Бесплатный автореферат и диссертация по биологии на тему
АНАЛИЗ ПОЧВЕННЫХ РЕСУРСОВ НА ОСНОВЕ ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ
ВАК РФ 03.00.27, Почвоведение
Автореферат диссертации по теме "АНАЛИЗ ПОЧВЕННЫХ РЕСУРСОВ НА ОСНОВЕ ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ"
А-ЗЧ5РЛ
На правах рукописи
САВИН Игорь Юрьевич
АНАЛИЗ ПОЧВЕННЫХ РЕСУРСОВ НА ОСНОВЕ ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ
Специальность 03.00.27 - Почвоведение
Автореферат
диссертации на соискание ученой степени доктора сельскохозяйственных наук
МОСКВА-2004
Работа выполнена в Почвенном институте имени В.В. Докучаева РАСХН в 1987 - 2002 годах. Исследования по отдельным вопросам проводились в Центре лочвенно-гидрологических исследований Винанда Старинга (Нидерланды) в 1995 и 1996 годах, а также в Объединенном исследовательском центре Европейской Комиссии (Италия) в 2002 и 2003 годах.
Научный консультант:
Доктор сельскохозяйственных наук, профессор
Д.Н. Дурманов,
Официальные оппоненты:
Доктор сельскохозяйственных наук
Е.И. Панкова,
Доктор биологических наук, профессор, Академик РАСХН
В.И. Кирюшин, „
Доктор географических наук, профессор
Ю.Г. Пуза-
Ведущая организация:
Факультет почвоведения
Московского Государственного Университета им. М.В.Лом^ : ч •
Защита диссертации состоится « /6» Ко 2004
на заседании диссертационного совета Д.Й06.053.01 ' V-институте имени В.В. Докучаева по адресу: 109017 К:.■... Пыжевский пер.,7.
П*
С диссертацией можно ознакомиться в библиотеке Почвенного инсти? < . имени В.В. Докучаева
Автореферат разослан_2004 г.
Ученый секретарь диссертационного совета
доктор сельскохозяйственных наук И.Н. Любимова
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность. Земельные ресурсы представляют основу целостности и базис развития любого государства. В России полное и всестороннее знание земельных ресурсов всегда признавалось крайне важным. К концу 20 века в первую очередь благодаря огромным усилиям почвоведов страна получила картографически обеспеченную инвентаризацию почвенных ресурсов в различных масштабах. В целом данная информация вполне отвечала требованиям централизованного хозяйственного механизма России доперестроечного этапа развития. В настоящее время ситуация резко изменилась. Прежде всего страна отказалась от государственного управления земельными ресурсами. Иишщиатива в использовании земель отдана производителю и определяется рынком и конъюнктурой спроса. В этих условиях созданная в советское время система информационного обеспечения землепользования оказалась невостребованной. Необходима трансформация почвенно-простраыственных данных в сторону их приближения к новым социально-экономическим условиям. Отсутствие современного информационного обеспечения лишает органы государственного и муниципального управления возможности формировать адекватную современным хозяйственным задачам реальную, предметно и регионально дифференцированную тактику и стратегию развития экономически выгодного, социально приемлего и экологически допустимогоиспользования почвенных ресурсов страны. Перечисленные требования входят в число главных критериев устойчивого развития сельского хозяйства, которые приняты главными для страны на обозримую перспективу в XXI веке (Рио де Жанейро, 1992; Иоханесбург, 2002).
Согласно определению Международной Продовольственной Организации - ФАО (1976) земли - это «часть поверхности суши, характеристики которой охватывают все относительно стабильные или предсказуемо цикличные компоненты биосферы над и под этой поверхностью, включая атмосферу, почвы и подстилающие породы, растительное и животное населения и результаты настоящей и прошлой активности человека». Это определение следует стержневой идеей отечественного естествознания в части системного познания и управления земельными ресурсами как единым целым, которая была сформулирована В.В. Докучаевым в конце XIX века. Однако, воплощение этой принципиальной мысли требует соответсвенно полной и разнообразной информации соединенной с адекватно сложными средствами ее анализа, современными информационными технологиями и пр. В этом свете разработка научных основ такого нового направления в земледелии как - ландшафтно-адаптивное земледелие (Каштанов, 1992, 2002; Кирюшин, 1993, 2000; Каштанов и др., 1994; Кирюшин, Власенко, 2003 и др.) требует одновременного анализа и учета такого большого количества разноплановых данных, что в настоящее
ЦНБ МСХА
фо -№
время осуществить ее без привлечения компьютерной техники не представляется возможным.
Почвы являются одной из наиболее важных составляющих понятия земельные ресурсы. В значнтслыюй мере именно почвы выступают главным показетелем качества земель. Инвентаризация почвенных ресурсов традиционно осуществляется с использованием картографических методов. По мере накопления данных о почвах и их географии, а также в связи с расширением количества прикладных задач интерпретации почвенных данных почвоведы пытались увеличить информативность почвенных карт. Так, на почвенных картах середины 20-го века показывались преимущественно преобладающие почвы (Ливеровский, 1949; Прасолов, 1954). На почвенных картах конца 20-го века, кроме преобладающей, показывалось несколько сопутствующих почв (Почвенная карга Ярославской области (1981), Почвенная карта РСФСР (1985)), которые в дальнейшем дополнялись данными о структуре почвенного покрова (Фридланд, 1965; Сорокина, 1987,2003; Белобров, 1999). Однако одновременно с увеличением информационной емкости почвенных карт снижалась степень их читаемости и восприятия, что в свою очередь затрудняло их практическое использование. Несоответствие между техническими возможностями традиционной «бумажной» картографии и объемом почвенных данных, которые необходимо и можно инвентаризировать, также может быть разрешено на основе современных компьютерных подходов.
По мерс развития почвоведения и накопления данных о почвах расширялась сфера потенциального приложения почвенных знаний. В последние десятилетия особенно возрасла актуальность исследований в области моделирования поведения биосферы и социума на глобальном уровне, и, как следствие, возросла значимость изучения роли педосфсры в разрешении глобальных экологических и продовольственных задач (MARS project, 19882004, ASSOD, 1998; SOVEUR, 1999; IPCC, 2001; Global Carbon Project, 2003 и др.). Транснациональность подобных задач требует не только наличия почвепно-ресурсной информации в разных странах, но и ее концептуальной унификации, а также стандартизации се сбора, хранения и анализа (Arnold et al„ 1990; SOTER, 1993; SGDB EC v.3., 2001; Столбовой и др., 2002).
Таким образом, ход развития почвоведения предопределяет необходимость разработки новых подходов к анализу почвенных ресурсов в России. Одним из перспективных подходов выступает внедрение геоинформационных технологий для инвентаризации почвенно-ресурсных данных, их хранения и научно-прикладного анализа, что предопределяет актуальность темы исследования. Одновременно, бурное внедрение в научные исследования в последние десятилетия геоинформационных технологий создало базис для развития новых методов инвентаризации почвснно-рссурсной информации, а также ее последующего прикладного анализа.
Цель н задачи исследований. Общей целью исследований была адаптация геоинформационных технологий для анализа почвенных ресурсов России.
Решались следующие задачи:
- провести обзор наиболее широко используемых в Мире методов оценки почвенных ресурсов, осуществить их экспериментальную проверку и разработать стратегию анализа почвснно-ресурсной информации с использованием технологий ГИС;
• сформулировать принципы создания геоинформационных баз данных инвентаризации почвенного покрова на разных уровнях обобщения;
- обосновать методологические подходы и предложить алгоритмы геоннформацнонного анализа почве нно-ресурсн ой информации для оптимизации размещения основных сельскохозяйственных угодий и культур на качественном и количественном уровнях,
- Создать и опробировать методы интеграции наземной информации с данными дистанционного зондирования для целей компьютерного мониторинга почвенных ресурсов.
Научная новизна и защищаемые положения. Впервые создана геоинформационная система инвентаризации и анализа почвенных ресурсов России, интегрирующая современные компьютерные базы данных с информацией дистанционного зондирования и результатами имитационного моделирования, которая обобщает и развивает традиционные отечественные методы картографирования и оценки почв. Система разработана на научном и техническом уровнях, сопоставимых с такими зарубежными аналогами, как например, Почвенно-географическая база данных Европейского сообщества {БООВ ЕС, 2003} И Цифровая база данных почв и земной поверхности Мира (йОТЕЙ, 1995). Выгодным опгличием системы является ее адаптивность к национальным стандартам и традициям картографирования и оценки почв. Кроме того, система обладает свойством совместимости с международно принятыми подходами, и превосходит их в возможностях практического использования. Предложены новые методы инвентаризации почвенных ресурсов России на разных уровнях хозяйсивенно-экономнческой организации территории, основанные на использовании технологий географических информационных систем. Впервые созданы ГИС почвенных ресурсов для России, для Московской области, Краснодарского края, республики Дагестан, Дербентского района Дагестана, Ступинского района Московской области, хозяйства «Богословское» Ясногорского района Тульской области.
В качестве основных защищаемых положений выступают:
- методология геоинформационного анализа почвенных ресурсов России;
- система инвентаризации почвенных ресурсов, адаптирующая достижения дистанционных методов исследования почв и существенно расширяющая возможности прикладного анализа почвенно-географических данных на разных уровнях обобщения;
- система к алгоритмы оценки почвенных и земельных ресурсов России для целей сельскохозяйственного производства, основанная на технологиях ГИС и методах имитационного моделирования;
- концепция компьютерного анализа динамики почвенных ресурсов, мониторинга почв и разработки сценариев их возможных изменений.
Практическая значимость. Проведен критический анализ наиболее распространенных в Мире методов инвентаризации и оценки почв. Предложены технологические решения, которые позволяют решить на новом научном и техническом уровне проблему инвентаризации и оценки почвенных ресурсов, внедрение которых вносит значительный вклад в развитие сельского хозяйства страны. Разработанные методы инвентаризации почвенных ресурсов позволяют осуществить переход от традиционных почвенных карт к компьютерным базам данных, что открывает широкие возможности для оперативного обновления существующих почвенных карт, а также для сопряженного анализа почвеино-ресурсной информации с информацией о рельефе, климате и других компонентах земельных ресурсов. Предложенная технология анализа данных позволяет применить многовариантцую систему оценки потенциала почвенных ресурсов. В этой системе землепользователю представляется право выбора той или иной деятельности в соответствие с потенциалом его земель, а также с учетом имеющихся ресурсов. Реализация такого подхода на уровне страны и субъекта Федерации выступает инструментом формулирования полигаки использования земель. На уровне отдельного хозяйства система позволяет избежать непроизводительные затраты на использование земель, не отвечающее их ресурсному потенциалу. Такой анализ необходим в условиях рыночных методов управления земельными ресурсами страны при распределении природно-ресурсной ренты, кредитовании сельхозпроизводителей, определении возвратности кредитов, страховании урожая и пр.
Апробация. Предложенные подходы опробованы на примере создания ряда гсоинформ анионных систем, которые используются в научных и научно-производственных организациях России для разработки рекомендаций по оптимизации системы землепользования отдельных регионов, а также зарубежом. Созданы ГИС комплексного анализа земельных ресурсов России, а также для административных регионов различного уровня: субъект РФ (Московская область, Краснодарский край, республика Дагестан), административный район (Ступинский район Московской области и Дербентский район Дагестана), хозяйство (УПХ «Богословское» Тульской области (филиал РУДН)), поле (Опытное поле Почвенного института им. В.В.Докучаева в УПХ «Богословское»). Кроме того, разработанные технологические решения были апробированы при создании системы «Дистанционный мониторинг эрозии черноземов» (совместный проект Института Географии РАН и DARA (Германия)), ГИС LUC-проекта Института прикладного системного анализа (Австрия), ГИС «Почвенно-географическая база данных Европейского Сообщества (масштаб 1:1000000)» н система
«Сельскохозяйственный мониторинг с использованием дистанционных материалов» (проекты Объединенного исследовательского центра стран ЕС), а также используются при создании Системы отраслевого дистанционного мониторинга МИНСЕЛЬХОЗА России. Материалы Диссертации использованы в курсах обучения студентов Географического факультета МГУ, Почвенного факультета МСХА, Аграрного факультета РУДН,
Результаты исследований докладывались на 16 и 17 Международных конгрессах почвоведов (Монтпелье, Франция, 1998; Бангкок, Тайлаяд, 2002), па втором съезде Докучаевского общества почвоведов при РАН (С.-Петербург, 1996), на международном совещании "Почвы бывших социалистических стран Европы и бывших советских республик: современный статус и перспективы" (Прага, Чехия, 2000), на международном симпозиуме SPIE «Дистанционный сельскохозяйственный мониторинг» (Агия-Пелагня, Греция, 2002), на международных семинарах по прикладному системному анализу (Гетеборг, Швеция, 1997; Лакее нбург, Австрия, 1997), по использованию компьютерного моделирования с целью прогнозирования урожайности (Испра, Италия, 2002, 2003), на координационном совещании по между народному проекту SOYEUR (Будапешт, Венгрия, 1998), на пленарном заседании Европейского Почвенного Бюро (Испра, Италия, 2002), на научных совещаниях «Структура почвенного покрова» (Ленинград, 1989), «География и картография почв» (Москва, 1992), «Устойчивое развитие систем землепользования в России» (Москва, 1993), «Деградация почвенного покрова и меры по ее предупреждению» (Москва, 1998). Кроме того, материалы были представлены на международном симпозиуме «Теория систем на рубеже тысячелетий» (Москва, 1998), на научном совещании в честь 100-летия А Л. Чижевского (Москва, 1998), демонстрировались на Всероссийских выставках «Агропромышленный комплекс России -1998 и 2000» {Москва, 1998, 2000), а также на заседаниях бюро земледелия и Президиума РАСХН, ученого совета Почвенного института имени В.В. Докучаева.
Публикации. По материалам Диссертации опубликована 81 печатная работа (в том числе 17 зарубежом), из которых 20 - в ведущих научных журналах, рекомендоваг шых ВАК.
Структура и объем диссертации. Диссертация состоит из введения, 5 глав, выводов и приложений. Основная часть работы включает 24tстраниц текста, 44 таблиц, 77 графиков и рисунков. Список использованной литературы состоит из 276 названий, в том числе 95 на иностранных языках.
Автор глубоко признателен за обсуждение работы и ценные совета д-ру геогр. наук В.С.Столбовому.
При подготовке работы особо полезными и значимыми были замечания академика РАСХН Л.ЛЮншова, член-корреспондента РАСХН В.А.Рожкова, дров с/х наук М.С. Симаковой и Д.С.Булгакова.
Искренне признателен российским и зарубежным коллегам, оказавшим помощь в отдельных исследованиях: К. ван Дипену (ALTERRA, Нидерланды), В. ван Энгелену (ISRIC, Нидерланды), профессорам И.А. Драгавцевой (СКЗНИИСиВ) и Н.Г. Загярову (Махачкалинский ГУ), к-ту геогр. наук Л.В, Десииову (Институт Географии РАН), а также сотрудникам лаборатории почвенной информатики Почвенного института им. В.В.Докучаева.
Особая признательность коллективу лаборатории ГИС Почвенного института им. В.В. Докучаева.
СОДЕРЖАНИЕ ДИССЕРТАЦИИ
Общие принпнпы использования ГИС для инвентаризации и анализа почвенных ресурсов
В настоящее время в почвенных и земельных исследованиях ГИС достаточно широко используются во всем Мире. Особенно следует отметить деятельность ФАО по созданию и развитию баз данных и ГИС в области сельского хозяйства и почвоведения (Land Evaluation..,, 1990; Chidly, Egly, 1993; Agro-ecological zoning, 1996; Eurasia soil resources database CD, 2000 и др.). Проекты SOTER (Создание цифровой базы данных почв и земной поверхности Мира) и ASSOD (Изучение деградации почв Юго-восточной Азии) также ведутся под патронажем ФАО. R.W. Arnold, I.Szabolcs, V.O.TarguIian в 1990 г. поставили вопрос о создании ЛИС для контроля глобальных изменений почвенного покрова.
Во многих странах Европы с 70-х годов проводятся работы по созданию компьютерных систем почвенно-географической информации. Большинство стран идет по пути максимального использования данных, накопленных в предыдущие периоды обследования почв. В этом случае создание ГИС, как правило, сводится к оцифровке имеющихся почвенных карт на территорию страны и превращению их легенды (с внесением некоторого количества дополнительной информации) в атрибутивную часп. БД П1С. Подобные ГИС были созданы, например, в Бельгии (van Orshoven et al., 1988), Ирландии (Coulter et al., 1996), в некоторых провинциях Италии (Calzolari, Previtali, 1996), Испании (Boixadeia, Marti, 1996). В Нидерландах (van der Pouw,1996) выделы оцифрованных почвенных карт характеризуются осредненными данными о свойствах преобладающих почв, а также приводится информация об их варьировании в пределах контура. В некоторых странах Европы, например во Франции (Jamagne et al.,1996) и Германии (Eckelmann et al.,1995), созданные подобным образом почвешю-земельные ГИС доношены базами данных фактических профилей почв с аналитической информацией. Полностью на «гридовских» подходах (с заложением почвенных профилей по сетке) построены почвенно-земельные ГИС некоторых относительно небольших по плошади
стран (Дании (Madsen, Jensen, 1995), Шотландии (Gauld, Paterson, 1996), Уэльсе (Bullock, Jones, 1996)). Особо необходимо отметить усилия Европейского Почвенного Бюро по объединению почвенных ГИС Европейских стран в единую унифицированную Почвенно-географическую базу данных Европы (CEC, 1985; SGDB ЕС, 2003), а также работы Бюро по созданию компьютерного Атласа почв Европы, начатые в 2003 году.
В нашей стране опыт использования reo информационных технологий в почвоведении также неоднократно освещался в публикациях (Трофимов, 1984; Рожков, 1989, 1991; Рожков, Рожкова, 1993; Столбовой и др.,1998, Савин и др.,1998, 2000; Савин, 2000, 2003). Важными вехами в развитии геоинформационных методов исследования почв в России являются работы по созданию Электронного почвенно-экологического Атласа страны (Рожков и др., 1995), а также выпуск CD «Земельные ресурсы России» (Stolbovoy, MacCallum, 2002), которые содержат результаты инвентаризации почвенных ресурсов России на федеральном уровне обобщения.
Несмотря на бурное развитие геоинформационных подходов в настоящее время и наличие определенного опыта их использования в почвоведении, теоретические и методологические аспекты данного направления исследований до сих пор остаются недостаточно разработанными, а их потенциал используется недостаточно полно.
В определении термина «ГИС» нет единства. Наиболее верным с нашей точки зрения следует считать использование данного термина для обозначения компьютерной базы пространственно-координированных данных, сопряженной со специальным программным обеспечением и техническими средствами, обеспечивающими вошожности их ввода, хранения и анализа.
Информационное (обеспечение функционирования ГИС, предназначенных для решения «почвенных» задач, представлены на рисунке 1.
В качестве основы функционирования таких ГИС выступает информация о свойствах почв и почвенного покрова (ГШ). Однако практически всегда используются дополнительные данные. Это могут быть сведения об отдельных компонентах ландшафта (рельеф, гидрография, растительность, климат и др.), социально-экологические данные, информация о специфике использования территории и др. Поэтому в работе основное внимание уделено анализу почвенных ресурсов в их неразрывной связи с иными компонентами земельных ресурсов.
Перспективным источником информации для создания почвенно-ориентированных ГИС являются дистанционные материалы. К настоящему моменту разработаны методы составления почвенных карт с использованием материалов дистанционных съемок (Симакова, 1954, 1984; -Методика..., 1962; Афанасьева, 1965; Составление,.., 1989; Савин, 1990 и др.).
Рис. 1 .Информационное обеспечение почвенных ГИС -
Полевые данные
Компьютерные базы данных
■Ф Литературные данные
" Карты
ъ=
материалы
Все многообразие подходов к компьютерному дешифрированию и картографированию почв можно условно подразделить на три группы: визуально-компьютерные, интерактивно-компьютериые и полной автоматизации дешифрирования и картографирования почв. Подходы каждой группы имеют свою специфику. Так, визуально-компьютерные подходы в максимальной степени используют опыт, накопленный в результате развития визуальных методов дешифрирования почв, так как в этом случае не стоит задача формализации дешифровочных признаков почв. В то же время, подходы данной группы отличаются более низкой точностью наведения границ (так как анализатором изображения выступает глаз человека) и низкой оперативностью. Подходы этой группы на существующем этапе развития дистанционных методов в почвоведении применяются редко, что связано, по-видимому, с не перспективностью их дальнейшего совершенствования.
Подходы второй группы, интерактивно-компьютерные, отличаются высокой точностью автоматизированной сегментации изображений, математической и статистической обусловленностью границ выделов. Но, к сожалению, данная обусловленность не всегда означает почвенно-географическую реальность получаемых границ. Поэтому основным вопросом при реализации данного подхода, по-видимому, является следующий: насколько полученные в результате дешифрирования границы выделов почвенно-географически обусловлены? И вряд ли в настоящий момент можно дать на него однозначный ответ, так как географическая обусловленность будет определяться физико-географическими особенностями региона исследований, спецификой использования территории, а также степенью резкости и постепенности границ почвенных выделов в натуре. В результате, на составляемых подобным образом почвенных каргах часть границ изначально не является почвенно* географическими и, следовательно, часть информации о географии (точнее -геометрии) ПП теряется.
База данных ГИС:
•почвенная информация; -дополнит ельн ая информация
Наиболее перспективными являются подходы третьей группы. В рамках этих подходов делается попытка автоматизированного выделения именно почвенно-географических контуров. Эти подходы являются наиболее оперативными н точными (с точки зрения проведения границ контуров на основе анализа дежифровочных признаков). При осуществлении автоматизированного дешифрирования, с одной стороны, задействуется широкий спектр возможностей современной компьютерной техники по обработке изображений, и с другой стороны, делается попытка привлечения всего опыта, накопленного почвоведами при визуальном дешифрировании почв. Основные недостатки полностью автоматизированных подходов предопределяются тем, что проблема полной формализации дешифровочных признаков почв на современном этапе не решена. Это приводит к тому, что достоверное дешифрирование почв в рамках подходов згой группы оказывается возможным лишь в «идеальных» условиях: при оговоренных условиях съемки, при наличии точной информации о состоянии земной поверхности в момент съемки, при установленных количественных взаимосвязях изобразительных характеристик дистанционных материалов со свойствами почв и т.д. Программное обеспечение ГИС, как правило, в настоящий момент содержит специальные модули для компьютерной обработки дистанционной информации, а также широкие возможности для реализации алгоритмов обработки изображений, созданных пользователем. Результаты дешифрирования почв в ГИС трансформируются в заданную проекцию и масштаб и совмещаются для дальнейшего анализа с иными слоями информации базы данных. Кондиционность и точность создаваемых подобным образом почвенных карг во многом определяется качеством дешифрирования почв. Поэтому, дальнейшее усовершенствование автоматизированных методов дешифрирования почв по дистатшонным материалам позволит в перспективе повысить и качество почвенно-ориентированных ГИС,
Таким образом, существующее программное обеспечение ГИС обладает достаточной гибкостью для решения задач инвентаризации и анализа почвенно-ресурсной информации. Одним из важных источников информации для создания почве нно-ориентированных ГИС являются данные дистанционного зондирования.
1ИС - кар: основа анализа почвенных .ресурсов. Оценка земель для сельскохозяйственных целей в большинстве стран Мира в настоящий момент ведется в рамках методологии ФАО (1976, 1984), Лишь в некоторых странах (преимущественно это страны Восточной Европы и бывшие советские республики) используются методы оценки почв, основы которых были разработаны в рамках Докучаевской школы почвоведения (Карманов, 1980, 1985; Федорип и др., 1981; Шишов и Др., 1991; Булгаков, 1999).
В основе методологии оценок земель ФАО также как и в отечественных бонитировочных подходах лежит взаимосвязь свойств земель с урожайностью
культур. Принципиальным отличием является то, что в подходах ФАО отсчет ведется от урожайности, максимально возможной для конкретной культуры в принципе. То есть, учитываются именно экологические требования культуры к свойствам земель, а не просто их урожайность в конкретных регионах. Кроме того, подходы ФАО являются «идеологией», то есть позволяют пользователю строить оценочные модели самостоятельно, полностью учитывая свой опыт н специфику решаемой задачи. Это делает их максимально приспособленными для формализации и компьютерной реализации земельно-оценочных работ.
Наиболее перспективным для России выглядит построение качественных оценочных моделей в рамках идеологии ФАО с учетом достижений отечественных бомпировочных подходов, а количественных - в интеграции методов компьютерного моделирования в технологии ГИС.
Анализ ресурсного потенциала почв рассматривается нами как часть анализа ресурсного потенциала земель. На основе анализа мирового опыт использования ГИС, базируясь на современных компьютерных технологиях и с учетом специфики российских подходов, была разработана стратегия комплексного компьютерного анализа ресурсного потенциала земель, представленная схематично на рисунке 2. Под ресурсным потенциалом земель понимается их потенциальная способность быть использованными для той или иной цели. При анализе земельных ресурсов для возделывания отдельных культур ресурсный потенциал земель может быть оценен количественно, по уровню потенциальной урожайности культуры на анализируемом участке земель. Таким образом, ресурсный потенциал земель является показателем потенциальных возможностей их использования в том или ином качестве.
Информация о
ресурсном потенциале земель может быть получена лишь на основе анализа соотношения экологических требований желаемого типа землепользования с
фактическими свойствами земель. При этом часто анализу необходимо
подвергнуть достаточно большой набор свойств земель (их точное количество зависит от желаемого типа землепользования), каждое из которых может иметь свои особенности пространственного варьирования в пределах региона исследований. В настоящий момент подобные задачи наиболее успешно решаются в рамках технологий географических информационных систем, позволяющих
Аидлт попношл урожайнмти сель<к«хо1яЯсгк1 культур
Рнс.2, Стратеги* компьютерного аналк» ресурсного потенциала
осуществлять одновременный анализ большого количества отдельных слоев пространственно-координированных данных. Кроме того, использование ГИС технологий открывает широкие возможности для сопряженного использования иных методов компьютерного анализа данных (в том числе методов математического моделирования). Практическая реализация стратегии анализа земельных ресурсов зависит от множества причин (наличие информации и ее организации, специфики региона исследований, масштаба работ, применяемых технических и программных средств и тд.) и, в конечном счете, определяется в процессе непосредственного решения конкретной задачи.
Следовательно, ГИС технологии позволяют на новом техническом и научном уровне подойти к проблеме комплексного и многоцелевого анализа почвенных и земельных ресурсов.
Геоинформацнонная инвентаризация оочвенно-ресурсной информации на разных уровнях обобщения
Основной целью создания инвентаризационных почвенных ГИС (ИПГИС) является утилизация информации о почвах и получение статистической информации о них. Поэтому, во многих странах мира ИПГИС входят составным компонентом в кадастровые земельные ГИС. Однако, с точки зрения почвоведения как науки, наибольший интерес представляют ИПГИС, создание которых дает возможность получить информацию о ПП не в виде картограмм, как это происходит в случае с кадастровыми земельными ГИС, а в виде реальной географической информации.
Изучение мирового опыта создания ИПГИС и тестирование основных подходов (50ТЕЛ, ЗвБВ ЕС) на территории России показало, что можно выделить два основных пути создания ИПГИС: а) оцифровка почвенной карты с целью создания геометрической части БД ГИС и связывание се с атрибутивной информацией; б) организация специальных полевых исследований почв для создания БД ИПГИС,
Инвентаризация ПП, конечно же, не является самоцелью. Подразумевается, что данная информация будет использована и для иных «елей. В принципе, можно выделить несколько групп целей использования ИПГИС (рис.3).
Уровень обобщения информации о ПП можно определить опять же исходя из целевого назначения (табл.1). На каждом уровне обобщения ИПГИС должна содержать возможности ее использования для разных целей, но все-таки основное предназначение - анализ почвенных ресурсов, и их мониторинг. Для его обеспечения, конечно же, необходимо использовать ИПГИС в научных целях, а также - иметь возможность использования данных ИПГИС и их анализа в учебных и демонстрационных целях. Анализ ПП на разных уровнях обобщения имеет специфику, которую необходимо также учитывать при построении ИПГИС.
Учебно-демонсграшюн ные
Рис.3. Целевое назначение ИПГИС
Таблица 1. Перечень основных задач, решение которых должна обеспечивать И! И ИС на разных уровнях обобщения:_
Уровень Основные задачи
1 элементарный выдел землепользования (угодье) а) оценка пригодности земель под возделывание отдельных с/х культур, рентабельность их возделывания; б) мониторинг плодородия почв (сезонные циклы) и отдельных свойств почв; в) прогноз урожайности; г) оценка стоимости и налога на землю, кадастр земель.
2 хозяйство а) оценка пригодности земель под возделывание отд. с/х и лесных культур, рентабельность их возделывания; б) мониторинг изменений ПП (многолетние циклы); в) научное обоснование севооборотов; г) оценка стоимости и налога, кадастр земель; д) оптимизация структуры землепользования, нарезка полей, участков.
3 админ н страшены й район а) оптимизация специализации сельскохозяйственных и лесохозяйствепных предприятий; б) ценовое, налоговое, сопиально-географическое и почвенно-эколотнческое зонирование, региональные ограничения на использование земель; в) проектирование строительства дорог, карьеров, нефте- и газопроводов, дачных участков; г) прогнозирование л сценарии развития чрезвычайных ситуаций.
4 административная область а) ценовое, налоговое, социально-географическое и почвенно-экологическое зонирование; б) оценка продовольственного и лесохозяйственного ресурсного потенциала земель (самообеспечение продукцией сельского хозяйства, экспортно-импортная специализация).
5 федеральный округ, страна а) размещение отраслей производства; б) оценка продовольственного и лесохозяйственного ресурсного потенциала земель (самообеспечение продукцией сельского хозяйства, экспортно-импортная специализация); в) размещение сортов сельскохозяйственных культур.
На текущий момент оптимальной для решения задач на первом уровне является создание ИПГИС на комбинированных принципах построения, т.е. географическая часть БД должна содержать как геометрическую сеть выделов ПП, так и точечную информацию о почвах.
Плотность необходимых точек - разрезов должна определяется степенью неоднородности ПП территории и должна обеспечивать надежность пространственной интерполяции и экстраполяции точечных наблюдений на всю территорию. В соответствии с этими принципами должно быть определено местоположение отдельных точек. Геометрическая сеть выделов ПП должна быть получена путем интерполяции и экстраполяции данных точечных полевых наблюдений. При этом вряд ли целесообразно располагать точки с каким-либо строго заданным шагом. Более логично их располагать с учетом представлений о почвенно-лавдшафтных связях и специфике латеральных потоков веществ, энергии и информации в структурах почвенного покрова (СПП). Планирование мест заложения точек должно осуществляться почвоведом в предполевой период на основе уже имеющейся информации о ПД, детальных данных о рельефе и с учетом специфики выделов землепользования (близость к лесным массивам, наличие лесополос, запруд в балках, оврагов и т.п.). Часть данных точек должна нести дополнительную нагрузку - как точек осуществления мониторинга свойств почв в сезонном и многолетнем циклах. Географическая привязка данных точек должна осуществляться с использованием систем глобального позиционирования (GPS),
На втором уровне обобщения геометрическая часть ИПГИС должна также носить комбинированный характер, и опираться как на картографические выдели, так и на точечные данные. В качестве контурной части должны использоваться преимущественно ареалы микроСПП. Поиск границ ареалов микроСПП должен осуществляться на основе использования данных о почвенно-ландшафтных связях и(или) на основе анализа дистанционных материалов. В каждом типе ареалов микроСПП должно быть заложено несколько репрезентативных разрезов (точки в БД), дающих представление о характерном варьировании свойств почв внутри микроСПП. Местоположение точек также должно иметь строго фиксированные координаты (определенные с помощью GPS), что послужит основой для осуществления многолетнего мониторинга почв.
На третьем и четвертом уровнях обобщения геометрическая основа ИПГИС должна создаваться с использованием методов компьютерной имитации традиционных и дистанционных подходов картографирования почв в масштабе от 1:50000 до 1:500000. При этом компьютерное картосоставление необходимо вести с использованием картографической и дистанционной информации оригинального масштаба, близкого к масштабу создаваемой базовой почвенной карты ИПГИС, Использование компьютерной имитации составления почвенных карт позволит проводить границы выделов более точно п объективно, чем при традиционном картос оставлении.
В качестве базовой информации для создания геометрического блока ИПГИС на пятом уровне обобщения в настоящий момент наиболее целесообразно использовать контурную сеть традиционно составляемых мелкомасштабных почвенных карт, что выглядит оптимальным и с затратной и с содержательной точек зрения.
Базируясь на опыте создания ИПГИС нами предложены списки атрибутов, внесение которых в базу данных необходимо и достаточно для решения перечисленных задач на разных уровнях обобщения. Все атрибуты можно сгруппировать в отдельные блоки, как это показано на рисунке 4.
В зависимости от региона исследований количество атрибутов может быть меньше рекомендованных. Кроме того, один и тот же параметр базы данных на разных уровнях обобщения характеризуется с различной степенью детальности (количественно на первых уровнях, полуколичественно или качественно - на последних), но в соподчинении с иными уровнями.
Все это позволяет периодически, по мере накопления фактической информации на более низких уровнях обобщения, проводить обновление данных и на более высоких уровнях.
Необходимо отметить, что при создании атрибутивной части БД ИПГИС в настоящий момент существенную роль играют экспертные оценки, которые используются для унификации вносимых данных, а также в некоторых случаях для получения атрибутивной информации исходя та классификационного положения почв, При этом роль экспертных оценок возрастает от одного уровня обобщения к другому, достигая максимума на федеральном уровне.
Внедрение разработанных подходов позволяет осуществить постепенный переход от традиционных методов инвентаризации почв к таковым, основанным на более прогрессивных, качественно иных технологиях. Как показывает апробация разработанных подходов, использование технологий ГИС при инвентаризации почв существенно повышает объективность результатов инвентаризации, открывает широкие возможности для периодичного обновления данных и осуществления мониторинга. Кроме того, компьютерная инвентаризация позволяет осуществить переход к созданию единого дня всех уровней обобщения банка данных о географии почв, о почвенных ресурсах, причем сопоставимого с существующими мировыми аналогами. Существенно повысить точность инвентаризации почв может организация специальных региональных полевых исследований с целью выявления почвешю-ландшафтных связей и их формализации.
На данном этапе при создании ИПГИС используются данные, полученные нз разных источников, имеющие различный формат и достоверность, что создает много проблем при создании базы данных, н снижает качество инвеитаргоации. Для разрешения подобных проблем все почвешю-географнческие исследования в стране должны быть унифицированы и a priori ориентированы на использование единых компьютерных методов инвентаризации.
Геометрическая часть БД ИПГИС
Вшелы Точки
Рис.4. Блоки атрибутов ИПГИС.
В качестве примера апробации разработанных подходов в Диссертации описываются работы по созданию мелкомасштабной ИПГИС фактического состояния почв России, среднем ас штабной ИПГИС Южного Дагестана, а построение инвентаризационной ГИС в крупном масштабе продемонстрировано
на примере создания ИПГИС тестового поля Почвенного института им, В.В. Докучаева,
Таким образом, на основе анализа существующих в других странах ИПГИС и опыта их апробации в России были разработаны оптимальные принципы создания ИПГИС с учетом специфики российских данных о почвах и ПП, а также ее структура.
ГИС и визуализация информации о почвах и ПП, В традиционном почвоведении пространственная информация о почвах и ПП обычно инвентаризуется и визуализируется в виде почвенных карт, схем, картограмм, которые являются результатом пространственной интерполяция данных полевых наблюдений, либо картографической генерализацией более крупномасштабных карт. При использовании ГИС технологий проблема визуализации почвенной информации не является столь существенной. Обычно она осуществляется лишь в демонстрационных и учебных целях. Почвенные данные БД ИПГИС могут быть визуализированы практически в любом масштабе и любой картографической проекции, с применением любой цветовой гаммы и любых условных значков. Информация о почвах, содержащаяся в БД ИПГИС может быть визуализирована как в векторном виде (в виде контуров), так и в виде растрового изображения, каждая точка которого визуализирует почвенные данные. Визуализировать можно как отдельные атрибуты БД ИПГИС (например, классификационное название преобладающей почвы), так и их всевозможные производные (например, может быть визуализирован метровый слой запаса гумуса рассчитанный на основе данных двух слоев БД ИПГИС - «мощность горизонта А1» и «содержание гумуса в горизонте А1»), В случае, когда геометрическая часть БД ИПГИС основана на оцифровке конкретной почвенной карты, то средствами ГИС можно воспроизвести ее в разных видах, в том числе и в виде, практически неотличимом от оригинала.
При визуализации почвенной информации на основе ГИС необходимо учитывать следующие моменты:
1. Представление почвенной информации в масштабе более крупном, чем масштаб исходной почвенной карты, не приводит к увеличению информации о почвах.
2. Процесс визуализации слоев ИПГИС в более мелком масштабе, чем масштаб исходной почвенной карты, не приводит к потере почвенной информации БД. Вся информация атрибутивной части БД продолжает сохраняться даже в случае отсутствия контура геометрической БД на дисплее монитора или же в принтерных распечатках (геометрическая информация при распечатке теряется, но также сохраняется в БД).
3. Информацию, хранящуюся в БД ИПГИС в растровом формате можно представить в векторном виде и наоборот, данные, хранящиеся в векторном виде легко визуализировать средствами ГИС в растре. При осуществлении подобных переходов может, однако, происходить потеря данных о
геометрии контуров, изменение их площадей и границ, хотя и незначительная. Погрешность подобных трансформаций данных определяется спецификой алгоритма трансформации и параметрами визуализации (размер растра и т.п.)
В случае, когда ИПГИС создается не на основе оцифровки «бумажных» почвенных карт, а точечных полевых наблюдений или их литературных описаний, наиболее важной задачей при визуализации почвенной информации является ее представление в пространстве, то есть проблема интерполяции точечных данных. Для осуществления пространственной интерполяции точечных почвенных данных нами был разработан следующий подход. На первом этапе осуществляется анализ пространственной корреляции отдельных атрибутов БД ИПГИС между собой, с иными компонентами ландшафта и с характером изображения территории на дистанционных материалах. На основе данного анализа определяется, с какими другими свойствами экстраполируемый почвенный атрибут достоверно коррелирует и какова специфика его пространственного варьирования. По результатам анализа определяется дальнейшая стратегия интерполяции. В случае наличия тесной корреляции выбирается один из простых приемов пространственной интерполяции данных, основанный на использовании лишь данных об интерполируемом свойстве. Для этого можно применить такие простые методы интерполяции, как, например, построение трендовых или осреднеиных поверхностей, Одним из преимуществ подобных подходов является то, что при построении почвенной карты параллельно может быть оценена точность интерполяции, что дает возможность судить о точности созданной карты.
Таким образом, важным преимуществом ГИС технологий при визуализации почвенных данных в отличие от традиционных почвенных карт являются их гибкость к формату, масштабу, изобразительным характеристикам результата визуализации. В ИПГИС может быть визуализирован и проанализирован, по отдельности или совместно, любой слой информации о почвах и ПП, хранящийся в БД. Это дает основание говорить о ИПГИС, как о новом, более прогрессивном методе хранения и представления почвенной информации по сравнению с традиционными почвенными картами, внедрение которого открывает широкие возможности манипулировать с отдельными слоями почвенных данных в сочетании с иной пространственной информацией для получения любого количества производных интерпретационных и прикладных почвенных карт.
Понятие «масштабности» почвенных карт может быть рассмотрено применительно как к геометрической части БД ИПГИС, так и к результатам ее визуализации на экране компьютерного монитора или в виде распечатки. Геометрическая часть БД ИПГИС, созданная путем оцифровки традиционно составленной почвенной карты, должна быть охарактеризована таким понятием,
как «масштаб исходной почвенной карты», под которым подразумевается масштаб той карты, которая была оцифрована.
Геометрический блок БД ИПГИС, хранящийся в растровом формате, должен характеризоваться таким параметром, как размер пикселя (элементарной пространствен ной ячейки хранения информации).
В случае, когда растровая матрица была получена путем преобразования векторной компьютерной почвенной карты, кроме размера пикселя необходимо указывать и масштаб оригинальной почвенной карты, контурная сеть которой была изначально оцифрована.
Указание масштаба при визуализации отдельных слоев ИПГИС может быть обусловлено стремлением достичь двух основных целей. Первая из них -морфометрические измерения (расстояния и площади). Эта задача решается в ГИС вне проблемы масштаба визуализации информации БД, а на основе анализа ее содержимого. Поэтому, показывать масштаб визуализации для решения этих задач нет необходимости. Вторая — определение степени генерализованное™ информации о почвенном полове, отражаемой на карте. Но в случае ИПГИС уровень обобщения информации а рпоп определяется масштабом исходной почвенной карты (или размером пикселя), и в каком бы масштабе не была визуализирована информация БД, этот уровень остается неизменным, и не будет соответствовать уровню обобщения масштаба визуализации. Для того чтобы не создавать подобных несоответствий, на материалах визуализации следует лишь указывать масштаб оригинальной карты, и не указывать масштаб визуализации. Указание масштаба, в котором производится визуализация, в этом случае с нашей точки зрения лишь может привести к определенной путанице.
Компьютерная оценка пригодности почв для основных сельскохозяйственных угодий н культур
Оценка пригодности почв и земель является одним из методов анализа их ресурсного потенциала для тех или иных типов использования. В большинстве случаев оценка пригодности проводится па качественном или полуколичественном уровне, при этом алгоритмы оценки строятся экспертным путем. Результаты оценки пригодности являются основой для планирования оптимального использования земель и размещения угодий и культур.
Нами разработаны и апробированы подходы к компьютерной оценке почв, полученные для разных регионов страны и на разных уровнях обобщения почвенно-ресурсной информации.
Базируясь на анализе основных из существующих подходов к оценке земель, была выработана стратегия оценки, представленная на рисунке 5. Стратегия но является жесткой и должна (и может быть) модифицирована исходя из специфики решаемой задачи, наличия данных и масштаба исследований.
Определение типа землепользования
Построение алгоритма оценки пригодности
Определение существующий социальных и экологических ограничений
оздание карты элементарных выл ело в оценки
Рис.5. Оценка пригодности земель
На первом этапе оценки определяется тип землепользования, для которого осуществляется оценка. Специфика типа землепользования отражается в требованиях к экологическим условиям, которые должны быть обеспечены для его использования.
Так, например, оптимальные параметры земельных ресурсов для использования земель в качестве интенсивного пастбища и экстенсивного пастбища различны, в связи с различием потенциальной нагрузки этих типов землепользования на ландшафт. Также различны требования для возделывания сельскохозяйственных культур в рамках обычных и интенсивных технологий. То есть, каждый тип землепользования оказывает свое, специфичное воздействие на компоненты ландшафта и свойства земель, и поэтому анализируемые при оценке параметры и их граничные значения должны быть также специфичными. Степень детализации характеристики типа землепользования может меняться в зависимости от типа решаемых задач, масштаба исследований и наличия фактической информации о земельных ресурсах. Минимальная характеристика содержит лишь наименование анализируемого типа землепользования (под которым подразумевается некий стандартный набор его характеристик), максимальная - может включать в себя до нескольких десятков показателей.
Оценка пригодности земель должна проводится с учетом не только их свойств, но и возможных негативных экологических последствий, а также с учетом сложившейся социально-географической обстановки в регионе
исследований. Учесть возможные экологические последствия при конкретном типе использования земель можно путем введения дополнительных «качеств» земель при построении оценочного алгоритма, как это предлагается в подходах ФАО (1983). Однако с нашей точки зрения, экологическому фактору при оценке пригодности должно быть уделено большее внимание, и он должен быть выделен в самостоятельный этап оценки. В зависимости от обстоятельств и решаемых задач, учет экологических аспектов при компьютерной оценке земель предлагается осуществлять двумя путями. Во-первых, путем построения карты почвенно-экологического зонирования, которая аккумулирует анализ вероятности возникновения нежелательных экологических последствий при использовании земель в виде набора функциональных зон, содержащих строго определенные ограничения на использование земель. Во-вторых, путем проведения компьютерного анализа риска активизации деградацнонных процессов при анализируемом типе землепользования.
Почвенно-экологяческос зонирование. В процессе почвенно-экологического зонирования, в зависимости от значимости почв для поддержания экологического равновесия ландшафтов, выделяют три основные почвенно-экологические зоны (Столбовой и др., 1994; Экологический энциклопедический словарь, 1999; Савин, Федорова, 2000):
1. Зона использования земель в режиме сохранения.
Под режимом сохранения понимаются регионально вводимые ограничения на формы и интенсивность использования земель с целью обеспечения развития почв в условиях, исключающих изменение их экологических функций.
Режим сохранения предлагается для регионов, почвенный покров которых несет основную функциональную нагрузку в поддержании исторически сложившихся круговоротов веществ и энергии в биосфере. К данной зоне также относятся все почвы, обладающие ненарушенными ландшафтосберегаюшими функциями. Следует отметить, что режим сохранения это не "консервация" тех или иных территорий, а особая форма эксплуатации почв, направленная главным образом, на сохранение экологического функционального потенциала почв.
2. Зона использования земель в режиме восстановления.
Под режимом восстановления понимаются временно вводимое изъятие территории из традиционного хозяйственного оборота для реализации особых форм землепользования, целью которых является создание условий для восстановления утерянных в связи с антропогенной деятельностью экологических функций почвенного покрова. Данная зона включает все деградированные почвы, а также почвы, которые обладали ландшафгосберегающими функциями, но в результате нерационального использования они были нарушены, либо утрачены. Землепользование на данной территории должно быть организованно таким образом, чтобы придать почвам тренд к восстановлению их экологических функций.
3. Зона рационального использования земель.
Почвенный покров территорий, отнесенных к зоне с режимом рационального использования, не несет каких-либо существенных ланцшафтосберегающнх функций. Поэтому при его использовании необходимо следить лишь за рациональностью его использования, не накладывая каких-либо существенных ограничений. Например, пахотные земли в зоне рационального использования должны функционировать полностью в рамках существующей системы зонального земледелия без проведения каких-либо дополнительных мероприятий.
Кроме того, на каргу ночвенно-экологического зонирования в виде отдельной зоны выносится информация о территориях, которые имеют законодательно закрепленные режимы землепользования (зона специальных режимов землепользования), куда входят:
а) территории с природоохраш!ыми заповедными функциями;
б) территории с сслктебно-промышленными функциями;
в) территории с санитарно-охраннымн функциями.
Данное зонирование накладывает определенные ограничения на использование земель в пределах выделяемых зон восстановления и сохранения. Характер ограничений определяется исходя из специфики анализируемых типов землепол ьзования.
В Диссертации приведены примеры выделения почвенно-экологическнх функциональных зон для территории Московской области.
Анализ рисков актрвиз^диц де^раданионных процессов при том или ином типе использования земель. На первом этапе анализа составляется список типов деградации почв, которые могут потенциально активизироваться на территории исследований при анализируемом типе использования земель. Затем строится алгоритм компьютерного анализа рисков. В качестве методического подхода для оценки экологических рисков также использована методология оценок земель ФАО (Framework...,1976). Практически, создаваемые алгоритмы оценки рисков реализуются с помощью компьютерной программы ALES (Автоматизировшшая Система Оценки Земель) (Rossiter at al., 1993), и затем результаты анализа -визуализируются с помощью ГИС. В ALES созданные пользователем оценочные алгоритмы предоставляются в виде так называемого Древа Принятия Решения (ДПР). ДПР представляет собой многоварнантную графовую систему, рассматривающую весь набор используемых при оценке свойств и их градаций в их исчерпывающих сочетаниях. В конце каждой «ветки» ДПР приводится итоговых оценочный рейтинг или класс. Затем, в ALES вводится табличная база данных оцениваемых выделов земель со значениями их фактических свойств, система обрабатывает введенные данные и генерирует интегральную оценку выделов земель. Результаты анализа представляются либо в табличной форме, либо в виде, максимально пригодном для использования в ГИС.
Для оценки рисков активизации деградации каждого типа производится отбор свойств земель, от которых потенциально зависит вероятность деградации. Все свойства для каждого типа деградации индивидуально ранжируются экспертным путем. Для оценки де градационного риска каждого типа строится свое ДПР. Результаты оценки экологических рисков визуализируются в картографическом виде с помощью геоинформасдеокных технологий.
После того, как построены карты вероятности возникновения частных экологических рисков, с помощью операции сравнения строятся карты интегральной опенки экологических рисков. При этом используется правило «максимума»: каждому из элементарных участков региона (пиксель на карте) присваивался рейтинг оценки, максимальный из всех рейтингов оценки отдельных типов деградацнонных рисков. География земель с различной интегральной рейтинговой оценкой представляется в виде компьютерных карп.
Социально-географическое зонирование ^рри^орщ, Кроме анализа экологических факторов землепользования, на первом этапе оценки земель необходим анализ социально-географического функционального потенциала территории исследований, в рамках которого устанавливается система приоритетов того или иного типа землепользования в зависимости от социально-географической обстановки региона. Для оценки социально-географического функционального потенциала наиболее перспективным представляется использование теории "поляризованного ландшафта", функционального социально-географического зонирования территории (Родоман, 1999). Согласно теории "поляризованного ландшафта" территория исследований может быть разделена на следующий ряд функциональных социально-географических зон, концентрически залегающих вокруг населенных пунктов:
1- рекреационная зона (загородные парки для отдыха и туризма, перемежающиеся с лесопользованиями, сенокосами и пастбищами) -наиболее близкая к городам зона;
2- агропромышленная зона (зона животноводства и земледелия средней и высокой интенсивности с капитальными постройками и густой сетью дорог, с переработкой сельхозпродукции) - следующая по удаленности от городов зона;
3- зона консервации ландшафтов (места научных исследований с возможностями проведения кратковременных экскурсий) - максимально удаленная от городов зона.
Все выделяемые зоны мы предлагаем использовать как рекомендательиые. В их пределах лишь рекомендуется, при возникновении необходимости осуществления конверсии земель, проводить ее в нужном (оптимальном) направлении. Так, например, при возникновении необходимости сократить площадь пашни, которая существует в настоящий момент в рекреационной зоне, она должна быть конвертирована в рекреационные угодья и т.п.
Уровень разработанности теории социально-географического зонирования на текущий момент не позволяет создать полностью формализованные алгоритмы выделения отдельных зон. Поэтому карты социально-географического зонирования, как правило, строятся в виде картоилов.
Результаты анализа экологических факторов и социально-географического зонирования задают систему ограничений на использование земель региона исследований.
Оценка пригодности земель по их свойствам. На следующем этапе оценки пригодности земель строятся алгоритмы анализа непосредственно пригодности, и вырабатывается решающее правило оценки. Сначала проводится анализ и отбор свойств земель, которые потенциально могут оказывать влияние на возможности анализируемого типа землепользования в пределах региона исследований. Отбор свойств осуществляется в рамках трех основных блоков: климатические, рельефные и почвенные потенциально лимитирующие свойства. Набор свойств, отобранных для оцениваемых типов использования земель, не является постоянным и варьирует в зависимости от экологических требований типа землепользования. Все отобранные свойства ранжируются по степени их оптимальности. При этом границы рангов отдельных свойств земель также не одинаковы для разных типов землепользования и устанавливаются с использованием экспертных оценок на основе имеющихся в наличии фондовых и литературных материалов. После этого, оценивается каждое свойство земель всех блоков свойств, и затем с использованием решающего правила выводится блочная оценка пригодности (пригодность рельефных условий, почвенных условий, климатических условий), а также интегральная оценка пригодности земель. В качестве решающего правила чаше всего используют следующие: I) метод максимальной лимитации (Нарциссов, 1976; van Wambeck, 1986); 2) алгебраические комбинации частных оценок отдельных свойств (Карманов, 1980; Рожков, Столбовой, 1995); 3) усложненные мультипликативные индексы (Stone, 1933; Pierce et at., 1983); 4) аддитивные оценочные индексы (van Diepen et a]., 1991; Федорова, 1999; Савин, Федорова, 2000). Выбор решающего правила в каждом конкретном случае предопределяется спецификой региона исследований, задачами, наличием данных и масштабом работ.
Необходимо отметить, что качество оценочных моделей во многом предопределяется наличием сведений о специфике лимитации анализируемого типа землепользования почвенными условиями. В настоящий момент имеется ряд обобщающих монографий о влиянии почвенных условий на рост сельскохозяйственных растений (Sys ct а!., 1984, 1991; Шишов и др., 1991; Указания по комплексной агроэкологической оценке почв..., 1993; Кирюшин, 1996; Медведев, 1997 и др.), но содержащаяся в них информация нуждается в обновлении и большей детализации, что может быть достигнуто лишь путем усиления исследований в данной области почвоведения.
Элементарные выделы опенки земель. На следующем этапе оценки земель осуществляется построение карты элементарных выделов оценки. Существующие представления об элементарной пространственной единице анализа земельных ресурсов (Матусевич, Федорин,1974; ФАО, 1976; Годельман, 1987) различаются лишь в нюансах от классического определения ВЛ. Докучаева в его рассуждениях о науке о землях (Докучаев, 1887). Это позволяет подытожить, что элементарная пространственная единица земель ограничивается одной почвенной разностью, находящейся на одном элементе рельефа с одним климатом, геологическим строением и одним характером землепользования.
Базируясь на учении о структуре почвенного покрова В.М. Фридланд (1974) в качестве единицы предлагает "элементарный почвенно-сельскохозяйственный ареал", представляющий собой выдел агропроютодственной группировки элементарных почвенных ареалов, находящейся на одном элементе рельефа. При этом автор предлагает свою классификацию элементов рельефа по величине уклонов.
Развивая идеи Л.Г. Раменского и В Ai. Фридланда, В Л. Кирюшин (1993) вводит понятие "элементарный ареал агроландшафта" (ЭАА), понимая под ним "один элементарный почвенный ареал, находящийся в одних лнтолого-геоморфологичсских и иных природных условиях" и предлагает для практического выделения ЭАА использовать классификацию почв, рельефа, климата и т.д.. Затем, по замыслу автора, ЭАА должен группироваться в зависимости от предлагаемого типа использования земель.
Объединяет все изложенные подходы то, что для получения элементарного выдела земель необходимо опираться на определенные классификационные построения (почвенные, климатические, рельефные и т.д.). Причем в большинстве подходов используются классификации природных объектов, практически не имеющие никакого специального отношения к предлагаемому типу использования земель. Поэтому, использование для анализа земельных ресурсов пространственных объектов, полученных на основе данных классификационных построений, вряд ли позволит достаточно надежно учесть специфику пространственного варьирования части свойств почв, важных, например, для растениеводства. В подходах В.М. Фридланда, В.И. Кирюшнна, ФАО делается попытка учесть при анализе эти моменты путем использования предварительной агрогруппировхи элементарных почвенных ареалов (Фридланд), или же использования классификационных построений с учетом экологических требований анализируемого типа землепользования (ФАО и Кирюшин). Однако в основе этих подходов все равно лежат ареалы классификационных выделов почв, что приводит в некоторых случаях к сильному огрублению алгоритма анализа и как следствие, получению достаточно схематичных результатов.
Специфика геоинформационных технологий позволяет осуществить анализ земельных ресурсов без предварительного выделения элементарного ареала
земель. Информация в базе данных ГИС хранится в виде отдельных слоев. Причем, в виде отдельного слоя может быть представлена как контурная часть харт (например, традиционно составленной почвенной карты или карты СПП), так и данные о пространственном варьировании отдельных свойств земель (например, слой с данными о гумусности почв, слой с данными о влажности воздуха, слой с данными об уклонах и т.п.). Количество отдельных слоев информации, хранящихся в базе данных ГИС, ограничено лишь техническими возможностями компьютера и может достигать сотен (SOTER, 1991; SGDB ЕС, 2003). Причем, геоннформационные технологии позволяют осуществлять совместный анализ любого набора из всех имеющихся в базе данных слоев. На предварительном этапе разрабатывается алгоритм анализа. Затем, для всех свойств земель, учтенных в алгоритме, создаются отдельные слои пространственной информации в базе данных ГИС. После этого, осуществляется классификация (оценка) отдельных свойств (слоев информации в БД) в соответствии с особенностями предлагаемого типа использования земель. На основе результатов классификации (оценки) отдельных свойств земель впоследствии реализуется основной алгоритм анализа, и результаты представляются в вазе выделов, имеющих одинаковый ресурсный потенциал для того или иного типа землепользования. То есть, по существу, полученные выдели несут ту же смысловую нагрузку что и 4'типы земель" JIT. Раменского (193$), но получаются не путем группировки элементарных выделов земель, а цутем гсоинформацнонного анализа отдельных слоев пространственной информации о свойствах земель.
Таким образом, геоннформационные технологии позволяют осуществить анализ земельных ресурсов без предварительного обособления элементарного выдела земель. Данные подходы позволяют проводить анализ земельных ресурсов более дробно и объективно, чем это делается в рамках традиционных подходов земельно-оценочных работ. Однако вряд ли стоит идеализировать подобные подходы на данном уровне развития почвоведения и иных наук о Земле. Решая подобным образом теоретически проблему получения элементарного выдела, при практической реализации возникает задача получения точной информации о географии (специфике пространственного варьирования) отдельных свойств земель. Только в случае полного ее решения потенциал геоинформационных технологий анализа земельных ресурсов может быть использован максимально полно.
Построение предварительной карты оценки земель (без учета экологических аспектов) производится путем классификации элементарных выделов оценки, полученных в ГИС на основе разработанного алгоритма. Затем на предварительную карту оценки накладываются ограничения, полученные по результатам оценки экологических аспектов и социально-географических условий. В результате получают окончательную карту оценки земель для анализируемого типа их использования.
Сценарии размещения угодий и культур. Компьютерные карты оценки земель наряду с картами функционального зонирования и анализа экологических рисков служат в качестве основы для построения сценариев оптимального (с точки зрения состояния земельных ресурсов) размещения анализируемых типов землепользования, что является следующей фазой анализа ресурсного потенциала земель. Тип строящихся сценариев определяется задачами исследований. Количество сценариев может быть очень большим, но в качестве наиболее интегральных обычно рассматриваются следующие: «оптимальный» и «наилучшего использования земель». Кроме того, выделяются «наиболее экономически эффективный», «наиболее экологически устойчивый» сценарии, сценарии приоритетов отдельным типам землепользования и др. (Рамазанов, 1999; Савин, Федорова, 2000; Почвы Московской области..., 2001).
В рамках сценария «оптимальная модель» делается попытка выделить земельные участки, которые можно считать оптимальными для анализируемого типа землепользования. К подобным участкам относятся земли, охарактеризованные самым высоким классом пригодности и отсутствием ограничений, накладываемых функциональным зонированием. Эти земли можно рассматривать как наилучшие для специализации в области сельскохозяйственного производства в регионе исследований. По данным анализа дополнительно получают сведения об общем уровне оптимальности территории для исследуемых типов землепользования. Построенная в рамках сценария компьютерная модель размещения типов землепользования является наименее затратной и наиболее продуктивной одновременно. Наиболее рациональным выглядит использование построенной модели для коррекции системы землепользования. Например, коррекция схемы размещения культур в отдельных хозяйствах в соответствии с рекомендациями данной модели позволит сократить расходы на их возделывание, снизить экологические риски н при этом повысить полноту использования потенциала земельных ресурсов.
Сценарий «наилучший тип землепользования» идентифицирует наилучший (но не обязательно оптимальный) тип землепользования для любого участка территории исследований. При подобном размещении культур во многих случаях потребуются дополнительные вложения на поддержании устойчивости ландшафтов, на преодоление воздействия лимитирующих факторов и экологических рисков. В результате моделирования получаются данные о наилучшем использовании любого участка земель на территории исследований. Получаемая информация является идеальной для определения наилучшей специализации административного образования, и следовательно, для определения направлений коррекции фактически существующей системы размещения отраслей сельского хозяйства к ее более экологически оптимальному и менее затратному варианту.
«Экологически безопасный» сценарий базируется на принципе «максимальная экологическая безопасность - максимальная пригодность». То есть, сценарий отражает такое размещение угодий и посевов, при котором
достигается максимальная экологическая безопасность, и только в этих условиях - максимальная пригодность. Карта отражает наиболее экологически оптимальный вариант, но не наиболее продуктивный.
«Максимально продуктивный» сценарий. В рамках этого сценария реализован принцип «максимальная пригодность (продуктивность) минимальный экологический риск». Следовательно, приоритет в этом варианте отдается достижению максимальной продуктивности, и лишь затем, при равенстве ее, оценивается экологическая безопасность. Полученная в результате анализа карта отражает наиболее продуктивный вариант структуры размещения угодий и посевов, который можно достигнуть без дополнительных вложений на повышение качества земель.
Следует отметить, что разрабатываемые сценарии необходимо рассматривать лишь как систему рекомендаций по коррекции и экологической оптимизации системы размещения типов землепользования, а не непосредственное руководство к действию. Получаемые результаты в большей степени предназначены для определения возможных направлений по совершенствованию специализации административных регионов в быстро меняющихся запросах рынка и социально-экономической обстановки. Конкретные землевладельцы могут получить представление обо всех наиболее оптимальных типах использования своих земель, и выбрать наиболее рациональный и оптимальный, соответствующий сложившимся рыночным условиям.
Акцептирование основного внимания на построении серии сценариев придает системе геоинформационного моделирования значительную гибкость и позволяет пользователю отбирать для анализа именно тот набор культур и типов землепользования, который наиболее потенциально экономически выгоде!] в сложившихся социально-экономических условиях, максимально соответствует рыночной конъюнктуре.
В Диссертации приведены примеры практической апробации н использования разработанных подходов оценки земель на разных уровнях обобщения и для разных целей (оценка пригодности земель России, Дагестана, Краснодарского края и Адыгеи, земель Дербентского района Республики Дагестан для возделывания сельскохозяйственных культур, оценка земель Московской области и УПХ «Богословское» Ясногорского района Тульской области для основных сельскохозяйственных угодий).
Компьютерное моделирование потенциальной урожайности сельскохозяйственных культур
В случае анализа ресурсного потенциала земель для возделывания отдельных сельскохозяйственных культур на следующем этапе определяют их потенциально возможную урожайность. Для количественной оценки потенциальной урожайности в последние десятилетия все чаще используют
методы моделирования. В настоящий момент существует достаточно большое количество моделей, позволяющих количественно оценить потенциальную урожайность сельскохозяйственных культур. Все эти модели можно разделить на несколько групп. Во-первых, это модели, базирующиеся на обобщении многолетних фактических данных об урожайности в конкретных почвенно-климатических условиях и экспертной экстраполяции установленных закономерностей на иные регионы. К этой группе моделей относятся подходы, в рамках которых количественно интерпретируются данные результатов бонитировки почв (Карманов, 1980; Шишов и др., 1991), или же результатов оценки земель ФАО. Во-вторых, это подходы, в основе которых лежат математические модели, построенные по данным обобщения статистической информации об урожайности. В отличие от первой группы, здесь взаимосвязи урожайности с почвенно-климатическими условиями выражаются чаще всего в виде отдельных регрессионных уравнений, или их серий (Шатилов, 1973; Снротенко, 1991; Palm, 1996; Gommes, 2003). И, в-третьих, это подходы, основанные на методах имитационного моделирования роста сельскохозяйственных растений (Bouman, 1996; Donatelli, 2003). Наиболее предпочтительным и перспективным выглядит использование для компьютерного анализа потенциальной урожайности сельскохозяйственных растений моделей последней группы. В разрабатываемых нами подходах в качестве базовой для системы анализа была выбрала имитационная модель роста сельскохозяйственных растений WOFOST (Supit et al., 1994). Опыт апробации модели в России свидетельствует о широких возможностях ее использования для анализа ресурсного потенциала земель (Savin, 1996, 1998; Савин, 1998; Савин и др., 1997, 1998,2001; Савин, Федорова, 2000).
В WOFOST моделирование основано на анализе эколого-физиологических процессов. Наиболее значимые из них - скорость фенологического развития, ассимиляция С02 из атмосферы, транспирация, респирация, распределение ассимилированного вещества в различных органах и формирование сухого вещества. Подробное описание модели можно найти в Руководстве пользователя WOFOST (Боогаард и др., 2000).
Стратегию исследований, в общем можно изложить в виде последовательности решаемых задач:
• Калибровка модели на основе данных нолевых опытов;
• Тестирование модели на основе данных дополнительных полевых опытов;
• Моделирование потенциальной продуктивности земель для возделывания культуры для точек, где имеется в наличии вся информация о почвах и климате, служащая в качестве входных параметров модели;
• Пространственная интерполяцию результатов моделирования на всю территорию исследований.
Нами проведена калибровка, адаптация модели и ее апробация па примере анализа потенциальной продуктивности земель в рамках разработанных подходов на разных уровнях обобщения. В результате калибровки
специфическая информация о росте растения корректируется таким образом, чтобы при тестировании модель воспроизводила даты прохождения основных фаз развития культуры.
WOFOST является «точечной» моделью. Для ее использования при анализе потенциальной урожайности культур конкретных регионов возникает проблема интерполяции результатов моделирования. В настоящий момент она решается несколькими путями, выбор которого в каждом конфетном случае определяется индивидуально. В простейшем случае предварительно проводится районирование территории исследований на основе данных о специфике пространственного варьирования входных параметров модели (как почвенных, так и метеорологических). После этого, моделирование осуществляется для каждого типа выделенных районов (элементарных выделов моделирования), и средствами ГИС создается компьютерная карта потенциальной урожайности. В отдельных случаях элементарные выделы моделирования создаются путем разбиения территории исследований сеткой с заданным шагом. В рамках других подходов моделирование ведется в отдельных точках на территории исследований, и затем средствами ГИС результаты моделирования интерполируются.
В Диссертации приведены примеры использования \VOFOST для моделирования потенциальной урожайности основных культур на федеральном уровне обобщения, на уровне области (Московская область), района (ОзерскиЙ район Московской области), хозяйства (УПХ «Богословское» Тульской области).
При наличии ежегодной климатической информации для территории исследований дополнительно проводится анализ специфики многолетней динамичности потенциальной продуктивности земель с использованием \У0Р05Т. Подобные исследования были осуществлены нами для яровой пшеницы и картофеля для отдельных регионов Курской, Тульской, Новосибирской, Московской и Ленинградской областей. При этом строятся карты продуктивности для отдельных лет, а затем осуществляется анализ динамичности продуктивности, и определяется ее специфика для разных частей региона исследований.
В приведенных в Диссертации примерах оценка строится лишь на анализе почвенных и земельных свойств, без учета экономических показателей. Это позволяет получать информацию именно о ресурсном потенциале почв и земель, их потенциальных возможностях.
Геоинформационный мониторинг почв
В большинстве случаев мониторинг рассматривается как набор действий, направленных на слежение за изменением объекта во времени С целью изучения специфики его динамичности и прогноза изменений (Ьоуе1апс1 ег а!., 2004), Необходимость осуществления мониторинга почв, по-видимому, была осознана
специалистами в скором времени после получения первых результатов их инвентаризации или картографирования. Суть мониторинговых работ в первое время заключалась в изучении динамичности закартированных объектов путем сопоставления карт, составленных на одну и ту же территорию в разные годы (Зонн, 1983; Добровольский и др., 1983; Розанов и др., 1986). Бурное развитие разработка теоретических основ мониторинга получила после внедрения в практику картосоставительских работ дистанционных материалов. Дистанционные материалы открыли возможности проведения мониторинга на более объективной, чем карты, основе, получить которую оказалось возможным как в заданное время, так и в определенном масштабе. Разрабатываемые в это время подходы к мониторингу почв и земель базировались на последовательном их дешифрировании по снимкам разных лет сьемки и сравнении подученных результатов (Виноградов, 1984; Андроников и др., 1990; Панкова, Соловьев, 1993). По мере развития компьютерной техники подобный анализ стало возможно проводить в автоматизированном или интерактивном режиме (Виноградов, 1990; Панкова, Рухович, 1999).
Подходы, основанные на технологиях ГИС, базируются на достижениях как традиционных картографических, так и дистанционных подходов, и являются по существу следующим этапом их развития. Как основа для осуществления мониторинга почв ГИС обладают рядом особенностей;
1. База данных мониторинговой ГИС может включать в себя имеющиеся в наличии материалы о динамичности свойств почв и почвенного покрова, невзирая на разницу в источниках их появления. Так, при создании БД в качестве отдельных источников информации могут использоваться данные «точечных» полевых исследований почвенных профилей и результатов лабораторных анализов образцов почв, разновозрастные и разномасштабные почвенные карты, дистанционные данные разного времени съемки, типа и пространственного разрешения.
2. Вся исходная информация перед введением в БД или в процессе введения унифицируется. Так, сведения о свойствах почв вводятся в едином формате, все карты и дистанционные материалы приводятся к единой проекции и масштабу. В процессе унификации иногда приходится мириться с некоторой потерей информации в результате ее трансформации в иной формат, но преимущества использования для анализа динамичности унифицированных данных эти потери сполна компенсируют.
3. Процесс мониторинга почв при использовании 1Т1С упрощается в связи с тем, что все данные, введенные в компьютер, приобретают точную географическую привязку. При введении данных, не имеющих изначально такой привязки, в БД может храниться информация о точности введенных координат объекта. В последние годы все шире используются при введении точечных данных в БД ГИС приборы глобального позиционирования.
4. Возможности анализа динамичности почв в ГИС с использованием формализованных подходов предопределяют воспроизводимость результатов, и как следствие, высокую технологичность подходов.
5. В качестве еще одной характеристики ГИС можно назвать высокую эффективность подходов, предопределяющую открытость БД ГИС для обмена информацией с иными компьютерными базами данных, а также возможности использования для анализа информации БД ГИС иных компьютерных программ н методов математического моделирования.
Мониторинговая база данных ГИС отличается от обычной лишь тем, что она содержит слои пространственно-координированных данных, сопряженных во времени. Анализ динамичности объектов с использованием подобных ГИС осуществляется как на основе слежения за изменением их границ, так и на основе сопоставления атрибутивных данных, привязанных к разновременным слоям пространственной информации (рис,б). При этом средствами ГИС создается геометрический слой с атрибутами, которые являются объектом мониторинга. Этот слой периодически обновляется на основе использования данных обработки дистанционных материалов, результатов полевых наблюдений и моделирования, при сохранении исходного слоя в базе денных ГИС.
Специфика практической реализации задачи создания мониторинговой почвенной ГИС определяется ее целями, техническими и программными возможностями, а также уровнем обобщения информации.
Автор принимал участие в проектировании и создании ряда ГИС, предназначенных для; мониторинга влажности почв и прогноза урожайности ячменя для Европейской территории России (Boogaard, van Diepen, Savin, 2000);
мониторинга плоскостной эрозии черноземов от ливневых осадков (Десинов, Савин и др., 1998); мониторинга содержания гумуса в черноземных почвах по данным дешифрирования разновременных аэрофотоснимков; мониторинга плодородия почв отдельного поля.
Мониторинг влажности почв с целью прогнозирования урожайности. В основе разработанного нами подхода мониторинга влажности почв оперативная информация о влажности получается с использованием данных активного спутникового радиометра низкого разрешения типа ERS Scatterometer, который является одночастотным (5.3 ГТерц) однополяризационным (VV) радаром, фиксирующим значения специального отражательного коэффициента поверхности с различных углов наклона при помощи трех антенн бокового обзора. С 1991 года подобные данные доступны практически для всей поверхности Земного шара, Скатгерометр осуществляет одно-два наблюдения в неделю над любым заданным регионом. Его пространственное разрешение составляет 50км*50км. Несмотря на то, что информация скаттерометра является очень генерализованной, она все же пространственно более дробна, чем точки полевых наблюдений за осадками и иными метеорологическими параметрами для многих районов. Данные радиометра вносятся в ГИС, обрабатываются и на их основе проводится моделирование роста ячменя с использованием модели WOFOST (рис.7).
В рамках апробации подхода моделирование урожайности культуры осуществлялось как с использованием традиционных водно-балансовых расчетов (далее - балансовый метод), так и с использованием информации о влажности почв, полученной дистанционными методами (далее скат-метод). Функционирование скат-метода было опробовано на территории тестового участка, охватывающего южную половину европейской части России и восточную Украину. Для данной территории из архива NOAA были отобраны ежедневные метеорологические данные за период с 1994 по 1998 годы для 120 метеорологических станции. Кроме того, была создана база данных свойств почв и наземного покрова, необходимых для моделирования, а также данных областной статистики по урожайности ярового ячменя за этот период.
Результаты моделирования потерь в урожайности ярового ячменя, полученные с использованием балансового и скат-метода, были представлены для каждого года исследований в виде грида, а также были генерализованы на уровень административных областей с целью их сравнения с областной статистикой. Результаты моделирования с использованием скат-метода в большей степени коррелируют с областной статистикой, чем результаты балансового метода, В среднем коэффициент корреляции с данными областной статистики результатов скат-метода составляет 0,35, а результатов балансового метода - 0,004. Низкие значения этой статистически значимой корреляции могут быть обменены многими причинами, срсди которых такие как неучет пространственного варьирования возделываемых на территории исследований
сортов и агротехники, погрешностями функционирования модели роста растений и водно-балансовых расчетов и др.
Агрегация результатов и построение карт
Рис.7. Принципиальная схема функционирования ГИС мониторинга влажности
почв
По результатам апробации системы мониторинга установлено, что скат-метод позволяет более точно моделировать воздействие засушливых условий на урожайность ярового ячменя, чем традиционно используемый водно-балансовый подход. Однако для более уверенного утверждения необходимо подтверждение
этого вывода для более продолжительной серии лет с привлечением достоверных данных, используемых в качестве входных параметров модели роста растений.
ГИС мониторинга эрозии черноземов (ГИС МЭЧ) прошла первую апробацию на территории одного из ключевых участков в Воронежской области. Перед началом осуществления мониторинга проводится инвентаризация фактического состояния земельных ресурсов территории, составляется база данных, которые остаются постоянными в многолетнем цикле осуществления мониторинга, изучаются особенности использования земель, применяются севообороты, специфика земледелия. Функционирование ГИС МЭЧ осуществляется на основе БД, которая создается в начале работ по организации мониторинга. После этого, ГИС МЭЧ опирается только на информацию космических снимков высокого разрешения и данных математического моделирования роста сельскохозяйственных культур.
В соответствии с общей идеологией осуществления мониторинга ГИС МЭЧ состоит из следующих основных блоков:
• блок мониторинга выделов эродированных почв;
• блок количественного мониторинга плоскостного смыва почв.
Последний, в свою очередь, подразделяется на 2 подблока: подблок стока
осадков и подблок формирования твердого стока.
Функционированием первого блока начинается годовой цикл мониторинга эрозии почв. Целью является определение точных границ в различной степени эродированных почв по данным материалов дистанционной съемки высокого разрешения. Для этого, весной, в момент максимальной открытости поверхности почв для 1 ^посредственного наблюдения (но как можно дальше от времени схода снежного покрова, перед первой вспашкой полей) проводится космическая съемка района проведения мониторинга. По полученным космическим снимкам высокого разрешения поводится сегментация изображения почвенного покрова на основе анализа тона и текстуры изображения. При этом анализируется степень тоновой контрастности изображения, выявляются зоны резкого перепада тонов, которые идентифицируются в качестве границ элементарных выделов почвенного покрова - объектов мониторинга. Анализируются не абсолютные, а относительные величины тона изображения, которые получаются путем пересчета абсолютной величины тона относительно тона установленных для района мониторинга реперов (например, крыши домов, тон асфальтового покрытия дорог и т.п.). Полученные подобным образом границы наносятся на исходную почвенную карту района мониторинга, корректируют и дополняют ее. Затем, каждый новый ежегодный цикл проведения мониторинга начинается с функционирования данного блока с целью анализа изменчивости подобным образом установленных границ (то есть, определяется ежегодная динамика и, соответственно, проводится коррекция границ элементарных выделов почвенного покрова - объектов мониторинга).
Необходимо отметить, что определенные по данным анализа тонового пространства космических снимков высокого разрешения выделы почвенного покрова могут как соответствовать, так и не соответствовать границам классификационных выделов эродированных почв региона мониторинга. Несмотря на подобные несоответствия, в рамках ГИС МЭЧ рекомендовано использовать выделы, полученные в результате дешифрирования космических снимков, т.к. это открывает широкие возможности для осуществления дистанционного мониторинга этих конкретных выделов почвенного покрова, а не границ классификационных выделов почв, которые на дистанционных материалах часто невозможно отдешифрнровать.
Таким образом, в результате функционирования данного блока на первом этапе мониторинга осуществляется коррекция и детализация почвенной карты на регион работ. Затем, проводится ежегодный анализ динамики контурной части уточненной почвенной карты и ежегодно вносятся в нее выявленные изменения в географии элементарных выделов почвенного покрова - объектов мониторинга.
Блок мониторинга количества смытой почвы был построен с использованием подходов, разработанных в рамках проекта SEMMED (De Jong, 1994), и включает в себя два подблока. Основным назначением первого из подблоков является расчет количества поверхностного стока при выпадении дождей с потенциальной транспортирующей способностью. В расчете учитываются как уклоны поверхности, специфика характера использования территории и наземного покрова, так и свойства почв. Проводится расчет количества осадков, которое стекает по поверхности во время выпадения конкретного дождя и образует поверхностный сток. Эта величина рассчитывается для каждой пикселя растровой сцены территории исследований. После чего, на основе использования ГНС-технологий строится карта объема поверхностного стока с учетом величины осадков, влажности почв и карты потенциальных направлений поверхностного стока (которая генерируется с использованием цифровой модели рельефа). При построении карты объема поверхностного стока также учитываются данные о характере использования и специфике наземного покрова на время выпадения дождя. Данная информация получается по результатам дешифрирования космических снимков высокого разрешения, полученным в ближайший к дождю срок съемки, а также на основе моделирования роста сельскохозяйственных культур с использованием имитационной модели роста растений WOFOST.
Построенная в ГИС карта объема поверхностного стока служит основой для расчета потенциальной транспортирующей способности стекающих по рельефу осадков. При этом учитываются также величины уклонов поверхности и специфика использования территории.
Полученные данные об объеме поверхностного стока и его потенциальной траспортирующей способности завершают работу первого подблока, и служит началом функционирования второго подблока: формирования твердого стока
почв. Для того чтобы вычислить, какое количество почвы будет переноситься поверхностным стоком, сравнивается величина потенциальной транспортирующей способности поверхностного стока с количеством почвы, которое отрывается каплями дождя и становится потенциально переносимым. Эта величина зависит от энергии дождя, проективного покрытия растительного покрова, а также от податливости поверхностных горизонтов почв к разрушению дождем.
На основе сравнения результатов функционирования обоих подблоков, делается вывод о количестве почвы, снесенной плоскостным смывом за период каждого дождя. Затем, рассчитанные данные о смыве чернозема за каждый дождь суммируются для всего теплого сезона года.
Мониторинг содержания гумуса в черноземных почвах по данным дешифрирования разновременных аэрофотоснимков. Дешифрирование динамики изображения любой территории по разновременным сиимкам является трудоемким процессом с массой накладываемых ограничений. Методически решение данной задачи до сих пор слабо разработано.
Нами реализована следующая методика дешифрирования динамики изображения открытой поверхности почв по аэрофотоснимкам двух сроков съемки:
1 этап: отбор сопоставимых пар аэрофотоснимков по визуальным критериям. При этом отбираются участки, расположенные в центральной части аэрофотоснимка, с изображением достаточно контрастных компонентов почвенного покрова с открытой поверхностью почв в оба срока съемки.
2 этап; оцифровка снимков и их геометрическая коррекция. При необходимости проводится и тоновая коррекция ввозимых изображений, но ее проведение необходимо учитывать в дальнейшем при интерпретации результатов. Проводится тоновая коррекция изображения (реставрация пикселей, полос изображения и т.п.).
3 этап: взаимная геометрическая коррекция снимков. На этом этапе анализируемая пара снимков приводится к одному масштабу и одной проекции. При этом используются операции как геометрической, так и аффинной транс формации.
4 этап: взаимная тоновая коррекция снимков. Анализируется тон таких объектов как дороги с асфальтовым покрытием, водная поверхность, тон поверхности грунтовых дорог и др., то есть оценивается общее тональное различие снимков. Затем, путем вычитания (или прибавления) к тону снимка определенных величин тона общая тональность снимков выравнивается,
5 этап: вычитание изображений. На этом этапе производится по-пиксельное вычитание подготовленных изображений друг из друга. В результате получается изображение, на котором в градациях серого тона отображена информация об изменениях тонового пространства снимков. При этом оценивается изменение тонов поверхности лишь открытой пашни. Анализ полученных изображений
тоновой динамики дает информацию о динамичности светоотражения поверхности почвенного полова территории.
6 этап: выделение контуров динамичности. В результате пошаговой бинаризации разностного изображения маскируются контуры с увеличением значений тона изображения на фиксированную величину, а также с уменьшением тона изображения на такую же величину. Выбор фиксированного шага определен необходимостью учета возможных погрешностей в тоне полученных при трансформации исходных изображений. Кроме того, на настоящем этапе, при отсутствии четкой модели количественных взаимосвязей между тоном изображения и свойствами почв, вряд ли имеет смысл говорить о строго количественной оценке изменений тона. Квантование разностного изображения дает возможность судить лишь о направленности тоновых изменений во времени (говорить о том, во сколько раз изменилась величина тона на данном этапе исследований, не представляется вполне корректным).
7 этап: раскраска результата бинаризации и получение окончательного результата обработки.
Изложенные подходы прошли апробацию на ключевом участке в Курской области при мониторинге содержания гумуса в пахотном горизонте черноземов. Конечно же, для осуществления подобного анализа необходимо соблюдение многих условий (наличие снимков определенных сроков съемки, открытость поверхности почв), что во многих случаях сделать практически невозможно. Но потенциальные возможности данных подходов велики.
Мониторинг плодородия почв поля. В качестве основного блока разработанного нами прототипа системы мониторинга плодородия почв поля выступает компьютерное моделирование роста растений, которое используется для прогноза урожайности сельскохозяйственной культуры, возделываемой на поле. Модель функционирует на основе специально созданной для поля БД свойств почв и климатической информации. Периодически, на основе полевых наблюдений и анализа материалов дистанционной съемки, параметры БД уточняются и после того, соответственно, уточняется прогноз урожайности, и делаются выводы о необходимости проведения тех или иных агротехнических мероприятий. В описываемой системе в качестве компьютерной модели роста растений использована ТйТОБОЗТ (также как и в случае с ГИС МЭЧ).
Построение базы данных основано на следующих принципиальных положениях. Мониторинг земель, а также моделирование урожайности сельскохозяйственных культур должно осуществляться дня созданных в ГИС элементарных выдепов земель (ЭВЗ). Эти выделы должны быть получены на основе анализа вариабельности свойств земель, важных с точки зрения экологических требований культур. Кроме того, эти выделы не должны быть результатом какой-либо классификационной группировки земель (например, по градациям уклонов), а должны отражать реальные обьекты с реальными (количественными) показателями качества земель. То есть, например, должны
выделяться не склоны с крутизной 2-5 градуса, а лить те из них, которые реально существуют на данном поле (например, участок склона с 1футизной 2,53 градуса отдельно от участка склона с крутизной 3-3,5 градуса). При построении карты ЭВЗ принималось во внимание пространственное варьирование свойств земель, предопределяющих температурный и световой режимы роста растений, влажносгной режим. Кроме того, потенциально предусмотрен учет таких показателей, как засоренность посевов, распространенность вредителей и болезней культур.
При построении карты ЭВЗ считалось, что: а) пространственное варьирование светового и теплового режимов поля предопределяется микро варьированием климатических параметров, предопределяемым мезорельефом, влиянием лесных массивов, а также отражательными свойствами поверхности почв; б) пространственное варьирование влажносгных режимов зависит от глубины уровня грунтовых вод, гранулометрического состава почв и его варьирование по профилю, содержание в почвах гумуса, а также от перераспределения атмосферных осадков по поверхности почв; в) участки поля с одинаковым питательным режимом растений предопределяются пространственным варьированием содержания гумуса в почвах и его типом, гранулометрическим и минералогическим составом почв, а также выраженностью микроструктур почвенного покрова; г) засоренность посевов в наибольшей степени проявляется на участках поля с оптимальным значением влажности почв и повышенным содержанием КРК; д) болезням и вредителям в первую очередь подвергаются растения, находящиеся в угнетенном, стрессовом состоянии.
Таким образом, исходя из вышесказанного, карта ЭВЗ может быть получена путем компьютерного наложения друг на друга следующих карт:
1. Карта микроклимата.
2. Карта зон потенциального влияния грунтовых вод.
3. Карта потенциальных зон образования верховодки.
4. Карта выделов гранулометрического состава пахотного горизонтов почв.
5. Карга гумусности пахотного горизонта почв (тип гумуса и его содержание),
6. Карта потенциальных зон перераспределения атмосферных осадков по рельефу.
7. Карта микроСПП.
Функционирование данной геоинформационной мониторинговой системы осуществляется на основе специально созданной ГИС, геометрическая часть БД которой представлена конгурами ЭВЗ. В атрибутивной части ГИС содержится информация о свойствах земель каждого контура, которые включают почвенную, рельефную и климатическую информацию. Кроме того, БД ГИС должна содержать также и исходную карту почв и СПП, цифровую модель рельефа, а также по возможности, дистанционную информацию в цифровом виде. Эти сведения используются в системе для периодической коррекции и
обновления как геометрического, так и атрибутивного блоков БД ГИС. В качестве дополнительного слоя информации в системе генерируется карта точек, рекомендуемых для полевого мониторинга свойств земель. Точки палевого мониторинга (ТПМ) отбираются таким образом, чтобы охарактеризовать все типы ЭВЗ. Эти точки должны быть доступны (расположены вблизи дорог или края поля) и хорошо определяемы на местности (должны иметь четкую привязку к ориентирам). Количество ТПМ определяется как площадью поля, так и контрастностью природных условий. В идеальном случае ТПМ фиксируются на местности с использованием системы спутникового глобального позиционирования.
В ТПМ осуществляется периодический отбор образцов для мониторинга влажности пахотного слоя и содержания №К, ведутся наблюдения за засоренностью посевов, наличием болезней и вредителей. В идеальном случае, для оценки последних параметров наиболее целесообразно использование материалов дистанционной съемки.
Количество сроков полевого мониторинга должно быть минимально-достаточным. Так, например, в средней полосе Европейской части России анализ влажности пахотного горизонта и содержания в нем ОТК в рамках описываемой системы достаточно проводить 2 раза в год (перед посевными работами и во время цветения культур). Кроме этого, после схода снежного покрова необходимо определение состояния земель в конкретном году с точки зрения влияния грунтовых вод и формирования верховодки. Мониторинг засоренности, распространения болезней и вредителей растений болезней и вредителей растений проводится как в срок определения влажности почв и ЫРК, так и в периоды, когда ожидаются стрессовые состояния посевов, возможность возникновения которых оцениваются по результатам компьютерного моделирования.
После каждого срока полевого мониторинга проводится математического моделирования роста культуры по уточненным данным и делается прогноз урожайности для наиболее вероятных сценариев развития экологических условий ее возделывания. По результатам моделирования оценивается не только возможная урожайность культуры, но также и вероятные сроки возникновения стрессовых ситуаций, а также достаточность (или избыточность) влаги и питательных элементов для дальнейшего развития сельскохозяйственной культуры и необходимость коррекции их количества в пределах каждого ЭВЗ.
В настоящий момент сделаны лишь первые шаги к апробации изложенных подходов на примере тестового поля Почвенного института им. В.В. Докучаева. В качестве основы для создания цифровой модели рельефа поля использовалась тонокарта масштаба 1:2000. Карта была оцифрована с использованием дигитайзера и растеризована с размером пикселя 2*2 метра. С использованием ГИС была построена карта выделов микроклимата поля. Для этого были созданы карты уклонов и экспозиции склонов и наложены друг на друга. Затем полученная карта была детализирована на основе информации о
принадлежности поля к верхней, средней и нижней части склонов мезорельефа. Кроме того, на карту были добавлены выделы зон влияния лесных массивов и лесополос, информация о ширине которых была получена на основе анализа литературных данных и уточнена по характеру изображения поля на аэрофотоснимках. Материалы аэросъемки открытой поверхности поля также послужили в качестве основы для построения карты цвета поверхности почв. Затем каждый выдел полученной микроклиматической карты был охарактеризован климатическими атрибутами, необходимыми для использования модели WOFOST (информация о максимальной и минимальной температуре воздуха, радиации, влажности воздуха, скорости ветра, количества атмосферных осадков). За основу были взяты данные наблюдений ближайшей метеостанции, которые были пересчитаны на микроклиматические выделы разных типов с использованием пересчетных коэффициентов. На базе ГИС-аналнза карты рельефа также была построена карта зон потенциального стекания атмосферных осадков по поверхности почв. При построении данной карты учитывались параметры рельефа (уклон, длина склона, кривизна склона), наличие препятствий на пути водных потоков (лесополосы, дороги, границы полей севооборотов), а также свойства поверхностного горнзо!гта почв поля (гранулометрический состав, водно-физические свойства).
Другим важным слоем информации БД являются данные о почвах и почвенном покрове. Для получения информации о пространственном варьирования свойств почв, важных для моделирования потенциальной продуктивности было использовано два основных подхода. Часть свойств почв конкретного разреза приписывалась конкретному выделу почвенной карты, то есть считалось, что данные свойства в пределах выдела карты принимают постоянное значение. Некоторые свойства были экстраполированы с использованием многофакторного регрессионного анализа. Так, например, экстраполировались данные о плотности пахотного горизонта почв. При этом, сначала был проведен корреляционный анализ между свойствами почвы с одной стороны и параметрами рельефа и тона изображения поля на аэрофотоснимке - с другой. С учетом данного анализа осуществлялось построение регрессионной зависимости между свойствами почв и параметрами рельефа и тоном на снимках. На основе данной регрессионной зависимости были рассчитаны величины экстраполируемого свойства почв для всего поля. В результате наложение друг на друга карт микроклимата, почв и зон потенциального стекания осадков была получена карта ЭВЗ. Затем для каждого типа ЭВЗ былл отобраны точки, рекомендуемые для проведения полевого мониторинга земель.
В результате исследований была создана компьютерная БД, которая является основой для функционирования ГИС, принципы строения которой были изложены выше.
Изложешше принципы построения мониторинговой ГИС отдельного поля открывают возможности широкого использования опыта прогрессивных мировых систем земледелия и современных компьютерных технологий.
Отсутствие четких градаций и критериев позволяют создавать ГИС конкретного поля с максимальным учетом специфики конкретных природных условий и особенностей использования земель. В рамках предлагаемой ГИС будет максимально учитываться варьирование свойств земель на микро уровне, Предлагаемая ГИС функционирует в пределах конкретного выдела использования земель (поля), не анализируя оптимальность его границ. Это позволяет создавать подобные ГИС для использования как в рамках существующей системы землепользования, так и в условиях внедрения систем ландшафтно-адаптивного земледелия.
В диссертации описаны лишь прототипы мониторинговых почвенных ГИС, которые, конечно же, требуют дополнительной доработки и корректировки.
ВЫВОДЫ
Разработала и апробирована технология анализа ресурсного потенциала земель России для сельскохозяйственных целей, и на ее основе создана компьютерная система, включающая современные пространственно' координированные базы данных, интегрированные с данными дистанционного зондирования и имитационного моделирования на основе ГИС.
Предложены и апробированы методы компьютерной инвентаризации почвенных ресурсов на разных уровнях обобщения с возможной компьютерной визуализацией входных данных и результатов. На уровне страны инвентаризация должна осуществляться на основе оцифровки традиционных мелкомасштабных почвенных карт, на уровне субъекта Российской федерации -путем компьютерной имитации методов традиционного среднемасштабного почвенного картографирования, а на уровне отдельного угодья и хозяйства - на основе компьютерного анализа непосредственно данных полевых исследований почвенного покрова. Предложенные подходы являются развитием традиционных методов почвенного картографирования.
Создана технология анализа ресурсного потенциала почв для целей сельскохозяйственного производства, базирующаяся на использовании геоинформационных подходов и методов имитационного моделирования. В рамках технологии разработана серия оригинальных моделей оценки пригодности земель под различные типы их сельскохозяйственного использования и компьютерного анализа возможности возникновения экологических рисков. Предложено анализ экологических аспектов землепользования в процессе оценки выделять в качестве отдельного этапа. Элементарные единицы оценки почвенных ресурсов предлагается генерировать с использованием ГИС индивидуально для каждого анализируемого типа землепользования.
Предложены методы геоинформацноиного мониторинга почв и построения вероятных сценариев их изменений. При мониторинге почв оптимальный результат достигается при совместном использовании дистанционных методов и
методов имитационного моделирования, интегрированных в географические информационные системы.
Разработаны принципы геоинформационного моделирования структуры оптимального использования земель на разных уровнях обобщения, обоснованы подходы к построению сценариев изменения структуры землепользования в зависимости от ожидаемой социально-экономической обстановки. Представление результатов анализа в виде серии сценариев позволяет более полно использовать результаты оценки на практике, а сами сценарии рассматриваются как основа для дальнейшего экономического обоснования планирования систем землепользования.
Проведенные исследования показали, что качество ПИС, создаваемых для инвентаризации и оценки почвенных ресурсов может быть улучшено в результате усиления исследований в таких направлениях почвоведения как:
- разработка автоматизированных методов дешифрирования почв и их отдельных свойств по данным дистанционного зондирования;
- изучение взаимосвязей почв и почвенного покрова с иными компонентами ландшафта (почве нно-ландшафтные связи) на количественном уровне с учетом региональной специфики;
• изучение взаимосвязей почвенных условий с особенностями использования земель (роль эдафического фактора в растениеводстве, земледелии и землепользовании) на количественном уровне с учетом региональной специфики.
СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ
1- Савин И.Ю. Анализ спектральной отражательной способности почв ЦЧР с использованием ЭВМ // Доклады ВАСХНИЛ. - 1989. - №4. - С.46-48,
2. Савин И.Ю. Новые принципы построения крупномасштабных почвенных карт // Доклады ВАСХНИЛ. -1989. - №8. - С21-23.
3. Савин И.Ю. Использование космических снимков при составлении почвенной карты ЦЧО // Аэрокосмические методы в почвоведении. - М.: ВАСХНИЛ, 1989.-С. 126-127.
4. Савин И.Ю. Дешифрирование почвенного покрова лесостепи ЦЧЭР по среднемаспггабным космическим снимкам // Тез.Докл.8 Делег.съезда ВОП. -Новосиб., 1989.-С.84-85.
5. Савин И.Ю. Дешифрирование почвенного покрова Оксхо-Донской низменности в связи с фотографической генерализацией изображения // Генезис, антропогенная эволюция и рациональное использование почв. - М.: ВАСХНИЛ, 1990,-С.98-106.
6. Савин И.Ю. Современное изменение почвенного покрова лесостепи ЦЧЭР выявленное по дистанционным материалам Н Тездокл.4 конф. молодых ученых ИПФС АН СССР. -Пущино: ИПФС, 1990. - С.18-22.
7. Овечкин C.B., Савин И.Ю. Дешифрирование по космическим снимкам эколого-поч венных особенностей лесостепной зоны Среднерусской возвышенности // Аэрокосмические методы исследования почв и их использование в сельском хозяйстве.-М.: Наука, 1990. - С. 103-109.
8. Савин И.Ю. Границы почвенно-карто Графических выделов и информативность карт // Современные проблемы географии и картографии почв. - М.: ВАСХНИЛ, 1992. - С.108-111.
9. Савин И.Ю. Рисунок почвенного покрова и его отражение на средне и мелкомасштабных картах // Современные проблемы географии и картографии почв. - М.: ВАСХНИЛ, 1992. - C.112-U5.
Ю.Савин И.Ю. О границах почвенно-картографических вьщелов // География и картография почв. - М.: Наука, 1993. - С.228-235.
11.Овечкин C.B., Савин И.Ю.. Ахтырцев Б.П. Принципы составления среднемасштабной эколого-почвенной карты Центральных черноземных областей России // География и картография почв. - М.: Наука, 1993. - С.172-178.
12.Кузнецова И.В., Савин И.Ю,. Силаков С.Н., Коновалов С.Н. Сравнительная оценка и пути оптимизации агрофизических свойств черноземов в различных структурах почвенного покрова//Почвоведение, 1993. - №4. - С.40-52.
13.Савин И.Ю. Реакция почвенного покрова на гелио-геофизически обусловленные колебания климата // География и природные ресурсы, 1993. -№3.-С.11-1б.
14. Savin I, Formation of reflectance properties of tilled chernozem soil's surface //Optical Monitoring of the Environment, CIS (selected papers), SPIE, US, 1993, No 2107, - pp.304-313.
15.Савин И.Ю. , Чеиаев Ю.Г. Динамика содержания гумуса в пахотных лесостепных почвах// Почвоведение, 1994, -№5. -С.8&-92.
16. Савин И,Ю. Влияние ливневого дождя на интегральную отражательную способность поверхности черноземных почв // Почвоведение, 1995. - Х»8. -С.976-980.
17.Редькин Ф.Б., Геннадиев А.Н., Савин И.Ю. Классификация антропогенно -трансформированных почв бассейна Беспуты // Вестник МГУ, Сер.География. - 1995. - №3,- С.25-31.
18.Fischer G., Stolbovoy V., Savin I.. Rojkov V. The LUC approach to creating a continental-scale land cover database for Russia. - Laxenburg: IIASA w.p.-95-I29, 1995. - pp.20.
19. Савин И.К?.. Овечкин C.B, География почв ЦЧО // Агроэкологическое состояние черноземов ЦЧО. - Курск: РЛСХН, 1996. - С. 17-40.
20. Савин И.Ю.. Столбовой B.C., Овечкин С.В., Сизов В.В. Почвенно-окологическое зонирование как стратегия экологически рационального использования земель // География и природные ресурсы. - 1996. - №3. -С. 15-19.
21. Столбовой B.C., Савин И.Ю. Технология SOTER и опыт ее использования в России И Почвоведение, 1996. - № 11. - С. 1295-1320.
22. Савин И.Ю,. Овечкин СЛ., Александрова Е.В, Компьютерная модель роста растений WOFOST и ее использование для анализа потенциальной продуктивности земель//Почвоведение, 1997. - №7.-С.518-524.
23.Савин И.Ю.. Столбовой B.C. Спектрально-отражательная способность красноцветных почв Сирии//Почвоведение, 1997. - №5. - С.318-322.
24. Савин И.Ю. Автоматизированная инвентаризация почв на основе материалов дистанционных съемок: возможности и перспективы // Региональные проблемы экологии, географии и картографии почв. - М-См.: МГУ, 1998.-С.91-101.
25.Десинов Л.В., Савин H.IQ.. Михайлов С.И., Амелина Т.В., Черноглазое B.C., Листошенкова НЛ., Рудаков В.М. Географтеская информационная система «Дистанционный мониторинг эрозии черноземов» // Труды Всеросс.конф. «Антроп.дегр.почв». - М.: РАСХН, 1998. - С, 164-166.
26. Симакова М.С., Савин Й.Ю. Использование материалов аэро- и космической съемки в картографировании почв: (пути развития, состояние, задачи) // Почвоведение, 1998. -№11.-С.1339-1347.
27. Savin I. SOTER activity in Russia // SOTER Newsletter N11, 1998,- pp.6-7.
28. Savin I. Application of WOFOST crop growth simulation model for analysis of potential productivity of Russian lands // Proc. World Congress of 1SSS, v.2, 1998. -p-,655.
29.Stolbovoy V., Fischer G., Savin I.. Sheremet B. The IIASA-LUC Project Georefer-enced Database of Russia. Volume 1 and 2: Soil and Terrain Digital Database (SOTER). - IIASA Interim report IR-98-113,1998. -37p.
30. Савин И.Ю. Компьютерная инвентаризация почвенного покрова // Почвоведение, 1999. - №7. - С.899-904.
31.Столбовой B.C., Савиц И .ft).. Шеремет Б.В., Сизов В.В., Овечкин СЗ. Геоинформационная система деградации почв России it Почвоведение, 1999. -№5,- С.646-651.
32. Савин И.^О.. Кузнецова ИВ. О сходстве фоновых компонентов почвенного покрова южной лесостепи Среднерусской возвышенности по физическим свойствам И Почвоведение, 2000. - №3. - С.309-314.
33. Савин И.Ю.. Овечкин СВ., Шеремет Б.В. Гсоинформационнос «картографирование почв» // Современные проблемы почвоведения. -М.:РАСХН, 2000. - С. 241-259.
34. Савин И.Ю,. Федорова Е.Г. ГсоинформацнонныЙ анализ ресурсного потенциала земель для сельскохозяйственных целей // Современные проблемы почвоведения. - М.:РАСХН, 2000. - С.272-286.
35. Савин ИЛО.. Федорова Е.Г. Геоинформационный анализ ресурсного потенциала земель на уровне хозяйства // Доклады РАСХН, 2000. - №3. -С. 12-15.
36. Аммайгаджнев Г.К., Савин И.Ю.. Загиров Н.Г. Компьютерное моделирование ресурсного потенциала земель Дагестана для размещения косточковых плодовых культур. - Махачкала: Юпитер, 2000. -16с.
37.Боогаард X., Ван Диепен К., Ретгер Р., Кабрера Д., Ван Лаар X., Савин И. Имитационная модель роста сельскохозяйственных растений WOFOST 7.1 (руководство пользователя русифицированной версией). - М.: РУДН, 2000. -116с.
38. Savin 1Г Degradation status of soils in Russia on the edge of millennia //Proc.Conf. "Soils in CEC-NIS-CAC-M: Present situation and future prospects", Prague, 26-29 August 2000. -Ispra: [ES JRC, 2000. - pp.205-213.
39.Boogard H.L., van Diepen С.Л., Savin I. Monitoring drought affected crop yield based on ERS-scatterometer data; exploration of possibilities to integrate ERS-scatterometer derived soil moisture into the CGMS crop model for a Russian-Ukrainen study area. - Wageningen: ALTERRA Rappon 009,2000. - 96p.
40.BatjesN., Stolbovoy V.. Savin I.. Sheremet B. Mapping of Soil and Terrain Vulnerability in Central and Eastern Europe: Russia Country Report U Proceedings of concluding workshop (Busteni, 26-31 October 1999). - Wageningen: ISRIC, 2000. -pp.83-87.
41. Wagner W., Scipal K., Boogard H., van Diepen C., Beck R., Nobbe E., Savin 1. Assessing water-limited crop production with a scatierometer based crop growth monitoring system // IGARSS Proc., 2000. - pp.89-93,
42.Савин И-Ю-. Драгавиева ИЛ., Овечкин С.В., Федорова Е.Г, ГИС "Земельные ресурсы Краснодарского края и Адыгеи" и ее использование для оценки
садопригодности земель It Формы и методы повышения экономической эффективности регионального садоводства и виноградарства. Организация исследований и их координация. - Краснодар: ВНИИСиВ, 2001. - С. 69-75.
43. Савин И.Ю,, Овечкин С.В., Федорова EX. Ресурсный потенциал земель Московской области для сельскохозяйственных целей (результаты геоинформационного моделирования) // Использование и охрана природных ресурсов России, 2001. - №3-4. - С.80-91.
44. Савин И.Ю.. Столбовой B.C., Ван Диепен К. Имитационная модель роста сельскохозяйственных растений WOFOST и ее использование для анализа продуктивности земель России. - М.: РАСХН, 2001. - 216с.
45.Гаджиев М.С., Савин И.Ю., Загаров Н.Г. Ресурсный потенциал земель Дагестана для садоводства и виноградарства. - Махачкала: Юпитер, 2001. -79с.
46. Столбовой В., Монтанарелла Л., Медведев В., Смеян Н., Шишов Л., Унгурян
B., Добровольский Г., Жамань М., Кинг Д., Рожков В., Савин И. Интефация данных о почвах России, Белоруссии, Молдавии и Украины в почвенную географическую базу данных Европейского союза !! Почвоведение, 2001. -№7.-0.773-790.
47. Savin I. GIS Analysis of Resource Potential of Lands as a Base of Agricultural Land Use Optimization in Russia // Proc. Of 2nd International Conference "Agriculture and Natural Resources". - Moscow, 2001. - pp.348-352.
48. Савин И.Ю.. Овечкин C.B., Федорова Е.Г. ГИС «Земельные ресурсы Московской области» и ее использование для анализа ресурсного потенциала земель для сельскохозяйственных целей !1 Почвы Московской области и их использование, т.1. - М.: РАСХН, 2002. - С.416-439.
49. Савин И.Ю.. Сиротенко О.Д., Романенков В.А., Шевцова Л.К. Оценка роли агротехнических факторов в балансе органического углерода пахотных почв Н Почвы Московской области и их использование, т.1. -М.: РАСХН, 2002. -
C.324-336,
50. Savin, I.. Negre Т. Relative time NDVI mosaics as an indicator of crop growth // Proceedings of the "Remote Sensing for Agriculture, Ecosystems and Hydrology IV". 22 - 25 September 2002, Agia Pelagia, Crete, Greece, 2002. - pp.100-108.
51.Савин И.Ю. Среднемасштабная инвентаризация почв с использованием технологий географических информационных систем // Почвоведение, 2003. -№10.-С.823-827.
52. Савин И.Ю.. Негр Т. О новом подходе к использованию NDVI для мониторинга состояния посевов сельскохозяйственных культур // Исследование Земли из Космоса, 2003. - №4. - с.12-17.
53. Royer A., Micale F., Genovese G., Savin I., Turchini M. MARS Bulletins Vol. 10 and 11 No. 1-6. 2002-2004. -Ispra: JRC S.PA02-03.
Условные сокращения, принятые в Автореферате:
БД—база данных;
ГИС - географическая информационная система;
ДПР - древо принятия решений;
ИПГИС - инвентаризационная почвенная ГИС;
ПП - почвенный покров;
СПП - структура почвенного покрова;
ТПМ - точки полевого мониторинга;
ЭАА - элементарный ареал агроландшафта;
ЭВЗ - элементарный выдел земель.
Напечатано с готового оригинал-макета
Издательство ООО "МАКС Пресс" Лицензия ИД N OOS 10 от 01.12.99 г. Подписано к печати 24.08.2004 г. Формат 60x90 1/16, Усл.печл. 3,0. Тираж ] 20 экз. Заказ 317. Т«л. 939-3S90,939-3891,928-10«. Тел/Факс 939-3891. 119992, ГСП-2, Москва, Ленинские горы, МГУ им. М.В, Ломоносова, 2-й учебный корпус, 627 к.
-
Савин, Игорь Юрьевич
-
доктора сельскохозяйственных наук
-
Москва, 2004
-
ВАК 03.00.27
- Мониторинг и оценка экологического состояния агроландшафтов байрачных лесостепей Ставропольской возвышенности с использованием геоинформационных технологий
- Геоинформационные системы при подготовке специалистов в области недропользования
- Методика геоинформационного мониторинга районов прогнозируемого произрастания наркосодержащих растений на территории субъектов Российской Федерации
- Методика геоинформационного картографирования коммуникаций нефтегазового комплекса
- Геоинформационное картографирование городской среды
