1. На главную
  2. Электронные версии
  3. Почвоведение
  4. № 10, 2023

Почвоведение, 2023, № 10, стр. 1259-1268

Спутниковый мониторинг засоления орошаемых почв Южного Казахстана

И. Ю. Савин a, b, *, А. Г. Терехов c, Е. Н. Амиргалиев c, Г. Н. Сагатдинова c

a Почвенный институт им. В.В. Докучаева
119017 Москва, Пыжевский пер., 7, стр. 2, Россия

b Институт экологии РУДН
115093 Москва, Подольское ш., 8, стр. 5, Россия

c Институт информационных и вычислительных технологий
050010 Алматы, ул. Шевченко, 28, Казахстан

* E-mail: savin_iyu@esoil.ru

Поступила в редакцию 20.03.2023
После доработки 06.04.2023
Принята к публикации 24.05.2023

Аннотация

Приведены результаты апробации новых подходов к мониторингу засоленности почв орошаемых массивов, основанные на косвенном детектировании засоленности почв с использованием многолетних архивов спутниковых данных. Исследования выполнены на примере орошаемых земель Мактааральского района Туркестанской области Республики Казахстан. В качестве индикатора уровня засоленности почв используется частота и сроки промывок почв от солей, которые выявляются на основе многолетних архивов спутниковых данных Sentinel-1,2 и Landsat-8 (с 2016 по 2022 гг.). Информация о частоте промывок почв от солей и о годе последней промывки позволила ранжировать поля по степени засоленности почв. Сравнение полученной информации с мелкомасштабной почвенной картой и со статистическими данными, основанными на полевых обследованиях полей, показало хороший уровень сходства уровня засоленности почв тестового региона. Подобный подход может быть использован для других регионов с орошаемыми почвами, подверженными вторичному засолению, где практикуются зимние промывки затоплением. Он не требует дополнительной адаптации и основан на простых алгоритмах распознавания по спутниковым данным водной поверхности.

Ключевые слова: промывка солей, Sentinel-2, Landsat, засоленные почвы, NDVI

Список литературы

  1. Аверьянов С.Ф. Борьба с засолением орошаемых земель. М.: Колос, 1978. 288 с.

  2. Айдаров И.П. Регулирование водно-солевого и пищевого режимов орошаемых земель. М.: Агропромиздат. 1985. 275 с.

  3. Аширбеков М.Ж. Солевой режим и эксплуатационная промывка почвы в хлопковом севообороте староорошаемой зоны Голодной степи // Вестник Алтайского ГАУ. 2014. № 5. С. 89–96.

  4. Аширбеков М.Ж., Дридигер В.К. Урожайность и качество хлопчатника в зависимости от размещения в севообороте на орошаемых сероземах Южного Казахстана // Вестник АПК Ставрополья. 2018. № 1. С. 73–77.

  5. Андроников В.Л. Аэрокосмические методы изучения почв. М.: Колос, 1979. 280 с.

  6. Боровский В.М. Формирование засоленных почв и галогеохимические провинции Казахстана. Алма-Ата: Акад. наук Каз. ССР. 1982. 254 с.

  7. Варгас Р., Панкова Е.И., Балюк С.А., Красильников П.В., Хасанханова Г.М. Руководство по управлению засоленными почвами. Рим: ФАО, 2017. 153 с.

  8. Востокова Е.А., Шевченко Л.А., Сущеня В.А. Картографирование по космическим снимкам и охрана окружающей среды. М.: Недра, 1982. 251 с.

  9. Рамазанов А., Якубов Х. Промывные и влагозарядные поливы. Ташкент: Мехнат, 1988. 192 с.

  10. Савин И.Ю., Бербеков С.А., Тутукова Д.А. Комплексная оценка неоднородности почвенного покрова по состоянию посевов // Бюл. Почв. ин-та им. В.В. Докучаева. 2022. № 113. С. 31–57. https://doi.org/10.19047/0136-1694-2022-113-31-57

  11. Савин И.Ю., Отаров А., Жоголев А.В., Ибраева М.А., Дуйсеков С. Выявление многолетних изменений площади засоленных почв Шаульдерского орошаемого массива по космическим снимкам Landsat // Бюл. Почв. ин-та им. В.В. Докучаева. 2014. № 74. С. 49–65. https://doi.org/10.19047/0136-1694-2014-74-49-65

  12. Успанов У.У. (отв. ред). Почвенная карта Казахской ССР. М-б 1 : 2 500 000. М.: ГУГК, 1976.

  13. Шинкаренко С.С., Солодовников Д.А., Барталев С.А., Васильченко А.А., Выприцкий А.А. Динамика площадей водохранилищ полуострова Крым // Современные проблемы дистанционного зондирования земли из космоса. 2021. Т. 18. № 5. С. 226–241. https://doi.org/10.21046/2070-7401-2021-18-5-226-241

  14. Классификация и диагностика почв России. Смоленск: Ойкумена, 2004. 342 с.

  15. Abdel Rahman M.A.E., Afifi A.A., D’Antonio P., Gabr S.S., Scopa A. Detecting and mapping salt-affected soil with arid integrated indices in feature space using multi-temporal landsat imagery // Remote Sens. 2022. V. 14. P. 2599. https://doi.org/10.3390/rs14112599

  16. Allbed A., Kumar L. Soil Salinity mapping and monitoring in arid and semi-arid regions using remote sensing technology: A Review. Advances in remote sensing. 2013. V. 2. P. 373–385. https://doi.org/10.4236/ars.2013.24040

  17. Chen Y., Du Y., Yin H., Wang H., Chen H., Li X., Zhang Z., Chen J. Radar remote sensing-based inversion model of soil salt content at different depths under vegetation // PeerJ. 2022. V. 10.P. e13306. https://doi.org/10.7717/peerj.13306

  18. Craig M., Merchant M., Boychuk L., Hopkinson Ch., Brisco B. Automated SAR image thresholds for water mask production in Alberta’s Boreal Region // Remote Sens. 2020. V. 12. P. 2223. https://doi.org/10.3390/rs12142223

  19. FAO. The World Map of Salt Affected Soil [WWW Document]. 2021. URL https://www.fao.org/soils-portal/data-hub/soil-maps-and-databases/global-map-of-salt-affected-soils/en/ (accessed 12.03.23)

  20. Iqbal F. Detection of salt affected soil in rice-wheat area using satellite image // African J. Agricult. Res. 2011. V. 6. P. 4973–4982.

  21. Kraamwinkel C.T., Beaulieu A., Dias T., Howison R.A. Planetary limits to soil degradation // Commun Earth Environ. 2021. V. 2. P. 249. https://doi.org/10.1038/s43247-021-00323-3

  22. McFeeters S.K. The use of the normalized difference water index (NDWI) in the delineation of open water features // Intern. J. Remote Sensing. 1996. V. 17. № 7. P. 1425–1432. https://doi.org/10.1080/01431169608948714

  23. Metternicht G., Zinck J.A. Remote sensing of soil salinity: Potentials and constraints // Remote Sensing of Environment. 2003. V. 85. P. 1–20. https://doi.org/10.1016/S0034-4257(02)00188-8

  24. Nguyen K.A., Liou Y.A., Tran H.P., Hoang P.P., Nguyen T.H. Soil salinity assessment by using near-infrared channel and vegetation soil salinity index derived from Landsat 8 OLI data: a case study in the Tra Vinh Province, Mekong Delta, Vietnam // Prog Earth Planet Sci. 2020. V. 7. P. 1. https://doi.org/10.1186/s40645-019-0311-0

  25. Otarov A., Ibrayeva M.A., Usipbekov M., Wilkomirski B., Suska-Malawska M. Brief description of soil surface and analysis of current state of soil fertility in South Kazakhstan region // J. Soil Sci. Agrochem. 2008. № 1. P. 68–76.

  26. Özelkan E. Water Body Detection analysis using NDWI indices derived from Landsat-8 OLI // Pol. J. Environ. Stud. 2020. V. 29. P. 1759–1769. https://doi.org/10.15244/pjoes/110447

  27. Panagos P., Van Liedekerke M., Borrelli P., Köninger J., Ballabio C., Orgiazzi A., Lugato E., Liakos L., Hervas J., Jones A. Montanarella L. European soil data centre 2.0: Soil data and knowledge in support of the EU policies // Eur. J. Soil Sci. 2022. V. 73. P. e13315. https://doi.org/10.1111/ejss.13315

  28. Savin I., Avetyan S., Shishkonakova E. Secondary Salinization of Soils in Russia // IOP Conf. Ser.: Earth Environ. Sci. 2021. V. 690. P. 012024. https://doi.org/10.1088/1755-1315/690/1/012024

  29. Savin I.Y., Savenkova E.V., Kucher D.E., Tutukova D.A., Berbekov S.A. Assessment of soil cover contrasts on arable land using Sentinel-2 images // Eurasian Soil Sci. 2021. V. 54. P. 1619–1628.

  30. Scudiero E., Corwin D.L., Anderson R.G., Skaggs T.H. Moving forward on remote sensing of soil salinity at regional scale // Front. Environ. Sci. 2016. V. 4. P. 65. https://doi.org/10.3389/fenvs.2016.00065

  31. Wang J., Peng J., Li H., Yin C., Liu W., Wang T., Zhang H. Soil salinity mapping using machine learning algorithms with the Sentinel-2 MSI in arid areas, China // Remote Sensing. 2021. V. 13. P. 305. https://doi.org/10.3390/rs13020305

  32. Wu W. A Brief review on soil salinity mapping by optical and radar remote sensing // Research Developments in Saline Agriculture. Singapore: Springer, 2019. P. 53–65. https://doi.org/10.1007/978-981-13-5832-6_2

  33. Xiucheng Y., Zhao S., Qin X., Zhao N., Liang L. Mapping of urban surface water bodies from Sentinel-2 MSI Imagery at 10 m Resolution via NDWI-based image sharpening // Remote Sensing. 2017. V. 9. P. 596. https://doi.org/10.3390/rs9060596

  34. Yang L., Driscol J., Sarigai S., Wu Q., Lippitt C.D., Morgan M. Towards synoptic water monitoring systems: a review of ai methods for automating water body detection and water quality monitoring using remote sensing // Sensors. 2022. V. 22. P. 2416. https://doi.org/10.3390/s22062416

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Почвоведение

Архивы выпусков Информация о журнале Отправить рукопись в журнал