Определение мозаичности почв виноградных насаждений с использованием спутниковых спектральных данных и метода машинного обучения.

Объективная оценка мозаичности почв по контурной пестроте и пятнистости ее поверхностного слоя является важной составляющей информационного обеспечения технологии точного земледелия. Развитие методов дистанционного зондирования позволяют автоматизировать картографирование почвенных элементарных ареалов методами машинной классификации с использованием спектральных данных. Такие параметры почвы как пестрота и пятнистость часто используются в почвоведении для описания земельных участков. Методика включает применение алгоритма машинной классификации с обучением "случайный лес" для классификации элементарных почвенных ареалов по их спектральной отражательной способности в точках взятия почвенных проб – шурфах. Различия в спектральной отражательной способности паттернов почвенной поверхности обусловлены содержанием в верхнем слое гумуса, гравия, песка, глины, солей, его гигроскопической влажностью и силой вегетации растений. На основе различных спектральных каналов, их комбинаций, нормализованных спектральных индексов можно объективно выделять почвенные контуры пятнистости и пестроты терруара. Наличие картограмм почвенной поверхности виноградопригодных земель является руководством для: корректировки технологических карт по уходу за многолетними растениями, высокоточного проведения агротехнических работ, повышения количественных и качественных характеристик как винограда, так и вина. Для классификации почвенной поверхности по спектральным индексам вегетации и их композициям, которые позволяют провести морфометрическую оценку мозаичности виноградного насаждения и соответственно определить условия роста растаний.
Результирующие показатели используются для оценки почвенной мозаики при высокоточном проведении агротехнических работ в зонах с различными режимами увлажнения почвенной поверхности и физическим составом почвы. Оконтуривание почвенной поверхности по спектральным паттернам почв позволяет выявить участки виноградного насаждения с разной влажностью и минерализацией почв и режимами роста растений. Композиции из индексов NDWI и SWIR обеспечивает машинную классификацию почвенной мозаики по степени влажности и составу почвы. На основании анализа доверительных интервалов индексы NDWI и SWIR имеют наименьшую вариативность по сравнению с другими нормализованными индексами.
Машинная классификация по композиции индексов NDWI_SWIR на площади виноградного насаждения в 24 га позволила определить контуры и площади шести вариантов почв:
Вариант 1 - Чернозем обыкновенный, мощный, глубоко солонцеватый, тяжелосуглинистый. Гигроскопичность почвы = 7.5, гумус= 2.1 (4.71 га)
Вариант 2 - Чернозем южный, карбонатный, маломощный, гранулометрический состав - супесь. Гигроскопичность почвы = 6.0, гумус= 1.5 (2.20 га)
Вариант 3 - Чернозем обыкновенный, мощный, карбонатный, тяжелосуглинистый. Гигроскопичность почвы = 2.0, гумус= 1.8 (5.80 га)
Вариант 4 - Чернозем южный, выщелоченный, мощный, среднесуглинистый. Гигроскопичность почвы = 3.4, гумус= 1.8 (3.51 га)
Вариант 5 - Чернозем южный, карбонатный, мощный, среднесуглинистый, глубокосолонцеватый. Гигроскопичность почвы = 6.9, гумус= 1.8 (6.82 га)
Вариант 6 - Чернозем южный, переходный к чернозёму обыкновенному, сверхмощный, слабовыщелоченый, тяжелосуглинистый. Гигроскопичность почвы = 11.0, гумус= 2.1 (2.95 га)
Таким образом, использование композиций индексов и комбинаций каналов позволяет с высокой точностью провести спектральное выделение контуров и расчёт площадей мозаики почвенной поверхности виноградных насаждений, с учётом влажности, минералогического состава, содержания глины и песка в почве.