Применение методов площадной интерполяции при определении зон потенциального плодородия почв сельскохозяйственных земель

https://doi.org/10.35595/2414-9179-2021-4-27-120-134

Посмотреть или загрузить статью (Rus)

Об авторах

Н.В. Клебанович

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

А.Л. Киндеев

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

В.С. Кизеева

Белорусский государственный университет, факультет географии и геоинформатики,
Ленинградская, 14, 220004, Минск, Беларусь;
E-mail: tatya.novikova.85@mail.ru

Аннотация

В статье приводится один из возможных вариантов улучшения методики выделения зон потенциального плодородия почвенного покрова. Доказывается необходимость использования площадной интерполяции как единственного метода геостатистического анализа, учитывающего площадь входных объектов. Для проверки данных на нормальное распределение Гаусса необходимо использовать несколько способов проверки, так как при оценке только статистических параметров были обнаружены значительные (в случае с фосфором — аномальные) отклонения, однако при оценке гистограмм и графиков «квартиль-квартиль» необходимость приведения данных к нормальному распределению была актуальна только для гумуса и фосфора. Показываются основные преимущества и недостатки метода площадной интерполяции. При значительном отклонении от нормального распределения, при отсутствии встроенных функций автоматизированного приведения данных к распределению Гаусса, одним из немногих способов может служить логарифмирование данных. После проведения зонирования необходимо выполнить обратный перевод в исходные значения для репрезентативной визуализации результатов.

В результате подбора теоретических вариограмм-деконволюций определены степени пространственной зависимости и оптимальные расстояния для исследуемых свойств. Определно, что лаг у показателей кислотности и содержания калия равняется 1000 м и 1050 м соответственно. У фосфора он составляет 1300 м. У содержания гумуса лаг значительно ниже — 440 м. Максимальное расстояние автокорреляция характерно для калия и гумуса — 2330 и 1528 м; минимальное — для фосфора — 637. Достоверность картограмм агрохимических свойств подтверждается рассчитанными среднеквадратическими ошибками. Отклонения значений рН находится в диапазоне до 0,15 единиц Наивысшая среднеквадратическая ошибка интерполяции наблюдается у слабокислых почв. Ошибка проинтерполированных значений гумуса от исходных данных присуща антропогенно-преобразованным почвам. Среднеквадратическую ошибку значений фосфора можно оценить как незначительную. Наибольшие ошибки у K2O — в единичных случаях они достигает 120 мг/га в центральной и в восточной частях района. По полученной карте потенциального плодородия почв была определена взаимосвязь с гранулометрическим составом почв. Низкий уровень наблюдается на песчаных и супесчаных почвах, высокий — на суглинках. Также на прозводительную способность влияет рельеф территории — на расчлененных участках продуктивность ниже, чем на равнинных.

Ключ. слова

ГИС, геостатистика, варьирование, площадная интерполяция, производительная способность почвы.

Список литературы

  1. Богдевич И.М. Крупномасштабное агрохимическое и радиологическое обследование почв сельскохозяйственных земель Республики Беларусь: методические указания. Минск: Ин-т почвоведения и агрохимии, 2012. 48 с.
  2. Клебанович Н.В. Разработать геоинформационную базу пространственных информационно-аналитических данных, отражающих устойчивость различных типов земель агроландшафтов к техногенному воздействию: отчет о НИР (заключ.). Минск. Ин-т почвоведения и агрохимии. 2019.
  3. Куцаева О.А. Создание менеджмент-зон для дифференцированного внесения минеральных удобрений с использованием инструментов геостатистики. Вестник Белорусской государственной сельскохозяйственной академии, 2020. № 2. С. 176–181.
  4. Мыслыва T.Н. Использование геостатистических инструментов для оценки пространственного распределения кислоторастворимой меди в почве. Вестник белорусской государственной сельскохозяйственной aкадемии, 2020. № 2. С. 170–176.
  5. Червань А.Н. Цырибко В.Б., Устинова А.М. Данные агрофизических свойств почв в формировании почвозащитных систем земледелия с применением гис-технологий на примере Браславского района Витебской области. Минск, Институт почвоведения и агрохимии НАН Беларуси, 2016. С. 25–36.
  6. Черныш А.Ф. Проектирование противоэрозионных комплексов и использование эрозионноопасных земель в разных ландшафтных зонах Беларуси. Минск, Институт почвоведения и агрохимии НАН Беларуси, 2005. 52 с.
  7. Cressie N.A.C. Statistics for Spatial Data. Revised ed. John Wiley & Sons. New York, 1993. 900 p.
  8. Gotway C.A, Young L.J. A geostatistical approach to linking geographically aggregated data from different sources. Journal of Computational and Graphical Statistics, 2007. V. 16. P. 115–135
  9. Krivoruchko K., Gribov A., Krause E. Multivariate Areal Interpolation for Continuous and Count Data. Procedia Environmental Sciences 3, 2011. P. 14–19.
  10. Lark R.M. Estimating variograms of soil properties by the method-ofmoments and maximum likelihood. European Journal of Soil Science, 2000. V. 51. P. 717–728.
  11. Liu X., Shahid R., Patel A.B. Terrence McDonald T., Bertazzon S., Waters N, Judy E. Seidel J.E., Marshall D.A. Geospatial patterns of comorbidity prevalence among people with osteoarthritis in Alberta Canada. BMC Part of Springer Nature. 2020. 16 p. Web resource: https://bmcpublichealth.biomedcentral.com/articles/10.1186/s12889-020-09599-0 (accessed 05.04.2021)
  12. Oliver V.A., Kerry R., Frogbrook Z.L. Sampling in Precision Agriculture. Geostatistical Applications for Precision Agriculture, Springer Science + Business Media B.V., 2010. P. 35–64.
  13. Steeves E.A. Martins P.A., Gittelsohn J. Changing the Food Environment for Obesity Prevention: Key Gaps and Future Directions. Curr Obes Rep., 2014. V. 3 (4). P. 451–458.
  14. Wadoux A.M.J.‐C., Marchant B.P. Lark R M. Efficient sampling for geostatistical surveys. The European Journal of Soil Science, 2019. 9 p.

Для цитирования: Клебанович Н.В., Киндеев А.Л., Кизеева В.С. Применение методов площадной интерполяции при определении зон потенциального плодородия почв сельскохозяйственных земель ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2021. Т. 27. Ч. 4. С. 120–134. DOI: 10.35595/2414-9179-2021-4-27-120-134

For citation: Klebanovich N.V., Kindeev A.L., Kizeeva V.S. Application of areal interpolation methods when determining zones of potential fertility of soils of agricultural lands InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2021. V. 27. Part 4. P. 120–134. DOI: 10.35595/2414-9179-2021-4-27-120-134 (In Russian)