13/article-9 [in Russian].
7. Mikheeva, I. V. (2013). Probabilistic and statistical evaluation of contemporary soil processes - necessary condition for maintenance of biological safety of territories. In Sbornik materialov Nauchno-prakticheskoy konferentsii "Problemy i puti sovershenstvovaniya grazhdanskoy oborony, prirodnoy, tekhnogennoy i pozharnoy bezopasnosti naseleniya i territoriy sub"ektov Rossiyskoy Federatsii Sibirskogo federal'nogo okruga" [Proceedings of the Scientific and Practical Conference "Problems and Ways of Improvement of Civil Defense, Natural, Technogenic and Fire Safety of the Population and Territories of the Territorial Subjects of the Russian Federation of Siberian Federal District"] (pp. 26-28). Novosibirsk [in Russian].
8. Nikolis, G., & Prigogine, I. (1990). Poznanie slozhnogo. Vvedenie [Exploring complexity. An introduction]. Moscow: Mir [in Russian].
9. Mikheeva, I. V., & Kuz'mina, E. D. (2000). Analiz izmeneniy svoystv pochvy po izmeneniyu ikh statisticheskogo raspredeleniya [The analysis of changes of properties of the soil on change of their statistical distribution]. Novosibirsk: Institute of Soil Science and Agrochemistry of SB RAS [in Russian].
10. Guidelines All-Union. (1973). All-Union guidelines for soil survey and compilation of large-scale maps of land tenure. Moscow: Kolos [in Russian].
11. Materialy po monitoringu pochv [Materials on monitoring of soils]. (1995). Pavlodar, Pavlodar Branch GosNPCzem [in Russian].
12. Lemeshko, B. Ju. (1995). Statisticheskiy analiz odnomernykh nablyudeniy sluchaynykh velichin [Statistical analysis of one-dimensional observations of random variables]. Novosibirsk: NSTU [in Russian].
13. Mikheeva, I. V. (2004). Statistical entropy as a criterion for estimation evolution and dynamics of topsoil. Sibirskij jekologicheskij zhurnal [Contemporary Problems of Ecology], 3, 445454 [in Russian].
14. Mikheeva, I. V. (2009). Divergence of Probability Distribution of the Soil Properties as a Quantitative Characteristic of the Soil Cover Transformation. Sibirskij jekologicheskij zhurnal [Contemporary Problems of Ecology], 2(6), 667-670.
15. Mikheeva, I. (2011). Probabilistic Indicators for Soil Status Evaluation. Gergely Toth and Tamas Nemeth (Eds). In Land Quality and Land Use Information in the European Union (pp. 45-55). Luxembourg: Publications Office of the European Union. doi: 10.2788/40725.
16. Gubarev, V. V. (1992). Veroyatnostnye modeli [Probabilistic models]. Novosibirsk: Novosibirsk Electrotechnical Institute [in Russian].
17. Prangishvili, I. V. (2004). System-wide regularities and problems of management of natural and social systems. In A. A. Kolesnikov (Ed.), Synergetic and problems of management (pp. 398-419). Moscow: Fizmatlit [in Russian].
18. Mikheeva, I. V. (2016). Probabilistic Assessment of Contemporary Soil Evolution in the South of Western Siberia Based on Analysis of Soil Monitoring Data. In Mueller, L., Sheudshen, A. K., Eulenstein, F. (Eds.), Novel Methods for Monitoring and Managing Land and Water Resources in Siberia (pp. 307-324). Springer International Publishing. doi 10.1007/978-3-319-24409-9.
Received 16.10.2017
© I. V. Mikheeva, 2017
