1. На главную
  2. Электронные версии
  3. Почвоведение
  4. № 8, 2023

Почвоведение, 2023, № 8, стр. 970-980

Возможность использования зонирования залежной растительности по вегетационным индексам для оценки накопления органического вещества в постагрогенных почвах

К. Г. Гиниятуллин a, *, И. А. Сахабиев a, С. С. Рязанов b, Е. В. Смирнова a, Д. В. Тишин a, Л. И. Латыпова a

a Казанский федеральный университет
420008 Казань, ул. Кремлевская, 18, Россия

b Институт проблем экологии и недропользования Академии наук Республики Татарстан
420087 Казань, ул. Даурская, 28, Россия

* E-mail: ginijatullin@mail.ru

Поступила в редакцию 07.02.2023
После доработки 10.04.2023
Принята к публикации 11.04.2023

Аннотация

Исследовали массив светло-серой лесной почвы (Eutric Retisols (Loamic, Cutanic, Ochric)), находящейся под залежью возрастом 20–25 лет в стадии зарастания луговой растительностью, сосной и березой. Участок приурочен к одному элементу рельефа, не имеет морфологических признаков развития эрозионных процессов и характеризуется однородным гранулометрическим составом. Для оценки влияния типа залежной растительности на формирование запасов почвенного органического вещества (ПОВ) было проведено зонирование растительного покрова по вегетационным индексам, рассчитанным на основе данных дистанционного зондирования Земли. Для зонирования использовали алгоритмы k-средних и метод “случайного леса”. Показано наличие статистически значимых различий между типами земного покрова по запасам ПОВ в верхнем слое старопахотного горизонта при выделении 3 и 4 кластеров. Показано, что наиболее целесообразным является выделение при использовании алгоритма k-средних 3 классов залежной растительности: хвойная древесная растительность, лиственная древесная растительность и травянистая растительность. Корректность выделения данных классов была подтверждена полевым геоботаническим обследованием территории. Результаты попарного сравнения участков, занятых различными типами залежной растительности, показывают наличие значимых различий по запасам ПОВ только в самом верхнем слое (0–5 см) старопахотного горизонта и только при сравнении с массивом, занятым древесной хвойной растительностью и травянистой растительностью. Различия по накопленным запасам гумуса в верхнем слое (0–10 см) старопахотного горизонта статистически значимо проявляются в почвах под лиственной и хвойной древесной растительностью, а также между травянистой и хвойной растительностью. Значимой разницы по данному показателю между участками, занятыми древесной лиственной растительностью и травянистой растительностью, не наблюдалось.

Ключевые слова: залежные почвы, почвенное органическое вещество, пространственное моделирование, Eutric Retisols (Loamic, Cutanic, Ochric)

Список литературы

  1. Баева Ю.И., Курганова И.Н., Лопес де Гереню В.О., Почикалов А.В., Кудеяров В.Н. Физические свойства и изменение запасов углерода серых лесных почв в ходе постагрогенной эволюции (юг Московской области) // Почвоведение. 2017. № 3. С. 75–83.

  2. Гиниятуллин К.Г., Рязанов С.С., Смирнова Е.В., Латыпова Л.И., Рыжих Л.Ю. Использование геостатистических методов для оценки запасов органического вещества в залежных почвах // Учен. зап. Казан. ун-та. Сер. Естеств. науки. 2019. Т. 161. Кн. 2. С. 275–292. https://doi.org/10.26907/2542-064X.2019.2.275-292

  3. Гиниятуллин К.Г., Сахабиев И.А., Смирнова Е.В. Цифровое картографирование показателей, определяющих сорбционные свойства почв по отношению к поллютантам, по данным дистанционного зондирования Земли с применением машинного обучения // Георесурсы. 2022. Т. 24. № 1. С. 84–92. https://doi.org/10.18599/grs.2022.1.8

  4. Добровольский В.В. Практикум по географии почв с основами почвоведения. М.: Гуманит. Изд. Центр ВАДОК, 2001. 144 с.

  5. Иванов А.Л., Завалин А.А., Кузнецов М.С., Захаренко В.А., Свинцов И.П., Карпухин А.И., Исаев В.А., Гулюк Г.Г., Чекмарев П.А., Ефанов П.А., Кирюшин В.И., Хитров Н.Б., Романенко Г.А. Агроэкологическое состояние и перспективы использования земель, выбывших из активного сельскохозяйственного производства. М.: Российский научно-исследовательский институт информации и технико-экономических исследований по инженерно-техническому обеспечению агропромышленного комплекса, 2008. 64 с.

  6. Классификация и диагностика почв России. Смоленск: Ойкумена, 2004. 341 с.

  7. Когут Б.М., Семенов В.М., Артемьева З.С., Данченко Н.Н. Дегумусирование и почвенная секвестрация углерода // Агрохимия. 2021. № 5. С. 3–13. https://doi.org/10.31857/S0002188121050070

  8. Кудеяров В.Н. Почвенно-биогеохимические аспекты состояния земледелия в Российской Федерации // Почвоведение. 2019. № 1. С. 109–121. https://doi.org/10.1134/S0032180X1901009X

  9. Кудеяров В.Н. Современное состояние углеродного баланса и предельная способность почв к поглощению углерода на территории России // Почвоведение. 2015. № 9. С. 1049–1060. https://doi.org/10.7868/S0032180X15090087

  10. Кузнецова И.В., Тихонравова П.И., Бондарев А.Г. Изменение свойств залежных серых лесных почв // Почвоведение. 2009. № 9. С. 1142–1150. https://doi.org/10.1134/S1064229309090142

  11. Курганова И.Н., Лопес Де Гереню В.О., Швиденко А.З., Сапожников П.М. Изменение общего пула органического углерода в залежных почвах России в 1990–2004 гг // Почвоведение. 2010. № 3. С. 361–368.

  12. Литвинович А.В., Павлова О.Ю. Изменение гумусного состояния дерново-подзолистой глееватой песчаной почвы на залежи // Почвоведение. 2007. № 11. С. 1323–1329.

  13. Люри Д.И., Горячкин С.В., Караваева Н.А., Денисенко Е.А., Нефедова Т.Г. Динамика сельскохозяйственных земель России в XX в. и постагрогенное восстановление растительности и почв. М.: ГЕОС, 2010. 416 с.

  14. Маевский П.Ф. Флора средней полосы европейской части России. М.: Товарищество научных изданий КМК, 2014. 635 с.

  15. Некрич А.С., Люри Д.И. Изменения динамики аграрных угодий России в 1990–2014 гг. // Известия РАН. Сер. географическая. 2019. № 3. С. 64–77. https://doi.org/10.31857/S2587-55662019364-77

  16. Орешкина Н.С. Статистические оценки пространственной изменчивости свойств почв. М.: Изд-во Моск. ун-та, 1988. 112 с.

  17. Рогова Т.В., Шайхутдинова Г.А. Биоразнообразие и динамика наземных экосистем. Методическое пособие для проведения учебной практики. Казань: Изд-во Казан. ун-та, 2007. 60 с.

  18. Романовская А.А. Органический углерод в почвах залежных земель России // Почвоведение. 2006. № 1. С. 52–61.

  19. Росновский И.Н. Системный анализ и математическое моделирование процессов в почвах: Учеб. пособие. Томск: Томский государственный университет, 2007. 312 с.

  20. Рыжова И.М., Ерохова А.А., Подвезенная М.А. Динамика и структура запасов углерода в постагрогенных экосистемах южной тайги // Почвоведение. 2014. № 12. С. 1426–1435. https://doi.org/10.7868/S0032180X14090111

  21. Самсонова В.П. Пространственная изменчивость почвенных свойств: На примере дерново-подзолистых почв. М.: Изд-во ЛКИ, 2008. 160 с.

  22. Сидорова В.А. Динамика пространственного варьирования почвенных свойств луговых агроценозов Карелии при постантропогенном развитии // Российский журн. прикладной экологии. 2016. № 3. С. 23–27.

  23. Сорокина О.А., Данилов А.Н. Оценка плодородия почвы залежи на сопряженных элементах рельефа в Красноярской лесостепи // Плодородие. 2016. № 2. С. 31–34.

  24. Сорокина Н.П., Козлов Д.Н., Кузнецова И.В. Оценка постагрогенной трансформации дерново-подзолистых почв: картографическое и аналитическое обоснование // Почвоведение. 2013. № 10. С. 1193–1205. https://doi.org/10.7868/S0032180X13100134

  25. Телеснина В.М., Ваганов И.Е., Карлсен А.А., Иванова А.Е., Жуков М.А., Лебедев С.М. Особенности морфологии и химических свойств постагрогенных почв южной тайги на легких отложениях (Костромская область) // Почвоведение. 2016. № 1. С. 115–129. https://doi.org/10.7868/S0032180X16010111

  26. Цифровая почвенная картография / Отв. ред. Савин И.Ю., Докукин П.А. М.: РУДН, 2017. 156 с.

  27. Чернова О.В., Голозубов О.М., Алябина И.О., Щепащенко Д.Г. Комплексный подход к картографической оценке запасов органического углерода в почвах России // Почвоведение. 2021. № 3. С. 273–286. https://doi.org/10.31857/S0032180X21030047

  28. Чернова О.В., Рыжова И.М., Подвезенная М.А. Оценка запасов органического углерода лесных почв в региональном масштабе // Почвоведение. 2020. № 3. С. 340–350. https://doi.org/10.31857/S0032180X20030028

  29. Batjes N.H. Harmonized soil property values for broad-scale modelling (WISE30sec) with estimates of global soil carbon stocks // Geoderma. 2016. V. 269. P. 61–68. https://doi.org/10.1016/j.geoderma.2016.01.034

  30. Batjes N.H. Total carbon and nitrogen in the soils of the world // Eur. J. Soil Sci. 2014. V. 65. № 1. P. 10–21. https://doi.org/10.1111/EJSS.12114_2

  31. Bicego M. K-Random Forests: A K-means style algorithm for Random Forest clustering // Proc. Int. Jt. Conf. Neural Networks. 2019. V. 2019. https://doi.org/10.1109/IJCNN.2019.8851820

  32. Braimoh A.K., Vlek P.L.G. Impact of land use on soil resources // L. Use Soil Resour. Springer Netherlands. 2008. P. 1–7.

  33. Camera C., Zomeni Z., Noller J.S., Zissimos A.M., Christoforou I.C., Bruggeman A. A high resolution map of soil types and physical properties for Cyprus: A digital soil mapping optimization // Geoderma. 2017. V. 285. P. 35–49. https://doi.org/10.1016/j.geoderma.2016.09.019

  34. Chavez P. Image-Based Atmospheric Corrections - Revisited and Improved // American Society of Photogrammetry. 1996. №. 62. P. 1025–1036.

  35. Congedo L., Munafò M., Macchi S. Investigating the relationship between land cover and vulnerability to climate change in Dar es Salaam. Rome: Sapienza University, 2013. 58 p.

  36. Fathizad H., Taghizadeh-Mehrjardi R., Hakimzadeh Ardakani M.A., Zeraatpisheh M., Heung B., Scholten T. Spatiotemporal Assessment of Soil Organic Carbon Change Using Machine-Learning in Arid Regions // Agron. 2022. V. 12. № 3. P. 628. https://doi.org/10.3390/agronomy12030628

  37. Godwin R.J., Miller P.C.H. A Review of the Technologies for Mapping Within-field Variability // Biosyst. Eng. 2003. V. 84. № 4. P. 393–407. https://doi.org/10.1016/S1537-5110(02)00283-0

  38. Grunwald S., Yu C., Xiong X. Transferability and Scalability of Soil Total Carbon Prediction Models in Florida, USA // Pedosphere. 2018. V. 28. № 6. P. 856–872. https://doi.org/10.1016/S1002-0160(18)60048-7

  39. Guo L.B., Gifford R.M. Soil carbon stock and land use change: A meta-analysis // Global Change Biol. 2002. V. 8. № 4. P. 345–360. https://doi.org/10.1046/j.1354-1013.2002.00486.x

  40. Guo L., Fu P., Shi T., Chen Y., Zhang H., Meng R., Wang S. Mapping field-scale soil organic carbon with unmanned aircraft system-acquired time series multispectral images // Soil Tillage Res. 2020. V. 196. P. 104477. https://doi.org/10.1016/J.STILL.2019.104477

  41. iNaturalist. 2022. URL: https://www.inaturalist.org/ (дата обращения: 17.11.2022).

  42. Kalinina O., Chertov O., Dolgikh A.V., Goryachkin S.V., Lyuri D.I., Vormstein S., Giani L. Self-restoration of post-agrogenic Albeluvisols: Soil development, carbon stocks and dynamics of carbon pools // Geoderma. 2013. V. 207–208. P. 221–233. https://doi.org/10.1016/j.geoderma.2013.05.019

  43. Kurganova I.N., Kudeyarov V.N., De Gerenyu L. Updated estimate of carbon balance on Russian territory // Tellus. 2010. V. 62. № 5. P. 497–505.

  44. Kurganova I., Lopes de Gerenyu V., Kuzyakov Y. Large-scale carbon sequestration in post-agrogenic ecosystems in Russia and Kazakhstan // Catena. 2015. V. 133. P. 461–466. https://doi.org/10.1016/j.catena.2015.06.002

  45. Landsat 8 (L8) data users handbook. South Dakota: EROS. Sioux Falls, 2015. 106 p.

  46. Lo Seen D., Ramesh B.R., Nair K.M., Martin M., Arrouays D., Bourgeon G. Soil carbon stocks, deforestation and land-cover changes in the Western Ghats biodiversity hotspot (India) // Glob. Chang. Biol. 2010. V. 16. № 6. P. 1777–1792. https://doi.org/10.1111/J.1365-2486.2009.02127.X

  47. Martin M.P., Orton T.G., Lacarce E., Meersmans J., Saby N.P.A., Paroissien J.B., Jolivet C. et al. Evaluation of modelling approaches for predicting the spatial distribution of soil organic carbon stocks at the national scale // Geoderma. 2014. V. 223–225. № 1. P. 97–107. https://doi.org/10.1016/J.geoderma.2014.01.005

  48. Matinfar H.R., Maghsodi Z., Mousavi S.R., Rahmani A. Evaluation and Prediction of Topsoil organic carbon using Machine learning and hybrid models at a Field-scale // catena. 2021. V. 202. P. 105258. https://doi.org/10.1016/j.catena.2021.105258

  49. QGIS Development Team. QGIS Geographic Information System. Open Source Geospatial Foundation Project. 2016. https://www.qgis.org/en/site/ (дата обращения: 17.11.2022).

  50. R Core Team. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna. Austria. URL: http://www.r-project. org/index.html (дата обращения: 17.11.2022).

  51. Sahabiev I., Smirnova E., Giniyatullin K. Spatial Prediction of Agrochemical Properties on the Scale of a Single Field Using Machine Learning Methods Based on Remote Sensing Data // Agron. 2021. V. 11. P. 2266. https://doi.org/10.3390/agronomy11112266

  52. Saleh A.M. Relationship Betweenvegetation Indicesof Landsat-7 ETM+, MSS Data and Some Soil Properties: Case Study of Baqubah, Diyala, Iraq // IOSR J. Agric. Vet. Sci. Ver. II. 2015. V. 8. № 2. P. 2319–2372.

  53. Schillaci C., Perego A., Valkama E., Märker M., Saia S., Veronesi F., Lipani A. et al. New pedotransfer approaches to predict soil bulk density using WoSIS soil data and environmental covariates in Mediterranean agro-ecosystems // Sci. Total Environ. 2021. V. 780. P. 146609. https://doi.org/10.1016/j.scitotenv.2021.146609

  54. Taghizadeh-Mehrjardi R., Nabiollahi K., Kerry R. Digital mapping of soil organic carbon at multiple depths using different data mining techniques in Baneh region, Iran // Geoderma. 2016. V. 266. P. 98–110. https://doi.org/10.1016/j.geoderma.2015.12.003

  55. Thompson J.A., Kolka R.K. Soil Carbon Storage Estimation in a Forested Watershed using Quantitative Soil-Landscape Modeling // Soil Sci. Soc. Am. J. 2005. V. 69. № 4. P. 1086–1093. https://doi.org/10.2136/SSSAJ2004.0322

  56. Vågen T.G., Winowiecki L.A., Tondoh J.E., Desta L.T., Gumbricht T. Mapping of soil properties and land degradation risk in Africa using MODIS reflectance // Geoderma. 2016. V. 263. P. 216–225. https://doi.org/10.1016/J.GEODERMA.2015.06.023

  57. Vågen T.G., Winowiecki L.A., Abegaz A., Hadgu K.M. Landsat-based approaches for mapping of land degradation prevalence and soil functional properties in Ethiopia // Remote Sens. Environ. 2013. V. 134. P. 266–275. https://doi.org/10.1016/J.RSE.2013.03.006

  58. Walvoort D.J.J., Brus D.J., de Gruijter J.J. An R package for spatial coverage sampling and random sampling from compact geographical strata by k-means // Comput. Geosci. Pergamon. 2010. V. 36. № 10. P. 1261–1267. https://doi.org/10.1016/J.CAGEO.2010.04.005

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Почвоведение

Архивы выпусков Информация о журнале Отправить рукопись в журнал