Использование программного обеспечения ArcGIS для стохастического моделирования свойств почв

https://doi.org/10.35595/2414-9179-2020-1-26-516-532

Посмотреть или загрузить статью (Rus)

Об авторах

Н.В. Клебанович

Белорусский государственный университет, Факультет географии и геоинформатики,
Ленинградская ул., 14, 220004, Минск, Беларусь;
E-mail: N_Klebanovich@inbox.ru

А.Л. Киндеев

Белорусский государственный университет, Факультет географии и геоинформатики,
Ленинградская ул., 14, 220004, Минск, Беларусь;
E-mail: akindeev@tut.by

Аннотация

С использованием геостатистического моделирования Гаусса в программе ArcGIS ArcMap с применением инструментов Geostatistical Analyst проведено стохастическое моделирование и комплексная пространственная оценка изменчивости ряда почвенных свойств на ключевом участке.

По параметрам третьего (асимметричность) и четвёртого (эксцесс) порядков доказана нормальность распределения показателей кислотности, содержания подвижных соединений фосфора, влажности и удельной поверхности почв. По остроконечности распределения данных выявлена необходимость их преобразования по показателям содержания фосфора и удельной поверхности. По графикам типа «квартиль-квартиль» определены точки, выбивающиеся из общей выборки для исключения при дальнейшем анализе.

Анализ показал наличие глобальных трендов по кислотности и содержанию фосфора, описываемых полиномами 2-ого и 1-ого порядков, что говорит о наличии детерминированной составляющий в общей неоднородности свойств, которая была удалена при подборе математической модели (вариограммы) и автоматически была учтена при построении итоговых картограмм.

Большая доля от общей неоднородности приходится на случайную пространственно коррелируемую мезокомпоненту, которая описывается методами вариографии. При использовании разработанных моделей в технологиях точного земледелия можно учесть до 85 % неоднородности по влажности и до 100 % — по содержанию фосфора. Доказано наличие существенных различий между использованием классической геостатистики и моделированием Гаусса, которое позволяет провести сглаживание и исключить статистическую неоднородность.

Картограммы среднеквадратического отклонения могут являться репрезентативными средствами для разработки сетей мониторинга и определения необходимости точки дополнительного пробоотбора. По параметрам абсолютных значений показателя, местонахождения исходных опорных точек, величины лага и среднеквадратического отклонения получена итоговая сеть мониторинга из 100 точек.

Ключ. слова

ГИС, геостатистика, варьирование, стохастическое моделирование.

Список литературы

  1. Демьянов В.В., Савельева Е.А. Геостатистика: теория и практика. М.: Наука, 2010. 327 с.
  2. Капутин Ю.Е., Ежов А.И., Хенли С. Геостатистика в горно-геологической практике. Апатиты: КНЦ РАН, 1995. 165 с.
  3. Киндеев А.Л. Применение геоинформационных систем в анализе кислотности почвенного покрова. Геология в развивающемся мире: сб. науч. тр. (по материалам X Междунар. науч.-практ. конф. студ., аспир. и молодых учёных). Пермь: Пермский государственный национальный исследовательский университет, 2017. Т. 2. C. 66–68.
  4. Клебанович Н.В., Киндеев А.Л. Геостатистическая оценка вариабельности свойств почв. Вестник Удмуртского университета. Серия Биология. Науки о Земле, 2018. Т. 28. № 1. С. 91–102.
  5. Кондратьев С.А., Казмина М.В., Шмакова М.В., Маркова Е.Г. Метод расчёта биогенной нагрузки на водные объекты. Региональная экология, 2011. № 3–4. С. 50–59.
  6. Нехороших Д.С., Демьянов В.В., Каневский М.Ф., Чернов С.Ю., Савельева Е.А. Стохастическое моделирование пространственно-распределённых данных по окружающей среде. М.: Институт проблем безопасного развития атомной энергетики РАН, 2000. 28 с.
  7. Хорган Г.В., Янг И.М. Эмпирическая стохастическая модель для геометрии двумерного роста трещин в почве (с обсуждением). Geoderma, 2000. V. 96. P. 263–289.
  8. Чертко Н.К., Карпиченко А.А. Математические методы в географии: учебно-методическое пособие. Минск: БГУ, 2009. 199 с.
  9. Шеин Е.В. Курс физики почв. Москва: Издательство Московского университета, 2005. 432 с.
  10. Шмакова М.В. Расчет твёрдого стока рек в оценке интенсивности заиления водохранилищ. Современные проблемы водохранилищ и их водосборов: Труды международной научно-практической конференции (28–30 мая 2013 г.). Пермь: Пермский гос. нац. исследовательский университет, 2013. Т. 1. С. 310–325.
  11. Deutsch C.V., Journel A.G. GSLIB geostatistical software library and user’s guide. New York: Oxford University Press, 1998. 369 p. (P. 119–122).
  12. Ferguson R.B. Educational resources for precision agriculture. Precision Agriculture, 2002. V. 3. P. 359–371.
  13. Han J. Magnetic susceptibility of modern soils in China and climate conditions. Studia Geophysica et Geodetica, 1996. V. 40. P. 262–275.
  14. Mallarino A.P., Wittry D.J. Use of DGPS, yield monitors, soil testing and variable rate technology to improve phosphorus and potassium management. Proceedings of The Integrated Crop Management Conference. Ames, Iowa, USA: Iowa State University Extension, 1997. P. 267–275.
  15. Pocknee S. Directed soil sampling. Proceedings of Third International conference on precision agriculture, 23–26 June 1996, Minneapolis, Minnesota. Madison, Wis: American Society of Agronomy, Crop Science Society of America, Soil Science Society of America, 1996. P. 159–168.

Для цитирования: Клебанович Н.В., Киндеев А.Л. Использование программного обеспечения ArcGIS для стохастического моделирования свойств почв ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Издательство Московского университета, 2020. Т. 26. Ч. 1. С. 516–532. DOI: 10.35595/2414-9179-2020-1-26-516-532

For citation: Klebanovich N.V., Kindeev A.L. Using ArcGIS software for stochastic simulation of soil properties InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: Moscow University Press, 2020. V. 26. Part 1. P. 516–532. DOI: 10.35595/2414-9179-2020-1-26-516-532 (In Russian)