Рассматривается проблема, актуальная для орошаемых земель на примере сухостепной зоны Волгоградской области, где характерно распространение окарбоначивания почв. Такие процессы влекут за собой снижение урожайности и нуждаются в своевременном выявлении и оценке масштабов проявления этих процессов. Ввиду сложности наблюдений больших площадей орошаемых земель, актуальными становятся возможности мониторинга процессов окарбоначивания почв с использованием анализа данных дистанционного зондирования Земли. Целью данной работы является исследование взаимосвязей окарбоначивания почв со спектральными характеристиками поверхности, полученными по данным спутника сверхвысокого разрешения Ресурс-П. В качестве тестового района был выбран участок Светлоярской оросительной системы Волгоградской области. Наземная опорная информация была представлена в виде данных об уровне окарбоначивания, которые получены по обработанным результатам полевых работ, выполненных Почвенным институтом имени Докучаева. Также были рассчитаны стандартные спектральные индексы по космическим изображениям Ресурс-П, среди которых отобраны наиболее эффективные, имеющие наиболее высокую корреляцию со степенью окарбоначивания почв, определенной по сопоставляемым полевым пробам. С использованием геоинформационных систем на космическом снимке были размечены участки в местах отбора проб. Информация с этих участков затем анализировалась с использованием графической визуализации и регрессионного анализа. В результате была установлена взаимосвязь между значениями спектральной яркости участков на космическом изображении со спутника Ресурс-П и уровнем окарбоначивания. На основе выявленных взаимосвязей выполнено обучение классификатора Random Forest, с использованием которого построена карта распространения окарбоначенных почв на орошаемой территории тестового участка Светлоярской оросительной системы.

Ключевые слова: Дистанционное зондирование Земли , Sentinel-2, спектральные индексы, засоление, орошаемые земли

Литература:

Allbed A., Sinha P., Kumar L, Mapping and Modelling Spatial Variation in Soil Salinity in the Al Hassa Oasis Based on Remote Sensing Indicators and Regression Techniques// Remote Sensing. 2014, 6(2), 1137-1157
Hihi S, Rabah Z, Bouaziz M, Chtourou M, Bouaziz S,Prediction of Soil Salinity Using Remote Sensing Tools and Linear Regression Model //Advances in Remote Sensing, Vol.8 No.3, 2019
Hong Jiang, Yusufujiang Rusuli, Tureniguli Amuti & Qing He (2019) Quantitative assessment of soil salinity using multi-source remote sensing data based on the support vector machine and artificial neural network, International Journal of Remote Sensing, 40:1, 284-306
Peng, J., Biswas, A., Jiang, Q., Zhao, R., Hu, J., Hu, B., & Shi, Z. (2018). Estimating soil salinity from remote sensing and terrain data in southern Xinjiang Province, China. Geoderma.
Хитров, Н. Б., Рухович, Д. И., Калинина, Н. В., Новикова, А. Ф., Панкова, Е. И., & Черноусенко, Г. И. (2009). Оценка площадей засоленных почв на территории европейской части России (по электронной версии карты засоления почв масштаба 1: 2.5 млн.). Почвоведение, (6), 627-637.
Савин, И. Ю., Отаров, А., Жоголев, А. В., Ибраева, М. А., & Дуйсеков, С. (2014). Выявление многолетних изменений площади засоленных почв Шаульдерского орошаемого массива по космическим снимкам Landsat. Бюллетень почвенного института им. В.В. Докучаева, (74).
Панкова, Е. И., Горохова, И. Н., & Конюшкова, М. В. (2014). Развитие методов оценки дистанционного мониторинга засоления орошаемых и целинных почв на территории аридных семиаридных регионов. Экологические системы и приборы, (10), 3-9.
Masoud, A. A., Koike, K., Atwia, M. G., El-Horiny, M. M., & Gemail, K. S. (2019). Mapping soil salinity using spectral mixture analysis of landsat 8 OLI images to identify factors influencing salinization in an arid region. International Journal of Applied Earth Observation and Geoinformation, 83, 101944.
Горохова, И. Н., Панкова, Е. И., & Чурсин, И. Н. (2020). Разработка методических подходов для оценки состояния орошаемых земель юга европейской части России на основе материалов космической съемки. Аридные экосистемы, 26(1 (82)).
Конюшкова, М. В., & Вышивкин, А. А. (2009). Связь изображения на космических снимках Quickbird с растительностью, почвами и их засоленностью (Северный Прикаспий, район Джаныбекского стационара РАН). Поволжский экологический журнал, (1), 35-46.

Презентация доклада

Видео доклада

Дистанционное зондирование растительных и почвенных покровов

391