Автоматизированное картографирование почв по спутниковым данным для проектирования АЛСЗ: на примере тестовых полей в Саратовском Поволжье тема диссертации и автореферата по ВАК РФ 03.02.13, кандидат наук Прудникова, Елена Юрьевна

• Прудникова, Елена Юрьевна
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Прудникова, Елена Юрьевна

СОДЕРЖАНИЕ

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1 ИСПОЛЬЗОВАНИЕ СПУТНИКОВЫХ ДАННЫХ ДЛЯ КАРТОГРАФИРОВАНИЯ ПОЧВЕННОГО ПОКРОВА (ЛИТЕРАТУРНЫЙ ОБЗОР)

1.1 Составление традиционных почвенных карт и карт СИП

1.2 Картографирование отдельных свойств почв (гранулометрический состав, содержание гумуса, каменистость)

1.3 Спектральная отражательная способность - как основа распознавания свойств почв по спутниковым данным

1.4 Применение радарных данных для картографирования почвенного покрова

1.5 Проблемы автоматизации картографирования почвенного покрова и отдельных свойств почв

ГЛАВА 2 ОБЪЕКТЫ И МЕТОДЫ ИССЛЕДОВАНИЯ

2.1. Характеристика региона исследований

2.1.1 Географическое положение территории исследований

2.1.2 Климатические условия

2.1.3 Растительность и характер использования территории

2.1.4 Рельеф

2.1.5 Почвообразующие и подстилающие породы

2.1.6 Почвы и почвенный покров

2.2 Общая стратегия исследований

2. 3 Методы исследования

2.3.1 Картографирование почвенного покрова тестового участка для разработки алгоритмов его автоматизированного дешифрирования

2.3.2 Оценка спектральной отражательной способности почв региона исследований

2.3.3 Оценка характера открытой поверхности пахотных почв и ее вклада в СОС почв

ГЛАВА 3 СПЕКТРАЛЬНАЯ ОТРАЖАТЕЛЬНАЯ СПОСОБНОСТЬ ПОЧВ РЕГИОНА ИССЛЕДОВАНИЙ

ГЛАВА 4 КАРТОГРАФИРОВАНИЕ ПОЧВЕННОГО ПОКРОВА НА ОСНОВЕ СПУТНИКОВОЙ ИНФОРМАЦИИ

4.1 Картографирование отдельных свойств почв

4.1.1 Картографирование содержание гумуса и гранулометрического состава поверхностных горизонтов почв

4.1.2 Картографирование поверхностной каменистости (% проективного покрытия поверхности почвы камнями различного размера)

4.1.3 Картографирование почвообразующих пород

4.2 Построение цифровых почвенных карт на основе оптических и радарных спутниковых данных

4.2.1 Использование оптических спутниковых данных для цифрового картографирования почв

4.2.2 Использование радарных спутниковых данных для цифрового картографирования почв

4.3 Возможности использования результатов спутниковой оценки состояния растительного покрова с/х угодий для картографирования неоднородностей почвенного покрова

4.4 Сопоставление традиционного метода почвенного картографирования и подходов, основанных на автоматизированной обработке спутниковой информации

ГЛАВА 5 ВОЗМОЖНОСТИ СПУТНИКОВОГО МОНИТОРИНГА ПАХОТНЫХ ПОЧВ РЕГИОНА ИССЛЕДОВАНИЙ

ВЫВОДЫ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Приложение А

Приложение Б

СПИСОК СОКРАЩЕНИЙ

AJIC3 - адаптивно-ландшафтные системы земледелия

ГК - главная компонента

ИК - инфракрасный

МГК - метод главных компонент

ПК - почвенная комбинация

СОС - спектральная отражательная способность

СПП - структура почвенного покрова

ЦМР - цифровая модель рельефа

ЦГЖ - цифровая почвенная карта

IEM - модель интегрального уравнения

SPM - метод малых возмущений

Введение диссертации (часть автореферата) на тему «Автоматизированное картографирование почв по спутниковым данным для проектирования АЛСЗ: на примере тестовых полей в Саратовском Поволжье»

ВВЕДЕНИЕ

Актуальность темы

На сегодняшний день остро стоит проблема обновления устаревших почвенных карт и актуализации информации о состоянии и свойствах почвенного покрова. Наиболее перспективным средством для обновления почвенных карт являются спутниковые технологии (Толчельников, 1966; Андроников, 1979; Виноградов, 1984; Симакова, 1984; Савин 1990; Королюк, Щербенко 1994, 2003; Савин, 1998; Сорокина, Козлов 2009). Актуализация информации о состоянии почвенного покрова имеет особое значение в рамках проектирования адаптивно-ландшафтных систем земледелия (АЛСЗ) (Кирюшин и др., 2005). На настоящий момент опыт использования спутниковых данных в АЛСЗ сводится, главным образом, к их применению в качестве подложки для визуального дешифрирования в системах ГИС (как на предварительном этапе для выбора точек заложения разрезов, так и на этапе составления карты структур почвенного покрова (СПП)) (Кирьянова, 2010). Есть опыт составления карт агроэкологических групп почвенных комбинаций (ПК) (Сорокина, Козлов, 2009). Однако данная методология предполагает значительный объем полевых работ. Кроме того, традиционная карта СПП не всегда позволяет количественно оценить пространственное варьирование агрономически важных свойств почв и выделить объективные границы разных классов земель (Савин, Симакова, 2012).

Таким образом, актуальность темы диссертационного исследования определяется объективной необходимостью разработки подхода, который бы предполагал использование современных методов и технологий обработки и анализа спутниковой информации для создания или обновления карт почвенного покрова в рамках проектирования АЛСЗ и в то же время позволял бы снизить трудоемкость и стоимость картографических работ при увеличении точности и содержательности получаемых картографических продуктов, а также позволял бы проводить объективную оценку важных агроэкологических свойств почвенного

покрова, выступающих в качестве лимитирующих факторов сельскохозяйственного производства в рамках конкретного хозяйства или группы хозяйств, расположенных в близких природно-климатических условиях.

Цель исследования.

Разработать методы картографирования пахотных почв Саратовского Поволжья на основе спутниковых данных с целью усовершенствования методов проектирования адаптивно-ландшафтных систем земледелия.

Задачи исследования:

1. Выявить специфику почвенного покрова региона исследований и основные факторы, лимитирующие сельскохозяйственное производство.

2. Оценить потенциальные возможности распознавания почв региона по многоспектральным космическим снимкам на основе анализа спектральной отражательной способности (СОС) их поверхности.

3. Разработать автоматизированные подходы к картографированию почв и отдельных свойств почвенного покрова региона по оптическим и радарным спутниковым данным и цифровой модели рельефа и провести их апробацию на тестовом участке.

4. Проанализировать индикационные возможности использования косвенных признаков (неоднородностей развития посевов) для картографирования почвенных неоднородностей пахотных почв региона по спутниковым данным.

5. Оценить возможности создания системы дистанционного мониторинга почв региона на основе спутниковой информации.

Научная новизна:

1. Впервые на основе анализа СОС почвенных образцов разработаны параметры для спутниковой оценки свойств почвенного покрова Саратовского Поволжья, а также оценена роль неоднородности поверхности и ее вклад в СОС почвы.

2. Разработан новый подход, позволяющий выделять элементы структуры поверхности почвы на основе фотографий поверхности.

3. Впервые для территории исследования на основе автоматизированной обработки спутниковой информации и цифровой модели рельефа (ЦМР) построены цифровые почвенные карты.

4. Разработан оригинальный подход, позволяющий осуществлять автоматизированное картографирование свойств, поверхностной каменистости почвенного покрова и почвообразующих пород.

5. Проведена оценка возможностей использования радарной информации для картографирования как почвенного покрова Саратовского Поволжья в целом, так и его отдельных характеристик.

6. Впервые на основе концепции почвенной линии проведена оценка контрастности почвенного покрова пахотных почв (на примере ключевого участка в Саратовском Поволжье).

7. Впервые оценены возможности использования неоднородностей развития посевов для картографирования почвенных неоднородностей Саратовского Поволжья по спутниковым данным.

На защиту выносятся:

1. Подходы к автоматизированному картографированию почвенного покрова, включающие: 1) классификацию с обучением цветовых композитов тестовых полей для выделения однородных по спектральным характеристикам почвенных выделов; 2) создание карты классов уклонов по ЦМР; 3) наложение результатов классификации цветных композитов на карту классы уклонов и интерпретацию полученных сегментов с учетом данных полевого обследования.

2. Подходы к автоматизированному картографированию свойств почвенного покрова и поверхностной каменистости по спутниковым данным, включающие: 1) разработку параметров спутниковой оценки свойств почвенного покрова на

основе анализа спектральной отражательной способности почвенных образцов и фотографий поверхности почв; 2) разработку регрессионных моделей, достоверно описывающих связь между анализируемыми свойствами почв тестовых полей и параметрами оценки СОС почвенного покрова, рассчитанными по оптическим и радарным спутниковым данным; 3) построение цифровых карт свойств почвенного покрова по разработанным регрессионным моделям и оценка их информативности.

3. Подходы к оценке контрастности почвенного покрова по спутниковым данным, включающие: 1) выделение пикселей открытой поверхности пахотных почв; 2) расчет параметров почвенной линии; 3) оценку неоднородности почвенного покрова; 4) получение карты почвенных линий пахотных земель;

4. Подходы к оценке неоднородностей почвенного покрова по неоднородностям развития посевов, включающие: 1) выделение однородных почвенных выделов по спутниковым данным; 2) анализ кривых >ЮУ1 за временной период с 2001 по 2010 гг.; 3) анализ развития посевов на разных почвенных выделах в пределах одного поля и одного сезона 4) оценку устойчивости разницы в развитии посевов на разных почвенных выделах в разных сезонах; 5) оценку устойчивости разницы в развитии посевов на однотипных почвенных выделах разных полей.

5. Цифровые почвенные карты тестовых полей, полученные по оптическим и радарным спутниковым данным и ЦМР.

6. Карты содержания гумуса, содержания частиц размером 1,0-0,25 мм и 0,05-0,01 мм, карта каменистости и карта почвообразующих пород тестового участка, полученные по оптическим и радарным спутниковым данным.

7. Карта почвенных линий пахотных земель региона исследований, полученная на основе концепции почвенной линии.

Практическая значимость. Разработанные подходы могут использоваться для

оперативного принятия производственных решений на основе

8

автоматизированного анализа спутниковой информации (проектирование AJIC3, прогнозирование урожайности), для организации многолетнего попиксельного мониторинга цвета поверхности пахотных почв и оценки динамичности свойств их поверхности.

Кроме того результаты исследования могут быть использованы для усовершенствования методик инвентаризации почв, а также в курсах «Картографирование почв» университетов географической и сельскохозяйственной специализаций.

Апробация. Основные положения работы доложены на VIII и IX конференциях молодых ученых «Фундаментальные и прикладные космические исследования» (2011, 2012), на конференции «Presenting academic achievements to the world» (Саратов, 2012), на VI съезде Докучаевского общества почвоведов (Петрозаводск, 2012), а также на заседаниях кафедры почвоведения, геологии и ландшафтоведения РГАУ-МСХА имени К. А. Тимирязева.

Публикации. По результатам исследования опубликовано 9 печатных работ, в том числе 2 статьи в журналах, включенных в список ВАК.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, выводов, списка литературы и приложения; изложена на 237 страницах; содержит 87 рисунков и 47 таблиц. Список литературы включает 154 наименования, в том числе 97 иностранной. Приложение состоит из 9 страниц, включает 4 таблицы и 5 рисунков.

Автор выражает глубокую признательность своему научному руководителю

д.с.-х.н. И.Ю. Савину за интересную и актуальную тематику диссертационной

работы и всестороннюю поддержку в ходе ее выполнения; академику В.И.

Кирюшину за ценные советы и замечания, а также за предоставленную

возможность выполнения научных исследований в хозяйстве Саратовской

области; Р.А. Шумову за помощь в разработке метода оценки структуры

открытой поверхности пахотных почв; коллективу кафедры почвоведения

9

геологии и ландшафтоведения РГАУ-МСХА имени К.А. Тимирязева за постоянный интерес и помощь в работе; своей семье и друзьям за моральную поддержку и помощь.

ГЛАВА 1 ИСПОЛЬЗОВАНИЕ СПУТНИКОВЫХ ДАННЫХ ДЛЯ КАРТОГРАФИРОВАНИЯ ПОЧВЕННОГО ПОКРОВА (ЛИТЕРАТУРНЫЙ

ОБЗОР)

1.1 Составление традиционных почвенных карт и карт СПП

Изучению и картированию почвенного покрова на основе спутниковой информации посвящено большое количество работ отечественных ученых (Андроников, 1979; Зонн 1979, 1980; Кузьмин 1988; Савин 1990; Королюк, Щербенко 1994, 2003; Симакова, Савин, 1998; Сорокина, Козлов 2009). Авторы подчеркивают, что применение космических методов исследования в почвоведении обосновано необходимостью картирования почвенного покрова с максимальной степенью достоверности и достаточной оперативностью на основании методов, наиболее полно раскрывающих особенности почвообразования во взаимосвязи с климатом, геологическим строением, рельефом, почвообразующими породами и хозяйственной деятельностью человека.

Кроме того, отмечается высокая экономичность применения спутниковой информации по сравнению с наземными и аэро исследованиями, которая основывается, главным образом, на высокой обзорности получаемых данных, их высокой детальности, а также возможности получения информации в любой заданный момент времени на любую территорию (Лаврова, 1983).

Основным преимуществом спутниковых данных для целей тематического картографирования, по мнению В.И. Кравцовой (1977) является их интеграция, дающая возможность решения многих задач. В.В. Виноградов и К.Я. Кондратьев (1971) считают, что такая интеграция (пространственная, временная, факторная, территориальная, динамичная) позволяет получить принципиально новую информацию о макрозаконах развития природных явлений.

В качестве важного преимущества космических данных также указывается

естественная генерализация информации, происходящая закономерно, независимо

11

от желания человека, и соответственно, обеспечивающая возможность получить более объективную нагрузку почвенной карты (Андроников и др., 1990).

Исследованиями Ю.Г. Кельнер и Г.Н. Романкевич (1979) установлено сокращение объема работ при создании тематических карт (картографировании, редактировании, согласовании отдельных карт серии). По их данным, использование спутниковой информации как основы при картографировании ускоряет выполнение картосоставительных работ не менее чем на 30 %.

В самом начале привлечения спутниковой информации для создания карт С1111, космические снимки предоставили необходимые тогда возможности средне- и мелкомасштабного обзорного почвенного картографирования. Кроме того, уже тогда обращалось внимание на важную роль космических снимков для экспертно-прогнозного картирования труднодоступных территорий (Андроников и др., 1990).

Первоначально информацию о почвенном покрове по спутниковым данным получали визуально-инструментальными методами. При использовании данных методов дешифрирование космических снимков основывается на интерпретации пространственной смены рисунка и тона изображения как показателей изменения почвенного покрова. Соотнесение определенного рисунка и тона изображения с почвенной единицей осуществляется с учетом ключевых полевых исследований. Результатом таких исследований, как правило, являются индикационные таблицы, в которых для каждого рисунка и тона изображения устанавливаются индицируемые ими свойства и явления (рельеф, растительность, почвенные характеристики). На основании таких индикационных таблиц затем создаются почвенные карты исследуемой территории (Андроников и др., 1990; Королюк, Беленева, 1990; Молчанов, 1990).

Необходимо отметить, что в рамках инструментально-визуального метода дешифрирования спутниковой информации выделяют четыре подхода (Савин, Симакова, 2012). Первый подход предполагает дешифрирование снимков одного

канала с наиболее оптимальным изображением, максимально удовлетворяющим целям исследований.

При втором подходе изображение анализируется последовательно по каналам. Так, например, Кузьмин В.А. (1990) отмечает, что в инфракрасной зоне лучше дешифрируется макрорельеф, а в красной зоне спектра лучше прослеживаются границы между лесными и нелесными участками.

Третий подход заключается в сопоставлении различных каналов для выявления спектрального образа исследуемых объектов и его использования в дальнейшем дешифрировании. Однако в ряде работ ученых того времени уже отмечается преимущество четвертого подхода, предполагающего совместного использования различных каналов съемки (при дешифрировании цветных синтезированных снимков), что позволяет улучшить дешифрируемость объектов и получить больше информации, чем при поканальном дешифрировании (Андроников и др., 1990; Попов и др., 1990; Таджиев и др., 1990).

Для визуальной интерпретации данных аэро и космических съемок в 70-е годы прошлого века была разработана теория признаков дешифрирования почв (Андроников, 1958; Афанасьева, 1965; Толчельников, 1966). Было показано, что дешифрирование почв может быть осуществлено как по прямым (по цвету открытой поверхности почв), так и по косвенным признакам (по характеру изображения растительности, рельефа, ландшафтной специфике). При этом указывалось, что наибольшую часть информации для распознавания почв удается получать по косвенным признакам, так как поверхность почв редко бывает открыта для непосредственного наблюдения, «а рассмотрение поверхности почв недостаточно для определения ее вида и разновидности даже при наземных исследованиях» (стр. 1341, Симакова, Савин, 1998).

Необходимо также обратить внимание на то, что в основу картографирования

почв по спутниковым данным легли принципы и признаки дешифрирования,

разработанные при использовании аэрометодов. При этом возросла

необходимость уделять больше внимания анализу экологических условий

13

исследуемых ландшафтов (Савин, Симакова, 2012). Кроме того в связи с появлением многозональных снимков к признакам дешифрирования добавился спектральный образ объекта, а такой признак, как рисунок изображения, стал иметь еще большее значение.

В 60-х г. прошлого века, когда были предприняты первые попытки количественного анализа тоновых неоднородностей снимка с помощью полутоновых денситометров, началось развитие автоматизированных методов анализа спутниковых данных (Янутш, Афанасьев, 1967).

С 70-х годов для анализа спектральных неоднородностей спутниковых данных в целях дешифрирования почв начали использовать компьютеры, которые позволяли осуществлять уже анализ всего изображения в целом.

Важным этапом в развитии автоматизированных методов дешифрирования почв стала разработка Почвенным институтом имени В.В. Докучаева основ «интерактивного» метода дешифрирования и картографирования почв (Андроников, 1979; Козловский и др., 1975, 1980).

Быстрое развитие компьютерных технологий обусловило появление во второй половине 80-х годов специальной компьютерной техники, позволяющей анализировать спутниковые данные («Периколор» (Франция), «КТС-Диск» (ГДР), «СВИТ» (Болгария-СССР)). С помощью таких компьютерных комплексов были получены первые данные по автоматизированному дешифрированию отдельных свойств почв (Васильев, Полуаршинова, 1984; Крупенио, 1985), динамичности почвенного покрова (Виноградов, 1984), по автоматизированному картографированию почв (Щербенко, 1983; Аэрокосмические методы, 1990). Подобные исследования послужили основой для разработки методических подходов автоматизированного дешифрирования почв.

С развитием возможностей автоматизированного анализа спутниковой

информации, цифровых методов ее обработки и возникновением

геоинформационных технологий связано появление особого направления

цифровой картографии почв (digital soil mapping), которая оформилась как

14

самостоятельная дисциплина в 2005 г. При этом спутниковая информация наряду с ГИС-технологиями и ЦМР является важным элементом цифровой почвенной карты (ЦПК).

Зарубежными учеными в рамках цифровой картографии почв для предсказания почвенных свойств и классов в настоящее время широко используются факторные почвенно-ландшафтные модели, корни которых находятся в работах Н. Jenny и В.В. Докучаева:СЬ(ЖРТ (Jenny, 1941): S = f (cl, о, г, р, t,...), где S - почва, cl - климат, о - организм, растительность, г -рельеф, р - почвообразующая порода, t - время, и SCORPAN (McBartney и др., 2003): S = f (s, с, о, г, р, а, п) где S - моделируемый класс почвы или ее свойство, s - свойство или класс почвы в конкретной точке, с - климат, а - возраст или временной фактор, п - пространственное расположение. Данные модели формируют концептуальную основу для соотнесения параметров окружающей среды с почвенными свойствами, что формализовано в виде моделей Согласно этим моделям почва может рассматриваться как фактор, так как может быть предсказана на основе своих свойств, или почвенные свойства могут быть выведены из класса почвы или других свойств.

Проведя всесторонний обзор, A.B. McBartney и др. (2003) обнаружили, что ключевыми факторами окружающей среды для определения почвенных свойств или классов являются рельеф (80 % исследований), за которым следует класс почвы (35 %), далее растительность и почвообразующие породы (оба по 25 %), пространственное расположение (20 %) и климат (5 %). В отличие от этих данных, на основании обзора 90 статьей о цифровом почвенном картографировании S. Grunwald (2009) сделал вывод, что вклад факторов в прогнозирование почвенных свойств и классов следующий: класс почвы - 51 %, климат - 6%, растительность - 34 %, рельеф - 24 % и почвообразующие породы -6%.

Предсказание классов и свойств почвы в цифровом картографировании почв основывается на поиске взаимосвязей между почвой и предикторными переменными, включающими в себя почвообразующие факторы и процессы. При этом спутниковые данные используются для получения ряда переменных, необходимых для моделирования исследуемых свойств почв: NDVI, карта видов земель и карта видов использования земель (Mendoga-Santos et al., 2008). Что касается методов моделирования, на настоящий момент в основном используются метод нечеткой логики (Burrough et al., 1992; McBratney and Odeh, 1997), статистические подходы (De Gruijter et al., 1997) и, в меньшей степени, искусственные нейронные сети (Zhu, 2000).

Согласно обзору, проведенному S. Grunwald (2009), наиболее популярными методами определения почвенных характеристик являются регрессии (41,1 %), за которыми следуют методы классификации (32,2%), методы, основанные на построении древ (13,3 %). Также следует отметить, что интеллектуальные цифровые почвенные модели, которые основываются на экспертных знаниях, используются редко по сравнению со стохастическими и детерминистическими методами.

В. Minasny и А.В. McBratney (2007) предположили, что цифровые методы прогнозирования свойств почвы, такие как регрессионный кригинг, могут быть математически необъективными для практического применения, однако, они оказываются достаточно надежными для определения свойств почв в различных регионах. Оба автора приходят к выводу, что улучшение в прогнозировании свойств почвы основывается не столько на более сложных количественных методах, сколько на сборе более полезной и более качественной информации.

Важным этапом, безусловно, является оценка качества моделей прогнозирования классов и свойств почв. S. Grunwald (2009) обнаружил, что из 90 проанализированных исследований, в 21,1 % использовали кросс-валидацию,

46,7 % использовали валидацию и 36,5 % не применяли ни кросс-валидацию, ни валидацию, ни других тестов для оценки качества разработанных моделей.

Следует отметить, что в нашей стране направление цифровой картографии еще только развивается.

Первыми цифровыми методами обработки спутниковых данных для картографирования структуры почвенного покрова в рамках отечественного почвоведения, которые широко используются и сегодня, стали кластерный анализ и метод главных компонент (Васильев, 1984; Васильев и др., 1986; Щербенко, 1989). При этом учеными отмечалось, что полученные по космическим снимкам кластерные карты содержат информацию о структуре почвенного покрова, отличную от почвенных карт, полученных традиционными методами. На кластерных картах почвенный покров разделен по тем признакам, которые отражаются на космических снимках (содержание гумуса, солей, степень участия в СПП эродированных почв) (Щербенко, 1989).

На современном этапе развития науки широко используются методы, при которых спутниковая информация выполняет роль подложки для визуального дешифрирования почв по экрану компьютера в ГИС системах (Рухович и др., 2012).

Однако уже есть работы по пространственному моделированию параметров почвенного покрова (Сорокина, Козлов, 2009; Пузаченко, 2012). При этом спутниковые данные в виде набора спектральных индексов используются для оценки состояния растительности и особенностей хозяйственной деятельности как почвообразующих факторов. В качестве определяющей информации используется рельеф (в частности, его морфометрические характеристики).

Параметры рельефа и спектральные индексы включаются в пошаговый дискриминантный анализ. Результаты данного анализа позволяют сделать вывод о составе и характере почвенных комбинаций, а также агроэкологических групп ПК. Кроме того, картографические результаты сопровождаются картосхемами вероятности прогноза (Сорокина, Козлов, 2009). Для выявления интегральных

17

факторов, определяющих пространственную структуру разных компонентов ландшафта, отечественными учеными чаще всего используется метод главных компонент или факторный анализ (Кренке, Пузаченко 2008).

Отдельно можно выделить направление, связанное с разработкой методов полностью автоматизированного дешифрирования почвенного покрова (Конюшкова, 2010; Кирьянова, Савин, 2012).

Несмотря на то, что в рамках цифровой почвенной картографии существуют работы по составлению «традиционных» почвенных карт (2Ьи ег а1., 2004), рядом исследователей отмечается недостаточная разработанность вопроса

картографирования структур почвенного покрова в рамках ЦПК (Сорокина, Козлов, 2009). При этом подчеркивается значимость карт СПП и критикуется «парциальный» поход составления карт отдельных показателей, которые не отражают особенностей почвенного покрова (Горячкин, 2006).

1.2 Картографирование отдельных свойств почв (гранулометрический состав, содержание гумуса, каменистость)

Согласно B.JI. Андроникову (1990), на космических снимках через изменение тона (цвета) и рисунка отображаются различные свойства почв (засоление, солонцеватость, увлажнение, эродированность и т.д.). Соответственно, в первую очередь, автоматизированному картографированию будут поддаваться именно конкретные свойства почвенного покрова.

Автоматизированное картографирование отдельных свойств почв по спутниковым данным может осуществляться как на основе величин спектральной отражательной способности, так и на основе спектральных индексов (гранулометрический состав, минералогические особенности).

А.Б. Ачасов и Д.И. Бидолах (2008) для определения содержания гумуса использовали спутниковую информацию («Ресурс-Ф1»), а также данные наземной цифровой фотосъемки. В ходе проведенного исследования ими разработаны регрессионные модели, основанные на зависимости между спектральными характеристиками почвенного покрова в красном диапазоне, который был определен, как наиболее информативный для оподзоленных почв, и содержанием гумуса.

В работе А.Г. Терехова (2006) показано, что для определения содержания гумуса в поверхностном слое (1-3 см) почв, не содержащих значительных количеств окрашивающих минеральных компонентов, может использоваться концепция почвенной линии (Kauth, Thomas, 1976). Полученное в результате общее уравнение почвенной линии для пахотных земель Северного Казахстана справедливо только для полей, поверхность почв которых полностью открыта от растительности во время спутниковой съемки.

Следует отметить, что большинство исследований зарубежных ученых в настоящий момент посвящены картографированию не содержания гумуса, а содержания органического углерода.

Содержание органического углерода в верхнем (0-10 см) слое почвы может быть смоделировано на основе педотрансферных функции и модели SCORPAN (Medonga-Santos et al., 2010). При этом спутниковая информация (в частности комбинация 7, 4 и 2 каналов Landsat ЕТМ+, а также NDVI) используется в качестве предикторной переменной в пошаговом множественном регрессионном анализе.

Список литературы диссертационного исследования кандидат наук Прудникова, Елена Юрьевна, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Андроников В. Л. Методика дешифрирования почвенного покрова территории лесостепи по аэрофотоматериалам: Автореф. дис. канд. геол.-мин. наук. М., 1958. 17с.

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

3. Андроников В.Л., Афанасьева Т.В., Симакова М.С. Дешифрирование по аэро - и космическим снимкам почвенного покрова основных природных зон страны для картографирования // Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. С. 22-34.

4. Андроников В. Л., Шишов Л.Л., Терешенков О.М., Ананко Т.В., Васильевская В.Д., Дворников O.A., Малинин О.И., Михайлова Р.П., Михайлов И.С., Наумов Е.М.. Руднева E.H., Соколов И.А., Тонконогов В.Д., Шапиро М.Б., Шубина И.Г. Составление листов государственной почвенной карты СССР с использованием космических снимков // Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. С. 8896.

5. Афанасьева Т.В. Использование аэрометодов при картировании почв. М.: Изд-воМГУ, 1965. 158 с.

6. Ачасов А. Б., Бидолах Д. И. Использование материалов космической и наземной цифровой фотосъемок для определения содержания гумуса в почвах // Почвоведение. 2008. №. 3. С. 280-286.

7. Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. 247 с.

8. Башкирев В. Д. Проектирование агротехнологий в степной зоне Саратовского Поволжья на основе ГИС агроэкологической оценки земель (на

примере СХП «Татищево» ЗАО «Русский гектар урожай»): дис. магистра. М., 2010. 121 с.

9. Белобров В.П. Об определении контрастности почв и почвенного покрова. В кн.: Структура почвенного покрова и методы ее изучения. М., 1973. С.89-95.

10. Васильев Л.Н., Мазиков В.М. Определение свойств пахотного горизонта по многозональным космическим снимкам // Исследование Земли из космоса. 1986. №5. С. 67-77.

11. Васильев, Л. Н., Полуаршинова А.Г. Методика дешифрирования почвенного покрова распаханных полей по спектральным яркостям, измеренным по космическим снимкам // Исследование Земли из космоса. 1984.-№ 1.-С. 51-57.

12. Виноградов В.В. Кондратьев К.Я. Космические методы землеведения. Л.: Гидрометеоиздат, 1971. 190 С.

13. Виноградов Б. В. Аэрокосмический мониторинг экосистем. М.: Наука, 1984. 320 с.

14. Горячкин C.B. Проблема приоритетов в современных исследованиях почвенного покрова: структурно-информационный подход или парциальный анализ // Современные естественные и антропогенные процессы в почвах и геосистемах. М.: Почв, ин-т им. В.В. Докучаева, 2006. С. 53-81.

15. География Саратовской области. Саратов: Саратовский государственный университет, 1993. 219 с.

16. Дворкин Б.А. Международный конкурс на лучший тематический проект по обработке и использованию радарных данных для решения задач в различных областях народного хозяйства// Геоматика. 2012. № 1. С. 12-17.

17. Зонн C.B. Проблемы географии и перспективы их решения аэрокосмическими методами // Аэрокосмические исследования Земли. М. : Наука, 1979. С.5-11.

18. Зонн C.B., Мазиков В.М., Горина M.А., Лотов P.A. Перспективы изучения почвенного покрова аэрокосмическими методами // Почвоведение. 1980. № 4. С. 37-54.

19. Карманов И.И. Изучение почв по спектральному составу отраженных излучений // Почвоведение. 1970. № 4. С. 34-47.

20. Кельнер Ю.Г., Романкевич Г.Н. Использование материалов космической съемки для создания и обновления общегеографических и тематических карт // Аэрокосмические исследования Земли. М.: Наука, 1979. С. 41-47 .

21. Кирьянова Е.Ю. Использование космических снимков высокого разрешения в интересах агроэкологической оценки земель и проектирования адаптивно-ландшафтных систем земледелия (АЛСЗ) на примере Екатерининского отделения ЗАО «Русский гектар-Урожай» Саратовской области // Сборник студенческих научных работ. М.: Изд-во РГАУ-МСХА имени К.А. Тимирязева, 2011. Вып. 16. С. 237-241.

22. Кирьянова Е.Ю., Савин И.Ю. Линия почв как индикатор неоднородностей почвенного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т.8. № 4. С.310-318.

23. Кирьянова Е.Ю., Савин И.Ю. О возможностях оценки контрастности почвенного покрова Саратовского Поволжья по спутниковым данным Landsat. . В сб.: Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почвенный ин-т им. В.В. Докучаева, 2012. С. 189-209.

24. Кирюшин В.И. Экологизация земледелия и технологическая политика. М.: МСХА, 2000. 473с.

25. Кирюшин В. Разработка и проектирование адаптивно-ландшафтных систем земледелия в различных природных с.-х. зонах // В: Известия ТСХА. Москва: МСХА. - 2002. - №. 10. - С. 36-53.

26. Кирюшин В.И., Буланова М.В., Слива И.В., Жуков Ю.П., Дубенок H.H., Васенев И.И. и др. Агроэкологическая оценка земель, проектирование адаптивно-ландшафтных систем земледелия и агротехнологий. Методическое руководство (Под редакцией В.И. Кирюшина и A.JI. Иванова). М.ФГНУ «Росаинформагротех». 2005. 784 с.

27. Козловский Ф.И., Королюк Т.В., Пантелеев В.П., Янковский В.А. Метод машинного анализа аэроснимков при почвенно-мелиоративной характеристике территорий // Почвенно-мелиоративные процессы в районах нового орошения. Науч. тр. Почв, ин-та им. В.В. Докучаева. М., 1975. С. 86-9

28. Козловский Ф.И., Королюк Т.В. Применение оптико-структурного машинного анализа при детальном почвенно-мелиоративном картографировании //Почвоведение. 1980. № 9. С. 145-159.

29. Конюшкова М.В. Картографирование почвенного покрова и засоленности почв солонцового комплекса на основе цифрового анализа космической съемки (на примере района Джаныбекского стационара). - Дисс. канд. с.-х. н. 2010. 300 с.

30. Королюк Т. В., Беленёва И. Ю. Использование материалов аэрофотосъемки при изучении почвенного покрова в сложных условиях почвообразования // Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. С. 134-140.

31. Королюк Т.В., Щербенко Е.В., Аль Мисбер Васим. Интерпретация структуры почвенного покрова по данным цифровой обработки многозональной информации // Почвоведение. 1994. № 2. С. 43-49.

32. Королюк Т.В., Щербенко Е.В. Распознавание почвенного покрова лесостепных ландшафтов по материалам разносезонной многозональной съемки // Почвоведение. 2003. № 3. С. 275-288.

33. Кравцова, В. И. Космическое картографирование. МГУ, 1977. 167 с.

34. Кравцова В.И. Космические методы исследования почв. М.: Аспект Пресс, 2005. 190 с.

35. Кренке А. Н., Пузаченко Ю. Г. Построение карты ландшафтного покрова на основе дистанционной информации // Экологическое планирование и управление. 2008. №. 2. С. 10-25.

36. Крупенио Н. Н. Радиолокационное картирование влажности открытых почв // Иссл. Земли из космоса. 1985. №. 1. С. 88-94.

37. Кузьмин В. А. Изучение и картографирование почвенного покрова Прибайкалья с использованием аэрокосмических снимков. // Дистанционные исследования Сибири. Новосибирск: Наука. Сиб. отд-ние, 1988. С.58-67.

38. Кузьмин В.А. Учет литолого-геоморфологической основы при изучении почвенного покрова по аэро - и космическим снимкам (1990) // Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. С.82-87.

39. Лаврова Н.П. Космическая фотосъемка: Учебное пособие. Недра, 1983. 288 с.

40. Молчанов Э. Н. Дешифрирование по аэро - и космическим фотоснимкам почвенного покрова Северного Кавказа // Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. С. 147153.

41. Методика составления крупномасштабных почвенных карт с применением материалов аэрофотосъемки. М. Изд-во АН СССР, 1962. 116 с.

42. Орлов Д.С. Спектральная отражательная способность почв и их компонентов. М.: Изд-во Моск. ун-та, 2001. 175 с.

43. Попов В.Г., Разаков A.M., Сектименко В.Е., Турсунов A.A. Использование материалов космической съемки при составлении мелкомасштабной карты

Узбекистана // Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. С. 116-122.

44. Проект адаптивно-ландшафтного земледелия и агротехнологий для первичного производственного предприятия «Екатериновское» ЗАО «Русский гектар» Екатериновского района Саратовской области. - М.: РГАУ-МСХА имени К.А. Тимирязева. 2009. 457 с.

45. Пузаченко, Ю. Г., Козлов, Д. Н., Сиунова, Е. В., Санковский, А. Г. Оценка запасов органического вещества в почвах мира: методика и результаты // Почвоведение. 2006. №. 12. С. 1427-1440.

46. Пузаченко, М. Ю., Пузаченко, Ю. Г., Козлов, Д. Н., Федяева, М. В. Картографирование мощности органогенного и гумусового горизонтов лесных почв и болот южнотаежного ландшафта (юго-запад Валдайской возвышенности) на основе трехмерной модели рельефа и дистанционной информации (Landsat-7) // Исследование Земли из космоса. 2006. №4. С. 70-7

47. Пузаченко М.Ю. Многомерный анализ почвенного покрова на основе полевой и дистанционной информации. В сб.: Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почвенный ин-т им. В.В. Докучаева, 2012. С. 252-269.

48. Рухович Д.И., Королева П.В., Вильчевская Е.В., Калинина Н.В. Цифровая тематическая картография как смена доступных первоисточников и способов их использования. В сб.: Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почвенный ин-т им. В.В. Докучаева, 2012. С. 58-86.

49. Савин И.Ю. Дешифрирование почвенного покрова лесостепи ЦентральноЧерноземного района по среднемасштабным космическим снимкам: Дисс. канд. геогр.н. М., 1990. 300с.

50. Савин И.Ю., Лупян Е.А., Барталев С.А. Оперативный спутниковый мониторинг состояния посевов сельскохозяйственных культур в России // Геоматика, 2011. № 2. С.69-76.

51. Савин И.Ю., Столбовой B.C. Спектрально-отражательная способность красноцветных почв Сирии // Почвоведение, 1997. № 4. С. 427-434.

52. Савин И. Ю., Симакова М. С. Спутниковые технологии для инвентаризации и мониторинга почв в России // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 5. С. 104-115.

53. Самсонова В.П., Мешалкина Ю.Л. Количественный метод сравнения почвенных карт и картограмм // Вестник Московского университета. Серия 17. Почвоведение. 2011. №3. С. 3-5

54. Система ведения агропромышленного производства Саратовской области. Саратов: Изд-во Детская литература. 1998. 321 с.

55. Сорокина Н.П., Козлов Д.Н. Опыт цифрового картографирования структуры почвенного покрова// Почвоведение. 2009. № 2. С. 198-210.

56. Симакова М.С. Картографирование почвенного покрова с использованием материалов аэро - и космической фотосъемки: Реф. дис. доктора с-х. наук. М., 1984. 43 с.

57. Симакова М.С., Савин И.Ю. Использование материалов аэро - и космической съемки в картографировании почв: пути развития, состояние, задачи //Почвоведение. №11. 1998. С.1339-1347.

58. Смеян Н.И., Лисица В.Д., Шалькевич Ф.Е., Сергеенко В.Т., Матусевич H.A. использование дистанционных методов в изучении почв Белоруссии. В сб.: Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. С. 109-116.

59. Таджиев У. Г., Ишмуратова А. Д., Мазко В. М. Результаты применения космических снимков при картографировании почв Памиро-Алтая //

216

Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. М.: Наука, 1990. С. 123-127.

60. Терехов А. Г., Кауазов А. М. Методика оценки содержания гумуса в пахотных землях Северного Казахстана на основе спутниковых данных // Четвёртая всероссийская открытая конференция «Современные проблемы дистанционного зондирования Земли из космоса» Москва, ИКИ РАН. 2006. С. 1317.

61. Терехов А. Г. Сравнительный анализ информативности спутниковых данных EOS MODIS и RADARSAT-1 в задаче анализа землепользования Северного Казахстана // Современные проблемы дистанционного зондирования Земли из космоса. 2007. Т. 2. №. 4. С. 345-351.

62. Толчельников Ю.С. Дешифрирование по аэроснимкам почв Северного Казахстана. М., Л., Наука, 1966. 184с.

63. Федорин Ю. В. Общесоюзная инструкция по почвенным обследованиям и составлению крупномасштабных почвенных карт. М.: Колос, 1973. 48 с.

64. Фридланд В.М. Структура почвенного покрова. М.: Мысль, 1972. 423 с.

65. Щербенко Е.В. Опыт машинного дешифрирования и мелкомасштабного картографирования почвенного покрова по космическим снимкам // Современные методы исследования почв. М.: Изд-во Моск. ун-та, 1983. С. 126127.

66. Щербенко Е.В. Изучение микроструктуры почвенного покрова с использованием цифровой обработки // Аэрокосмические методы в почвоведении. Материалы совещания. М.,1989. С. 125-126.

67. Янутш Д. А., Афанасьев Н. Ф. Основные результаты микрофотометрических исследований аэрофотоизображений природных объектов // Аэросъемка и ее применение. Л.: Наука, 1967. С. 30-37.

68. Amen A., Blaszczynski J. Integrated Landscape Analysis // US Department of the Interior, Bureau of Land Management, National Science and Technology Center, Denver, CO. 2001. P. 2-20.

69. Apan, A., Kelly, R., Jensen, T., Butler, D., Strong, W., Basnet, B. Spectral discrimination and separability analysis of agricultural crops and soil attributes using ASTER imagery // 11th Australasian Remote Sensing and Photogrammetry Conference. 2002. P. 396-411.

70. Autret M., Bernard R., Vidal-Madjar D. Theoretical study of the sensitivity of the microwave backscattering coefficient to the soil surface parameters // Remote Sensing. 1989. V. 10. №. l.P. 171-179.

71. Baghdadi N., Gaultier S., King C. Retrieving surface roughness and soil moisture from synthetic aperture radar (SAR) data using neural networks // Canadian Journal of Remote Sensing. 2002. V. 28. №. 5. P. 701-711.

72. Baret, F. Guyot, G. Potentials and limits of vegetation indices for LAI and APAR assessment//Remote Sens. Environ. 1991. V. 35. P. 161-173.

73. Barnes, E.M., Baker, M.G. Multispectral data for soil mapping: possibilities and limitations// ASAE Paper. 1999. № 99. P.l 138-1153.

74. Beaudoin A., Le Toan T., Gwyn Q. H. J. SAR observations and modeling of the C-band backscatter variability due to multiscale geometry and soil moisture // Geoscience and Remote Sensing, IEEE Transactions on. 1990. V. 28. №. 5. P. 886-895.

75. Belinaso, H., Dematte, J.A.M., Remerio, S.A. Soil spectral library and its use in soil classification // R.Bras. Ci. Solo. 2010. № 34. P. 861-870.

76. Ben-Dor, E., Patkin, K., Banin, A., & Karnieli, A. Mapping of several soil properties using DAIS-7915 hyperspectral scanner data-a case study over clayey soils in Israel // International Journal of Remote Sensing. 2002. V. 23. № 6. P. 1043-1062.

77. Bertuzzi P. et al. The use of a microwave backscatter model for retrieving soil moisture over bare soil // International Journal of Remote Sensing. 1992. V. 13. №. 14. P. 2653-2668.

78. Boisvert J. B., Gwyn Q . H. J., Brisco B., Major D. J., Brownr J. Evaluation of soil moisture estimation techniques and microwaves penetration depth for radar applications // Canadian Journal of Remote Sensing. 1995. V. 21 P. 110-123.

79. Boruvka L., Penizek V. A test of an artificial neural network allocation procedure using the Czech soil survey of agricultural land data // Developments in Soil Science. 2006. V. 31. P. 415-424.

80. Bowers, S.A., Hanks, R.J. Reflectance of radiant energy from soils // Soil Sci.1965. V.100.P. 130-138.

81. Breunig F. M. The combined use of reflectance, emissivity and elevation Aster/Terra data for tropical soil studies // Revista Brasileira de Ciencia do Solo. 2009. V. 33. №. 6. P. 1785-1794.

82. Brisco B. et al. Tillage effects on the radar backscattering coefficient of grain stubble fields // Remote Sensing. 1991. V. 12. №. 11. P. 2283-2298.

83. Brown, D.J., Shepherd, K.D., Walsh, M.G., Mays, M.D., Reinsch, T. G. Global soil characterization with VNIR diffuse reflectance spectroscopy // Geoderma. 2006. № 132. P. 273-290.

84. Burrough, P.A., MacMillan, R.A., Van Deursen, W. Fuzzy classification methods for determining land suitability from soil-profile observation and topography // Soil Science. 1992. V. 43. № 2. P. 193-210.

85. Cipra, J. E., Baumgardner, M. F., Stoner, E. R., MacDonald, R. B. Measuring radiance characteristics of soil with a field spectroradiometer //Soil Science Society of America Journal. 1971. V. 35. № 6. P. 1014-1017.

86. Chabrillat, S., Goetz, A. F., Krosley, L., Olsen, H. W. Use of hyperspectral images in the identification and mapping of expansive clay soils and the role of spatial resolution // Remote Sensing of Environment. 2002. V. 82. № 2. P. 431-445.

87. Champion I. Simple modelling of radar backscattering coefficient over a bare soil: variation with incidence angle, frequency and polarization // International Journal of Remote Sensing. 1996. V. 17. №. 4. P. 783-800.

88. Chang C. W., Laird D. A. Near-infrared reflectance spectroscopic analysis of soil C and N // Soil Science. 2002. V. 167. №. 2. P. 110-116.

89. Cole N. J., Boettinger J. L. Pedogenic understanding raster classification Methodology for mapping soils, powder river Basin, Wyoming, USA. Di dalam: Lagacherie P, McBratney AB, Voltz M, editor // Digital Soil Mapping: An Introductory Perspective. 2007. P. 377-389.

90. Coleman, T.L., Agbu, P.A.Montgomery O.L. Spectral differentiation on surface soils and soil properties: Is it possible from space platforms? // Soil Sci. 1993. V.155. № 4. P. 283-293.

91. Condit H. R. The spectral reflectance of American soils // Photogrammetric Engineering. 1970. № 34. P. 955-966.

92. Condit H. R. Application of characteristic vector analysis to the spectral energy distribution of daylight and the spectral reflectance of American soils // Applied optics. 1972. V. 11. №. l.P. 74-86.

93. Daughtry, C.S.T. Bausch, W.C. Remote- and Ground-Based Sensor Techniques to Map Soil Properties // Photogramm. Eng. Remote Sens. 2003. V. 69. № 6. P. 619630.

94. De Gruijter, J.J., Walvoort, D.J.J., Van Gaans, P.F.M. Continuous soil maps - a fuzzy set approach to bridge the gap between aggregation levels of process and distribution models // Geoderma. 1997. V.77. №. 2-4. P.169-195.

95. Dobson M. C., Ulaby F. T. Preliminaly Evaluation of the SIR-B Response to Soil Moisture, Surface Roughness, and Crop Canopy Cover // Geoscience and Remote Sensing, IEEE Transactions on. 1986. №. 4. P. 517-526.

96. Dubois P. C., Van Zyl J., Engman T. Measuring soil moisture with imaging radars // Geoscience and Remote Sensing, IEEE Transactions on. 1995. V. 33. №. 4. P. 915-926.

97. Farifteh J., Farshad A., George R. J. Assessing salt-affected soils using remote sensing, solute modelling, and geophysics // Geoderma. 2006. V. 130. №. 3. P. 191-206.

98. Fox, G.A., Sabbagh G.J. Estimation of soil organic matter from red and near-infrared remotely sensed data using a soil line Euclidian distance technique // Soil Sci. Soc. Am. J. 2002. № 66. P. 1922-1928.

99. Fung A. K., Shah M. R., Tjuatja S. Numerical simulation of scattering from three-dimensional randomly rough surfaces // Geoscience and Remote Sensing, IEEE Transactions on. 1994. V. 32. №. 5. P. 986-994.

100. Gomez C., Viscarra Rossel R. A., McBratney A. B. Soil organic carbon prediction by hyperspectral remote sensing and field vis-NIR spectroscopy: An Australian case study // Geoderma. 2008. V. 146. №. 3. P. 403-411.

101. Gonzalez, J. P., Jarvis, A., Cook, S. E., Oberthur, T., Rincon-Romero, M., Bagnell, J. A., Dias, M. B. Digital Soil Mapping of Soil Properties in Honduras Using Readily Available Biophysical Datasets and Gaussian Processes // Digital Soil Mapping with Limited Data. Springer Netherlands, 2008. P. 367-380.

102. Greve, M. H., Greve, M. B., Kheir, R. B., Bocher, P. K., Larsen, R., McCloy, K. (2010). Comparing Decision Tree Modeling and Indicator Kriging for Mapping the Extent of Organic Soils in Denmark // Digital Soil Mapping. Springer Netherlands, 2010. P. 267-280.

103. Grissa, M., Abdelfattah, R., Mercier, G., Zribi, M., Chahbi, A., Lili-Chabaane, Z. Empirical model for soil salinity mapping from SAR data // Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International. IEEE, 2011. P. 1099-1102.

104. Grunwald, S. 2009. Multi-criteria characterization of recent digital soil mapping and modeling approaches // Geoderma. 2009. № 152. P. 195-207.

105. Hahn, C., Gloaguen, R. Estimation of soil types by non linear analysis of remote sensing data // Nonlinear Processes in Geophysics.2008. V. 15 № 1. P. 115.

106. Jenny H. Factors of soil formation. New York, London: McGraw-Hill Book Company, 1941. 281 p.

107. Jordan, C. F. Derivation of leaf area index from quality of light on the forest floor//Ecology. 1969. V.50. P. 663-666.

108. Kauth R. J., Thomas G. S. The tasseled cap - a graphic description of the spectral-temporal development of agricultural crops as seen by Landsat // LARS Symposia. 1976. P. 159.

109. King, C., Le Bissonnais, Y., Taconet, O., Benkhadra, H., Tutrel, R., Rakotoarivony, L., Benallegue, M., and Vidal-Madjar, D. Soil roughness assessment at a watershed scale using active microwave remote sensing: interest for assessing risk of runoff and erosion // Proceedings of the Symposium CNES-IEEE, Toulouse, France, 10-13 October 1995.

110. Leconte, R., Brissette, F., Galarneau, M., Rousselle, J. (2004). Mapping near-surface soil moisture with RADARSAT-1 synthetic aperture radar data // Water Resources Research. 2004. V. 4. № 1. P. 1-13.

111. Lesaignoux, A., Fabre, S., Briotter, X., Olioso, A. Influence of surface soil moisture on spectral reflectance of bare soil in the 0.4-15 pM domain // Geosciences and Remote Sensing Letters. 2011. V. 8. № 1. P. 143-147.

112. Mahoney, S., James, P., Mauger, A., & Heinson, G. Geologic and regolith mapping for mineral exploration in the Gawler Craton of South Australia using

222

hyperion and other remote sensing techniques //Geoscience and Remote Sensing Symposium. IGARSS'03. Proceedings. 2003 IEEE International. 2003. V. 3. P. 17791781.

113. Marchetti, A., Piccini, C., Francaviglia, R., Santucci, S., Chiuchiarelli, I. (2010). Estimating Soil Organic Matter Content by Regression Kriging // Digital Soil Mapping. Springer Netherlands, 2010. P. 241-254.

114. Mendon9a-Santos, M. L., Dart, R. O., Santos, H. G., Coelho, M. R., Berbara, R. L. L., Lumbreras, J. F. Digital soil mapping of topsoil organic carbon content of Rio de Janeiro State, Brazil // Digital Soil Mapping. Springer Netherlands, 2010. P. 255-266.

115. Mendonc,a-Santos M.L., Santos H.G., Dart and R.O., Pares J.G., Digital Soil Mapping with Limited Data. Springer Science+Business Media B.V, 2008. P. 381-396.

116. Metternicht G. I., Zinck J. A. Remote sensing of soil salinity: potentials and constraints // Remote sensing of Environment. 2003. V. 85. №. 1. P. 1-20.

117. Metternicht, G., Zinck. J. A. Remote Sensing of soil salinization. Impact on land management. New York: CRC Press. 2009. 307 p.

118. Michelson D. ERS-I SAR Backscattering coefficients from bare fields with different tillage row directions // International Journal of Remote Sensing. 1994. № 15. P. 2679-2685.

119. McBratney A.B., Mendon9a-Santos, M.L., Minasny, B. On digital soil mapping // Geoderma. 2003. № 117. P. 3-52.

120. McBratney, A.B., Odeh, I.O.A. Application of fuzzy sets in soil science: fuzzy logic, fuzzy measurements and fuzzy decisions. Geoderma. 1997. № 77. P. 85-113.

121. McCarty, G. W., Reeves, J. B., Reeves, V. B., Follett, R. F., Kimble, J. M. Mid-infrared and near-infrared diffuse reflectance spectroscopy for soil carbon measurement // Soil Science Society of America Journal. 2002. V.66. № 2. P. 640-646.

122. Minasny, B., McBratney, A.B. Spatial prediction of soil properties using EBLUP with the Matern covariance function // Geoderma. 2007. № 140. P. 324-336.

123. Minasny B., McBratney A. B., Salvador-Blanes S. Quantitative models for pedogenesis—A review // Geoderma. 2008. V. 144. №. 1. P. 140-157.

124. Mulder, V. L., De Bruin, S., Schaepman, M. E., Mayr, T. R. The use of remote sensing in soil and terrain mapping—A review // Geoderma. 2011. V. 162. - №. LP. 119.

125. Nanni M. R., Dematte J. A. M. Spectral reflectance methodology in comparison to traditional soil analysis // Soil Science Society of America Journal. 2006. V. 70. №. 2. P. 393-407.

126. Nield S. J., Boettinger J. L., Ramsey R. D. Digitally mapping gypsic and natric soil areas using Landsat ETM data / / Soil Science Society of America Journal. 2007. V. 71. №. LP. 245-252.

127. Ninomiya Y., Fu B., Cudahy T. J. Detecting lithology with Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) multispectral thermal infrared "radiance-at-sensor" data // Remote Sensing of Environment. 2005. V. 99. №. 1. P. 127-139.

128. Oh Y., Sarabandi K., Ulaby F. T. An empirical model and an inversion technique for radar scattering from bare soil surfaces // Geoscience and Remote Sensing, IEEE Transactions on. 1992. V. 30. №. 2. P. 370-381

129. Ouchi K. Recent Trend and Advance of Synthetic Aperture Radar with Selected Topics // Remote Sensing. 2013. V. 5. №. 2. P. 716-807.

130. Pons I., Bruniquel J., Thuy Le Toan Study on ERS data for crop monitoring in the cotton production area on Senegal. 2010. (http://earth.esa.int/workshops/ers97/papers/pons/)

131. Rahman M. M. et al. Mapping surface roughness and soil moisture using multi-angle radar imagery without ancillary data // Remote Sensing of Environment. - 2008. V. 112. №.2. P. 391-402.

132. Rakotoarivony L. et al. Radar backscattering over agricultural bare soils // Journal of Electromagnetic Waves and Applications. 1996. V. 10. №. 2. P. 187-209.

133. Remond A., Beaudoin A., King C. SAR imagery to estimate roughness parameters when modelling runoff risk // International Journal of Remote Sensing. 1999. V. 20. №. 13. P. 2613-2625.

134. Richardson, A.J., Wiegand, C.L. Distinguishing vegetation from soil background information // Photogramm. Eng. Remote Sens. 1977. № 43. P. 1541-1552.

135. Rouse, J. W., Haas, R. H., Schell, J. A., Deering, D. W. Monitoring vegetation systems in the great plains with ERTS // Third ERTS Symposium, NASA SP-351.1973. V. 1. P.309-317.

136. Salisbury J. W., D'Aria D. M. Emissivity of terrestrial materials in the 8-14 pm atmospheric window // Remote Sensing of Environment. 1992. V. 42. №. 2. P. 83-106.

137. Saunders, A.M. and Boettinger, J.L. 2007. Incorporating classification trees into a pedogenic understanding raster classification methodology, Green River Basin, Wyoming, USA. In: P. Lagacherie, A.B.McBratney, and M. Voltz (eds.) // Digital SoilMapping: An introductory perspective. Developments in Soil Science. Elsevier, Amsterdam, 2007. V. 31. P. 389-399.

138. Sinha, A.K. Spectral reflectance characteristics of soil and its correlation with soil properties and surface conditions // Journal of the Indian Society of Remote Sensing. 1986. V.14. № l.P. 1-9.

139. Singh D., Kathpalia A. An efficient modeling with GA approach to retrieve soil texture, moisture and roughness from ERS-2 SAR data // Progress In Electromagnetics Research. 2007. V. 77. P. 121-136.

140. Stoner E. R., Baumgardner M. F. Characteristic variations in reflectance of surface soils // Soil Science Society of America Journal. 1981. V. 45. №. 6. P. 11611165.

141. Thiam, A.K. Geographic Information Systems and Remote Sensing Methods for Assessing and Monitoring Land Degradation in the Sahel: The Case of Southern Mauritania. Doctoral Dissertation, Clark University, Worcester Massachusetts. 1997.

142. Thomasson, J.A., Sui, R., Cox, M.S., Al-Rajehy, A. Soil reflectance sensing for determining soil properties in precision agriculture // Trans . Am. Soc. Agron. Eng. 2000. №44. P. 1445-1453.

143. Ulaby F. T., Bare J. E. Look direction modulation function of the radar backscattering coefficient of agricultural fields // Photogrammetric Engineering and Remote Sensing. 1979. V. 45. P. 1495-1506.

144. Ulaby F. T., Batlivala P. P., Dobson M. C. Microwave backscatter dependence on surface roughness, soil moisture, and soil texture: Part I-bare soil // Geoscience Electronics, IEEE Transactions on. 1978. V. 16. №. 4. P. 286-295.

145. Ulaby F. T., Dubois P. C., Van Zyl J. Radar mapping of surface soil moisture // Journal of Hydrology. 1996. V. 184. №. 1. P. 57-84.

146. Ulaby F. T. et al. Textural information in SAR images // Geoscience and Remote Sensing, IEEE Transactions on. 1986. №. 2. P. 235-245.

147. Viscarra Rossel, R. A., McGlynn, R. N., McBratney, A. B. Determining the composition of mineral-organic mixes using UV-vis-NIR diffuse reflectance spectroscopy // Geoderma. 2006a. №. 137. P. 70-82.

148. Vulfson L. et al. Retrieval of surface roughness parameters of bare soil from the radar satellite data // Journal of Arid Environments. 2012. V. 87. P. 77-84.

149. Wang J. R. et al. Multifrequency measurements of the effects of soil moisture, soil texture, and surface roughness // Geoscience and Remote Sensing, IEEE Transactions on. 1983. №. 1. P. 44-51.

150. Wigneron, J. P., Ferrazzoli, P., Olioso, A., Bertuzzi, P., Chanzy, A. A simple approach to monitor crop biomass from C-band radar data // Remote Sensing of Environment. 1999. V.69. № 2. P. 179-188.

151. Wu, F., Wang, C., Zhang, H., Zhang, B., Tang, Y. Rice crop monitoring in south China with RADARSAT-2 quad-polarization SAR data // Geoscience and Remote Sensing Letters, IEEE. 2011. V.8. № 2. P. 196-200.

152. Xiao J. et al. Detection of land desertification and topsoil grain size using remote sensing // Geoscience and Remote Sensing Symposium, 2005. IGARSS'05. Proceedings. 2005 IEEE International. IEEE, 2005. V. 1. P. 4.

153. Zhu, A.X. Mapping soil landscape as spatial continua: the neural network approach // Water Resources Research, 2000. V. 36 № 3. P. 663-677.

154. Zhu A.X. Advance in information technology for soil surveys: The SoLIM effort // Innovative techniques in soil survey. Thailand, 2004. P. 25-42.