Цифровая модель почвенно-ландшафтных связей Владимирского ополья тема диссертации и автореферата по ВАК РФ 03.02.13, кандидат наук Минаев Николай Викторович

• Минаев Николай Викторович
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Минаев Николай Викторович

Введение

Глава 1 Обзор литературы. Модель почвенно-ландшафтных связей и структура почвенного покрова

1.1 Региональные модели почвенно-ландшафтных связей

1.2 Учение о структуре почвенного покрова

1.3 Цифровая почвенная картография (ЦПК)

1.4 Развитие цифровой почвенной картографии

1.5 Принципы создания цифровых почвенных карт

1.6 ЦПК в задачах агроэкологической оценки земель

1.8 Проблемы и перспективы ЦПК

Глава 2 Характеристика условий почвообразования и почвы Владимирского ополья

2.1 Характеристика климата района исследований как фактора почвообразования

2.2 Характеристика рельефа и почвообразующих пород территории

2.3 Характеристика растительного покрова

2.4 Характеристика почв и структуры почвенного покрова Владимирского ополья

2.5 Характеристика почвенных условий учхоза «Дружба»

Глава 3 Материалы и методы

3.1 Подготовка факторно-индикационной основы

3.2 Методы полевых изысканий

3.3 Моделирование почвенно-ландшафтных связей

Глава 4 Результаты моделирования почвенно-ландшафтных связей

4.1 Крупномасштабная цифровая модель

4.2 Детальная модель пространственного распределения второго гумусового горизонта почв Владимирского ополья на уровне поля

4.3 Верификация крупномасштабной и детальной моделей почвенно-ландшафтных связей

Заключение

Список сокращений

Библиографический список

Приложение А

Приложение Б

Приложение В

Введение

Введение диссертации (часть автореферата) на тему «Цифровая модель почвенно-ландшафтных связей Владимирского ополья»

Актуальность темы

Идея В.В. Докучаева о почве как функции факторов почвообразования, стала основой развития почвенной картографии (Флоринский, 2012). Развитие информационных технологий привели к появлению цифровой почвенной картографии (ЦПК) - позволяющей в автоматическом режиме составлять карты различного содержания с контролем их точности при существенной экономии времени и денег (МсВгаШеу et а1., 1992; МсВгаШеу et а1., 2003). И количество работ по данной тематике интенсивно растет (Minasny, МсВгаШеу, 2016). ЦПК интегрирует накопленные пространственные данные с фундаментальным пониманием физических и биологических процессов.

Фундаментальной парадигмой почвенного картографирования является модель почвенно-ландшафтных связей (ПЛС). При традиционном картографировании отсутствовала систематизация и документальная фиксация ПЛС (Сорокина, 1998). Возможность восстановления почвенно-ландшафтных связей из существующих карт была предложена Пузаченко с соавторами (Пузаченко и др., 2007). В сочетании с полевыми исследованиями, основанными на почвенно-ландшафтном подходе, ЦПК позволяет получить количественную, дискретную и динамическую почвенную информацию на разных масштабных уровнях организации почвенного покрова, а не карты (Савин, 2019).

Разработка таких моделей на основе ЦПК позволит обеспечить современных землепользователей новым инструментом активного управления и использования земельных ресурсов, а также интегрироваться в цифровизацию земледелия (Иванов и др., 2018). Обобщая накопленный опыт и учитывая современное состояние технических возможностей, является актуальным модернизация почвенного картографирования на основе моделей ПЛС с учетом специфики различных территорий России и разных масштабных уровней организации почвенного покрова.

Степень разработанности темы. Обзор отечественной и зарубежной литературы показал, что цифровые методы картографирования активно развиваются и представляют собой широкий набор подходов и инструментов для изучения почвенного покрова. В связи с развитием направления цифровой почвенной картографии и возможностями современных вычислительной техники и программ открываются широкие возможности по картографированию и изучению организации структуры почвенного покрова на разных уровнях. На основе методов цифровой почвенной картографии возможен новый подход к установлению почвенно-ландшафтных связей и их формализации.

Цель и задачи исследования. Целью работы являлась разработка модели почвенно-ландшафтных связей с использованием методов цифровой почвенной картографии и геоинформационных технологий на примере территории Владимирского ополья.

Для достижения цели были поставлены следующие задачи:

1. Разработать крупномасштабную модель почвенно-ландшафтных связей на территорию хозяйства на основе существующей карты структуры почвенного покрова и реализовать модель в виде крупномасштабной цифровой карты групп структур почвенного покрова исследуемого объекта;

2. Провести ключевые исследования организации структуры почвенного покрова на территории объекта исследования и разработать модель ПЛС в детальном масштабе;

3. Анализ крупномасштабной и детальной моделей ПЛС и их верификация.

Научная новизна. Заключается в разработке цифровых моделей связей

структур почвенного покрова и почв с факторно-индикационной основой в крупном и детальном масштабах и реализации их применительно к автоматическому созданию карты групп структур почвенного покрова в крупном масштабе и карты распространения почв со вторым гумусовым горизонтом в детальном масштабе на уровне применительно к условиям территории Владимирского ополья.

Теоретическая и практическая значимость. Теоретическая значимость работы заключается в поиске формализованных взаимосвязей между почвенными структурами и ареалами, и комбинацией параметров рельефа в условиях Владимирского Ополья, а также в поиске оптимального математического подхода описания этих взаимосвязей.

В практическом отношении разработанные модели применимы в схожих условиях для автоматизированного построения карт групп структур почвенного покрова в крупном масштабе и элементарных почвенных ареалов в детальном масштабе на уровне поля при условии наличия цифровой модели рельефа соответствующего разрешения, но без проведения полевых почвенных изысканий.

Методология и методы исследований. В работе использован ряд классических методов в почвоведении как сравнительно-географический и метод почвенных ключей. В дополнение к ним использованы методы дистанционного зондирования - привлечены материалы космических съемок местности и материалы съемки беспилотным летательным аппаратом (БПЛА). Большая часть работы выполнена на основе полевых описаний почвенных разрезов, полуразрезов, прикопок и буровых скважин на территории пахотных угодий учхоза «Дружба» с целью выявления таксономических единиц почв в меняющихся условиях ландшафта Владимирского Ополья. Характеристики почв определялись общепринятыми лабораторными методами. Картографические работы проводились с использованием геоинформационных систем КБ «Панорама» «ГИС Карта 2011», QGIS и SAGA GIS. Статистическая обработка данных и моделирование проводилось с использованием программной среды R, программ MS EXCEL-2007 и STATISTICA 10.0.

Основные положения, выносимые на защиту:

1. Предлагается цифровая модель, позволяющая автоматизировано составлять карту групп структур почвенного покрова для пахотных угодий Владимирского ополья, которая разработана на основе дискриминантного анализа и представляет собой систему из 10 уравнений на основе морфометрических характеристик рельефа.

2. Технология подготовки высокоточной цифровой модели местности, получаемой при аэрофотосъемки беспилотными летательными аппаратами, для использования ее в целях цифровой почвенной картографии.

3. Автоматизированный метод картографирования почв со вторым гумусовым горизонтом Владимирского ополья на основе расчета относительных превышений в окрестности 30 метров по детальной цифровой модели рельефа.

Степень достоверности и апробация работы. При разработке подходов, методов и технологии проводился широкий литературный обзор для учёта имеющегося российского и иностранного опыта. Достоверность полученных результатов подтверждена статистическими методами. Статистическая обработка данных проводилась с использованием программных средств Excel, R и Statistica.

Основные положения были доложены на международной конференции «XIX Докучаевские молодежные чтения» (Санкт-Петербург, 2015) (Минаев, 2015); международной междисциплинарной молодежной научной школы-конференции «Человек и природа: технологии обеспечения продовольственной и экологической безопасности» (Крым, 2016) (Минаев, Мусенова, 2016); международной молодежной научной конференции «Почва и бобовые - симбиоз для жизни» (Москва, 2016) (Минаев, Мусенова, 2016), первой открытой конференции молодых ученых «почвоведение: горизонты будущего» (Москва, 2017) (Минаев, 2017); российской научно-практической конференции «Агроэкологическая оценка земель и проектирование адаптивно-ландшафтных систем земледелия» (Анапа, 2019) (Минаев, 2019).

Личный вклад автора. Автор проводил литературный обзор, разработку подходов, методов и технологии, а также все работы по обновлению почвенной карты хозяйства, включая: дешифрирование космических снимков, статистический анализ, составление и верификацию карт. Диссертант принимал непосредственное участие в полевых работах.

Публикации. По теме диссертации опубликовано 10 работ, в том числе 3 статьи в журналах, рекомендуемых ВАК РФ.

Глава 1 Обзор литературы. Модель почвенно-ландшафтных связей

и структура почвенного покрова 1.1 Региональные модели почвенно-ландшафтных связей

Учение о почвенно-ландшафтных связях как основа выделения элементов неоднородности почвенного покрова было заложено В.В. Докучаевым и К.Д. Глинкой еще в конце XIX века (Докучаев, 1886). Экспертные и полуколичественные сопряжения почв и факторов почвообразования определяют правила выделения почвенных контуров как в действующей до сих пор Общесоюзной инструкции по почвенной картографии (1973), так и в относительно недавних методических руководствах (Методология составления..., 2006). Традиционная последовательность разработки картографической модели включает квантование факторно-индикационных основ на относительно однородные структурные единицы с последующей полевой проверкой фактического положения их границ и наполнением контуров почвенным содержанием. Однако экспертно-визуальная интерпретация горизонталей топографической карты и аэрокосмических изображений сопряжена с неопределенностью и зависит от квалификации специалиста-картографа. В результате содержание почвенных карт содержит неизвестную долю субъективных суждений исследователя, а положенные им в основу карты представления о почвенно-ландшафтных связях сложно тиражировать на репрезентативные территории.

Недостаточная формализация долгое время оставалась узким местом почвенной картографии, преодоление которого связано с развитием методов количественного описания связей в почвенном покрове региона как внутрипочвенных (между отдельными свойствами почв), так и между почвой и другими компонентами ландшафта (Сорокина, 1998). Данное направление развития Докучаевкой модели почвенно-ландшафтных связей (Флоринский, 2012) в последнее десятилетие получило новое благозвучное выражение по первым буквам названия факторов почвообразования на английском языке: S = f с, о, г, р, а, п), где S - моделируемые таксоны почвы или отдельное почвенное свойство, s

- известные другие свойства почвы, c - климат, o - организмы, г - рельеф, p -почвообразующие породы, a - возраст и n - территориальное соседство (McBratney et al., 2003; Minasny, McBratney, 2015). Количество компонентов, участвующих в разработке SCORPAN модели, изменяется от одного до нескольких десятков в зависимости от региональных особенностей территории и имеющихся в распоряжении исследователя данных. Максимальной простотой обладают локальные модели, где пространственное варьирование почв обычно сопрягается с каким-то одним, но ведущим фактором их дифференциации, например, -рельефом. На региональном уровне наравне с рельефом в состав модели включают характеристики почвообразующих пород, хозяйственного использования. На глобальном уровне дополнительно учитываются зонально-провинциальные различия климата и растительности (Hengl et al., 2014).

Прогнозное картографирование на основе SCORPAN моделей составляет основу цифровой почвенной картографии (McBratney et al., 2003; Minasny, McBratney, 2015; Савин, 2012; Козлов, Сорокина, 2012) и получило широкое воплощение при картографическом моделировании отдельных почвенных свойств (Lacoste et al., 2014, Vermeulen, Van Niekerk, 2017; Zhao et al., 2017), таксонов почв (Osat et al., 2016; Vincent et al., 2016) и структур почвенного покрова (Сорокина, Козлов, 2009). При этом не стоит отождествлять собственно региональную модель почвенно-ландшафтных связей и картографическую модель на основе почвенно-ландшафтных связей, поскольку в первом случае должен учитываться полный набор факторов почвообразования, а во втором - только те, что имеют достоверное пространственное отображение. В силу ограниченности последнего, картографическая модель обладает заведомой неполнотой.

1.2 Учение о структуре почвенного покрова

Почвенная картография возникла и развивалась вместе с Докучаевским генетическим почвоведением. Уже с первых опытов картографирования была осознана проблема неоднородности почвенного покрова и ее отражения на разномасштабных почвенных картах. Во второй половине XX века изучение неоднородности почвенного покрова перешло в новую фазу, получив прочную

картографическую базу и широкие теоретические обобщения. Стимулятором развертывания исследований неоднородности почвенного покрова послужили материалы аэрофотосъемки. На аэрофотоснимках, особенно на распаханных территориях, очень четко видны мельчайшие формы и рисунок неоднородностей (Строганова, 2011).

Учение о генезисе, составе, формах почвенных неоднородностей получило название учения о структуре почвенного покрова. Основателем этого учения является крупнейший почвовед-географ В.М. Фридланд.

«Структура почвенного покрова (СПП) — совокупность всех однообразных неоднородностей почвенного покрова суши. Конкретная СПП характеризуется многократно ритмически повторяющимися в пространстве ареалами определенных почв, создающих устойчивый состав и рисунок почвенного покрова, и устойчивые механизмы геохимических и геофизических связей между входящими в данную структуру почвами.» (Фридланд, 1972).

Развитие почвенно-картографических исследований и применение учения о СПП в настоящее время тесно связано со становлением цифровой почвенной картографией. В настоящее время уже имеется, преимущественно у зарубежных авторов, определенный опыт применения ГИС-технологий в крупномасштабной почвенной картографии. Нерешенной остается задача картографирования СПП. Во второй половины ХХ века В.М. Фридланд разработал концепцию СПП (1972, 1977, 1986). И для отечественной почвенной картографии использование методологии цифровой почвенной картографии совместно с учением о СПП особенно актуально (Строганова, 2011).

1.3 Цифровая почвенная картография (ЦПК) Современные тенденции развития компьютерных технологий и все более широкое их распространение привели и к новому уровню развития картографии почв. Сначала сложился перевод бумажных карт в электронный вид, то есть оцифровка карт, аналогично бумажной, выполненной на компьютере (Капралов и др., 2008; Лурье, 2008). Но в дальнейшем сложилось по-другому. В почвоведении термин «цифровая почвенная картография» и «цифровая карта» несут более

глубокий смысл, а не только как выполненная на компьютере карта (Мешалкина, 2012).

Первые работы, условно относящиеся к ЦПК, появляются еще в 70-80-х гг. В 1990 формируется направление «педометрика» как часть почвоведения, занимающаяся вопросами применения методов математической статистики для изучения распространения и происхождения почв.

Основные положения ЦПК были изложены в 2003 году в статье Алекса МакБратни с соавторами «On digital soil mapping» (McBratney et al., 2003). Данная статья может по праву считаться отправной точкой формирования ЦПК как научной ветви почвоведения. В 2004 году во Франции в Монпелье проходит 1-ый международный симпозиум «ЦПК: начало и перспективы». В 2005 году возникает рабочая группа по ЦПК в Международном обществе почвоведов. В 2006 2-ой международный симпозиум в Рио-Де-Жанейро (Бразилия), темой которого было «ЦПК для картографирования регионов и стран при ограниченной структуре почвенных данных». В 2008 году в городе Логан (США) прошел 3-ий международный симпозиум под лозунгом: «ЦПК: наводим мосты между научными исследованиями, производством и экологическим приложениями». 4-ый международный симпозиум состоялся в 2010 году в Риме (Италия), лозунгом которого было: «От ЦПК к цифровому почвенному оцениванию: находим ключевые моменты от масштаба поля до континента». В 2012 году состоялся 5-ый симпозиум в Сиднее (Австралия). 2014 год Нанкин (Китай), в 2016 Орхус (Дания). В 2017 должен состояться международный симпозиум в Москве (Россия) на базе почвенного института имени В.В. Докучаева. Такая невероятно быстрая тенденция развития говорит о высоком интересе и востребованности данного направления (Мешалкина, 2012).

По определению, данное в 2006 г. Лагашери и МакБратни (Lagacherie, McBratney, 2006): «Цифровая почвенная картография - это создание и компьютерное производство почвенных пространственных информационных систем за счет использования полевых и лабораторных методов наблюдений в совокупности с системами логического вывода для пространственных и не

пространственных почвенных данных». Таким образом, можно сделать вывод о том, что ЦПК - это и научная работа по созданию цифровых карт и воспроизводство таких карт.

1.4 Развитие цифровой почвенной картографии В последние двадцать пять лет цифровое почвенное прогнозное картографирование получило широкое развитие, целью которого является предсказание пространственного распространения 1) таксономических единиц почвы и/или 2) различных количественных свойств почвы гумус, содержание элементов питания растений, тяжелые металлы и т.д.) на основе анализа распределенных в пространстве количественных характеристик факторов почвообразования (Флоринский, 2012; Minasny, 2016). При этом используются различные математические методы, включающие множественный регрессионный анализ, различные геостатистические подходы, аппарат нечетких множеств, дискриминантный анализ, нейронные сети и др. (McBratney et в1., 2003).

За прошедшее время ЦПК стала успешной субдисциплиной почвоведения. Количество работ по данной тематики постоянно растет, растет и количество цитирования с каждым годом (рис. 1.1).

2000 2005 2010 201S 1990 199S 2000 2005 2010 201S

Год Год

Рисунок 1.1 - Количество статей и цитат из поиска, по ключевым словам, «digital» «soil» «mapping» из базы данных Scopus на 2015 год (Minasny, 2016) Методы ЦПК основаны на моделях, которые развивают гипотезу В.В. Докучаева о почве, как функции от факторов почвообразования (рис. 1.2) (Докучаев, 1886). Таким образом гипотеза Докучаева, в той или иной степени, лежит в основе практически всех современных методов цифровой почвенной

картографии, цифрового почвенного прогнозного картографирования и в значительной части математических моделей в почвоведении (Флоринский, 2012).

В работе Алекса МакБратни с соавторами была предложена модель SCORPAN (McBratney et а1., 2003), данная модель ориентирована на практическое применение для цифрового почвенного картографирования и поэтому рассматривает известную информацию о картографируемых почвах и местоположении как предсказатели при моделировании.

Развитие ЦПК непосредственно связано с разработкой методов автоматизированного картографирования почв. В 70-х годах XX века такие методы уже активно разрабатывались в Почвенном институте имени В.В. Докучаева: основы «интерактивного» метода дешифрирования и картографирования почв (Савин, Симакова, 2014).

Рисунок 1.2 - Диаграмма, иллюстрирующая эволюцию и слияния различных концепций в цифровой почвенной картографии (МтаБпу et а!., 2016)

В 80-х благодаря быстрому развитию вычислительной техники привело к появлению специальных компьютеров, позволяющей проводить анализ спутниковые данные («Периколор» (Франция), «КТС-Диск» (ГДР), «СВИТ» (Болгария-СССР). С использованием данных 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).

ЦПК непосредственно связана и с географическими информационными системами (ГИС). Первые публикации по ГИС для мониторинга и рационального использования почв появились в 1991 году (Рожков, Столбовой, 1991).

Активная работы по созданию почвенных баз данных в ГИС происходила и за рубежом (Lagacherie, 1992; Oldeman, Engelen, 1993; Grunwald, Thompson, Boettinger, 2011; Anderson, Scott Smith, 2011).

Наиболее часто в качестве исходной информации для автоматизированного построения почвенных карт используются данные дистанционного зондирования полученные со спутниковых аппаратов.

В ЦПК получили широкое распространение методы математической статистики и геостатистики (Lagacherie, McBratney, 2006; Grunwald, Thompson, Boettinger, 2011; Adhikari et al., 2014; Hengl et al., 2014). При таком подходе для составления или обновления почвенных карт, на основе имеющихся данных о почвах и факторах почвообразования, проделывается работа по поиску взаимосвязей, например, методом линейного дискриминантного анализа или множественной логистической регрессии, автоматически строится модель. В среднем масштабе такие методы могут приводить к большим ошибкам, так как зачастую индикаторы очень косвенно описывают почвообразующие факторы (Lagacherie, 2008; Kempen et al., 2009; Kempen, Brus, Vries, 2015).

Одним из подходов к ЦПК является так называемая «имитация» традиционного почвенного картографирования (Савин, 2012), при этом в полной мере используются достижения традиционной почвенной картографии, так как

методы цифровой почвенной картографии органично встраиваются в процесс традиционного составления карт (Жоголев, 2016).

Ключевое место в ЦПК занимает установление почвенно-ландшафтных связей, которое может проводиться автоматизировано (McBratney, Santos, Minasny, 2003; Kempen et al, 2009; Кренке, 2012; Hengl et al, 2014; Kempen, Brus, de Vries, 2015; Minasny, McBratney, 2016), но на данном этапе результаты не всегда получаются качественными. Кроме того, методы статистического поиска взаимосвязей (data mining) требуют детальной качественной информации о почвообразующих факторах. Это дает возможность для дальнейшего научного поиска.

В цифровой почвенной картографии возникли оригинальные новые подходы к картографированию почв на основе нечеткой логики, позволяющие так же автоматизировано строить почвенные карты и картографировать постепенный переход одной почвы в другую (Zhu, 1994; Zhu, Hudson, Burt et al., 2001; Zhu, Liud, Dud, et al., 2015).

Основу ЦПК составляет использование большого спектра методов математической статистики и машинного обучения (machine learning) (Hengl, Hannes, Reuter, 2009; Bruin, Heuvelink, Ligtenberg, 2013; Kempen, 2015): искусственные нейронные сети, классификационные и регрессионные деревья, метод опорных векторов, нечёткая логика, деревья классификации, криггинг, ко-криггинг, регрессионный криггинг, универсальный криггинг, мультиномиальный регрессионный анализ, дискриминантный анализ и многие другие.

Большинство работы в цифровой картографии почв основаны на построении численной модели, связывающей полевые данные о почвах и scorpan факторов (BouKheir et al., 2010; Brungard et al., 2015). Модель применяется к пространственным данным об окружающей среде. Однако при цифровом картографирование почв также можно использовать традиционные почвенные карты в качестве входных данных для целей экстраполяции, обновления или дезагрегирования почвенных карт (Subburayalu и Slater, 2013; Odgers et al., 2014). Обоснование заключается в извлечении знаний из законченных исследований, или

перепроектировании мысленной модели эксперта почвоведа с помощью технологии машинного обучения (Moran и Bui, 2002). Правила могут быть извлечены из почвенных карт, и впоследствии знания этих правил могут быть использованы для пространственной экстраполяции на картируемую область (Grinand et al., 2008), для обновления или уточнения существующих карт (Collard et al., 2014), или дезагрегирования единиц почвенного картографирования в другие единицы почвенной классификации или группы (Häring et al., 2012; Subburayalu and Slater, 2013; Odgers et al., 2014). Кроме того, дезагрегированые карты и карты полученные на основе scorpan-кригинга могут быть объединены для получения более точных результатов (Malone et al., 2014).

В разрезе ЦПК так же следует упомянуть и средствах, которые позволяют реализовывать алгоритмы построения и оценки карт. На данный момент существует большое разнообразие компьютерных программ: ГИС (ArcGIS, ГИС Панорама, SAGA, GRASS, QGIS, ILWIS и др.), программное обеспечение статистического анализа (Statistica, SPSS, MatLab, MathCad, Matematica), распространены объектно-ориентированные языки программирования (R, Python, Stata). Подобные языки программирования имеют относительно простые команды для статистического анализа, а также импорта-экспорта разных данных, в том числе геопривязанных растровых изображений. В настоящее время во многие ГИС встраиваются языки программирования R и Python. Остаются актуальными традиционные языки программирования: С/С++, Pascal, Basic, Fortran.

Все это говорит о том, что за последние десятилетия всевозможная статистическая обработка данных доступна почти в любых программах, которые применяются при создании карт, что в свою очередь, необходимо и для применения на практики автоматизированных методов построения почвенных карт.

Со временем точность почвенных карт будет возрастать. Сравнение результатов цифрового и традиционного картографирования уже показывают сопоставимые результаты (Kempen et al., 2012; Hengl, NikoliC, MacMillan, 2013; Brungard et al., 2015). И с помощью же методов ЦПК могут выбираться участки для верификации составляемых карт (Brus, Kempen, Heuvelink, 2011).

Средства ГИС позволяют более эффективно визуализировать почвенную информацию и при необходимости выводить в печатный вид. В цифровой почвенной картографии карты, как правило, представляются в виде растровых карт с известным размером пикселя (пространственной разрешение) (Grunwald, Thompson, Boettinger, 2011). Во многих работах по ЦПК принимается, что единственным уровнем генерализации карты является пространственное разрешение (Hengl, 2006; Malone, McBratney, Minasny, 2013).

Идея Докучаева, рассмотренная ранее как основа цифровой почвенной картографии, а также ее развитие в виде концепции scorpan привели к необходимости в пространственной информации различного содержания (факторы). Развитие геоинформационных технологий и дистанционного зондирования Земли за счет усилия ученых климатологов, геологов, ботаников, экологов, географов и многих других специальностей привело к формированию глобальных цифровых информационных баз пространственной информации различного содержания. Рассмотрим далее ряд таких данных, использующихся для моделирования в мелком и среднем масштабах.

Список литературы диссертационного исследования кандидат наук Минаев Николай Викторович, 2020 год

Библиографический список

1. Агроклиматические ресурсы Владимирской области / О.Б. Зворыкина, Т.И. Бурцева, К.Т. Васека и др.; Упр. гидрометеорол. службы центр. областей. - [2-е изд.]. - Москва; [Ярославль]: [Верх.-Волж. кн. изд-во], 1968.

- 138 с.

2. Агроэкологическая оценка земель, проектирование адаптивно-ландшафтных систем земледелия и агротехнологий / Под ред. В.И. Кирюшина,

A.Л. Иванова - М.: Росинформагротех, 2005. - 784 с.

3. Алехин, С.В. Геологическая карта СССР масштаба 1 : 200 000. Сер. Московская. Объяснительная записка / С.В. Алехин, Г.Н. Квятковская. -М., 1970. - 150 с.

4. Алифанов, В.М. Палеокриогенез и структура почвенного покрова Русской равнины / В.М. Алифанов, Л.А. Гугалинская // Почвоведение. - 1993. - № 7.

- С. 65-75.

5. Алифанов, В.М. Серые лесные почвы района центра Русской равнины. Историко-генетический анализ / В.М. Алифанов // Эволюция и возраст почв СССР, Пущино. - 1986. - С. 155-163.

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

7. Бердников, В.В. Палеокриогенный микрорельеф центра Русской равнины /

B.В. Бердников. - М.: Наука, 1976. - 125 с.

8. Берлянд, А.М. Геоинформационное картирование / А.М. Берлянд. - М.: Наука, 1997. - 62 с.

9. Быстрицкая, Т.Л. Ополица и ополец - генетические типы переходного класса почв центральной России / Т.Л. Быстрицкая, А.Н. Тюрюканов // Докл. АН СССР. - 1996. - Т. 166. № 4. - С. 955-958.

10. Васильев, Л.Н. Методика дешифрирования почвенного покрова распаханных полей по спектральным яркостям, измененным по космическим снимкам /

Л.Н. Васильев, А.Г. Полуаршинова // Исследование Земли из космоса. - 1984.

- №. 1. - С. 51-57.

11.Величко, А.А. Палеокриогенез, почвенный покров и земледелие / А.А. Величко [и др.] - М.: Наука, 1996 - 145 c.

12. Виноградов, Б.В. Аэрокосмический мониторинг экосистем / Б.В. Виноградов. - Наука, 1984.

13.Волков, С.Н. Землеустройство. Системы автоматизированного проектирования в землеустройстве / С.Н. Волков. - Т. 6. - М.: Колосс, 2002.

- 328 с.

14.Гаврилюк, Ф.Я. Бонитировка почв. / Ф.Я. Гаврилюк. - Ростов на Дону: из-во Ростовск. Ун-та, 1984. - 229 с.

15. Джеймс, Г. Введение в статистическое обучение с примерами на языке R. / Г. Джеймс [и др.]. - Пер. с англ. С.Э. Мастицкого - М.: ДМК Пресс, 2016. -450 с.

16.Дмитриев, Е.А. Математическая статистика в почвоведении: Учебник / Е.А. Дмитриев, науч. ред. Ю.Н. Благовещенский. Изд. 3-е, испр. и доп. - М.: Книжный дом «ЛИБРОКОМ», 2009. - 328 с.

17.Дмитриев, Е.А. Содержание гумуса и проблема вторых гумусовых горизонтов в серых лесных почвах владимирского ополья / Е.А. Дмитриев, Д.Н. Липатов, Е.Ю. Милановский // Почвоведение. - 2000. - № 1. - С. 6-15.

18.Докучаев, В.В. Главные моменты в истории оценок земель Европейской России, с классификацией русских почв / В.В. Докучаев // Материалы к оценке земель Нижегородской губернии. Естественноисторическая часть. Отчет Нижегородскому губернскому земству. Вып. 1. - СПб.: Типография Е. Евдокимова, 1886. - 391 с.

19.Дубровина, И.В. Агрогенетическая характеристика почв Владимирского ополья:. дис. канд. с.-х.н. / Дубровина Ирина Всеволодовна. - Москва, 1988.

- 245 с.

20. Дубровина, И.В. Агрохимические показатели плодородия и продуктивности почв Владимирского ополья / И.В. Дубровина // Почвоведение. - 1991. - № 1. - С. 78-85

21. Дубровина, И.В. К вопросу о генезисе СПП Владимирского ополья. // Бюл. Почвенного ин-та им. В.В. Докучаева. Генезис и классификация СПП и их использование при решении прикладных задач. М., 1988.

22.Дубровина, И.В. Химико-минералогическая характеристика почв Владимирского Ополья / И.В. Дубровина, Б.П. Градусов // Почвоведение. -1993. - № 3. - С. 64-73.

23.Жоголев, А.В. Актуализация региональных почвенных карт на основе спутниковых и геоинформационных технологий (на примере Московской области): дис. канд. сельскохозяйственных. наук: 03.02.13 / Жоголев Арсений Вадимович. - Москва, 2016. - 203 с.

24.Зворыкин, К.В. Сельскохозяйственная оценка земель. / К. В. Зворыкин. - М.: Изд-во МГУ, 1985. - 49 с.

25.Иванов, А.Л. Адаптивно-ландшафтная система земледелия / А.Л. Иванов, В.И. Кирюшин, А.Т. Волощук [и др.] // Владимирский земледелец. - 1998. -№2(21). - С. 3-34.

26.Иванов, А.Л. Цифровое земледелие / А.Л. Иванов, И.С. Козубенко, И.Ю. Савин, Кирюшин В.И. // Вестник российской сельскохозяйственной науки, М: изд-во РАН. - 2018. - № 5. - С. 4-9.

27.Карманов И.И. Плодородие почв СССР / И.И. Карманов. - М.: Колос, 1980. -224 с.

28. Каневский, М.Ф. Элементарное введение в геостатистику / М.Ф. Каневский, В.В. Демьянов, Е.А. Савельева и др. - М.: ВИНИТИ, 1999. - 132 с.

29.Капралов, Е.Г. Геоинформатика. В 2-хкн. Учебник для вузов. / Капралов Е.Г., Кошкарев А.В., Тикунов В.С.; под ред. В.С. Тикунова. - М.: Академия, 2008. - Кн. 1. 384 с.

30.Карпова, Д.В Некоторые физико-химические особенности почв Владимирского Ополья / Д.В. Карпова, Л.А. Окоркова, А.Ю. Чернышова //

Применение барды и удобрений для повышения урожайности сельскохозяйственных культур. - Т. 3. - Владимир, 1998. - С. 80-99.

31.Кириллова, Н.П. омплексный подход к почвенной картографии на основе цифровой морфометрии и комбинаторного анализа : автореферат дис. ... доктора биологических наук: 03.02.13 / Кириллова Наталия Петровна. -Москва, 2018. - 49 с.

32.Кирюшин, В.И. Научные предпосылки оптимизации использования земельных ресурсов / В.И. Кирюшин // Вестник российской сельскохозяйственной науки, М: изд-во РАН. - 2019. - № 4. - С. 7-10.

33.Кирюшин, В.И. Структурно-функциональный анализ ландшафта как основа территориального планирования / В.И. Кирюшин // В сборнике: Ландшафтоведение: теория, методы, ландшафтно-экологическое обеспечение природопользования и устойчивого развития материалы XII Международной ландшафтной конференции: в 3 томах. Тюмень - 2017. -С. 36-39.

34. Кирюшин, В.И. Теория адаптивно-ландшафтного земледелия и проектирования агроландшафтов / В.И. Кирюшин //. - М.: КолосС, 2011. -443 с.

35. Кирюшин, В.И. Экологические основы проектирования сельскохозяйственных ландшафтов / В.И. Кирюшин. - СПб.: ООО «Квадро», 2018. - 567 с.

36.Козлов, Д.Н. Традиции и инновации в крупномасштабной почвенной картографии / Д.Н. Козлов, Н.П. Сорокина // Цифровая почвенная картография: теоретические и экспериментальные исследования. - М.: Изд-во Почвенный ин-т им. В.В. Докучаева. - 2012. - С. 35-57.

37.Козлов, Д.Н. Цифровой ландшафтный анализ при крупномасштабном картографировании структур почвенного покрова. автореф. дис. ... канд. геогр. наук / Д.Н. Козлов. - Москва, 2009.

38.Кравец, А.М. Переславское ополье / А. М. Кравец //Коммунар. - 1982. - 14 сентября. - С. 3.

39.Кренке, А.Н. Коррекция почвенных карт на основе данных дистанционного зондирования и цифровой модели рельефа / А.Н. Кренке // Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почв. ин-т им. В.В. Докучаева. - 2012. - С. 284-301.

40.Крупенио, Н.Н. Радиолокационное картирование влажности открытых почв / Н.Н. Крупенио // Исследование земли из космоса. - 1985.

41. Лурье, И.К. Геоинформационное картографирование. Методы геоинформатики и цифровой обработки космических снимков / И.К. Лурье. - М.: КДУ, 2008. - 424 с.

42. Макеев, А.О. География, генезис и эволюция почв Владимирского ополья. /

A.О. Макеев, И.В. Дубровина // Почвоведение. - 1990. - № 7. - С. 5-26.

43. Методология составления крупномасштабных агроэкологически ориентированных почвенных карт. / Под ред. акад. РАСХН Л.Л. Шишова и докт. с.-х. и. Е.И. Панковой. - Москва. - 2006. - С. 9-18.

44.Мешалкина, Ю.Л. Что такое «Цифровая почвенная картография»? (обзор) / Ю.Л. Мешалкина // Цифровая почвенная картография: теоретические и экспериментальные исследования. - М.: Изд-во Почвенный ин-т им.

B.В. Докучаева. - 2012. - С. 9-18.

45.Минаев, Н.В. Цифровое почвенно-агроэкологическое картографирование Владимирского Ополья на примере учхоза «Дружба» / Н.В. Минаев // Материалы по изучению русских почв. - 2017. - Вып. 9(36). - С. 220-224.

46. Минаев, Н.В. Модель почвенно-ландшафтных связей Владимирского Ополья / Н.В. Минаев // Материалы докладов первой открытой конференции молодых ученых «Почвоведение: горизонты будущего». - Москва, 2017. - С. 246-251.

47.Минаев, Н.В. Агроэкологическая оценка серых лесных почв Владимирского Ополья методами дистанционного зондирования / Н.В. Минаев, Н.Л. Поветкина, Д.В. Мусенова // Плодородие. - 2017. - №1(94)2017. - С. 4850.

48.Минаев, Н.В., Разработка крупномасштабной цифровой модели автоматизированного почвенно-агроэкологического картографирования на примере представительных ландшафтов Владимирского ополья / Н.В. Минаев, Бузылев А.М., Е.Б. Таллер // АгроЭкоИнфо. - 2018. - №3(33).

- С. 24.

49.Минаев, Н.В., Идентификация масштабных уровней организации рельефа поля на основе съемки с БПЛА/ Н.В. Минаев, А. Никитин, Д.Н. Козлов // Бюллетень Почвенного института имени В.В. Докучаева. - Вып. 96. - 2019.

- C. 3-21

50. Модель адаптивно-ландшафтного земледелия Владимирского Ополья / Под. ред. В.И. Кирюшина и А.Л. Иванова. - М.: Агроконсалт, 2004. - 453 с.

51. Общесоюзная инструкция по почвенным обследованиям и составлению крупномасштабных почвенных карт землепользований. М.: Колос, 1973.

52.Окорков, В.В. Удобрение и плодородие серых лесных почв Владимирского ополья / В.В. Окорков. - Владимир ВООО ВОИ. - 2006. - 356 с.

53.Поветкина, Н.Л. Состояние и резервы калия и фосфора в серых лесных почвах Владимирского ополья Ярославской области: дис. канд. биол. наук: 03.00.27 / Поветкина Наталья Львовна. - Москва, 2008. - 159 с.

54.Пузаченко, Ю.Г. Формирование структуры ландшафта и методы ее изучения / Ю.Г. Пузаченко // Вестн. МГУ, сер. Геогр.. - № 1. - 1999. - С. 5-12.

55.Пузаченко, Ю.Г. Математические методы в экологических и географических исследованиях: Учеб. пособие для студ. вузов / Ю.Г. Пузаченко. - М.: Издательский центр «Академия», 2004. - 416 с.

56.Пузаченко, Ю.Г. Построение и обновление почвенной карты на основе дистанционной информации (landsat) и трехмерной модели рельефа [Электронный ресурс] / Ю.Г. Пузаченко, Е.В. Сиунова, М.Ю. Пузаченко, Д.Н. Козлов // Сайт ИПЭЭ РАН. - 2007. - Режим доступа: http://www.sevin.ru/ecosys services/soil/corr.pdf, свободный - (10.09.2018)

57.Раменский, Л.Г. Введение в комплексное почвенно-геоботаническое исследование земель / Л.Г. Раменский. - М.: Сельхозгиз. - 1938. - 602 с.

58.Рожков, В.А. Геоинформационные системы (ГИС) в мониторинге и рациональном использовании почв / В.А. Рожков, В.С. Столбовой // Экологич. пробл. Минск. - 1991.

59.Рубцова, Л.П. О генезисе почв Владимирского Ополья / Л.П. Рубцова // Почвоведение. - 1974. - № 6. - С. 17-27.

60. Савин, И.Ю. Компьютерная имитация картографирования почв // Цифровая почвенная картография: теоретические и экспериментальные исследования. Сб. ст. / И.Ю. Савин. - М.: Почв. Ин-т им. В.В. Докучаева. - 2012. - С. 26-34.

61. Савин, И.Ю. Методология картографирования почв / И.Ю. Савин, // Материалы III Всероссийской научной конференции с международным участием: Проблемы истории, методологии и социологии почвоведения Пущино, 15-17 ноября 2017 г.- 2017. - С. 63-65.

62. Савин, И.Ю. Проблема масштаба в современной почвенной картографии / И.Ю. Савин // Бюл. Почв. ин-та им. В.В. Докучаева. - Вып. 97. - 2019. -С. 5-20.

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

64.Сдобников, С.С. Влияние способов заделки навоза на гумусовое состояние дерново-подзолистой почвы / С.С. Сдобников, О.В. Ябанжи // Почвоведение. - 1990. - №10. - С 110-120.

65.Симакова, М.С. От визуального дешифрирования аэрофотоснимков и полевого картографирования почв до автоматизированного дешифрирования и картографирования по космическим снимкам / М.С. Симакова // Бюллетень Почвенного института имени В.В. Докучаева. - 2014. - № 74. - С. 3-19.

66. Сорокина, Н.П. Методология составления крупномасштабных агроэкологически ориентированных почвенных карт / Н.П. Сорокина. - М.: Изд-во Почвенный ин-т им. В.В. Докучаева. - 2006. - 150 с.

67.Савастру, Н.Г. Агроэкологическая оценка почвенного покрова Владимирского Ополья для проектирования адаптивно-ландшафтной системы земледелия: дис. канд. биол. наук: 03.00.27 / Савастру Наталья Георгиевна. - Москва, 1999. - 167 с.

68. Савин, И.Ю. Анализ почвенных ресурсов на основе геоинформационных технологий: дис. ... д-ра с.-х. наук / И.Ю. Савин. - Москва, 2004. - 382 с.

69. Савин, И.Ю. Компьютерная имитация картографирования почв // Цифровая почвенная картография: теоретические и экспериментальные исследования. Сб. ст. / И.Ю. Савин. - М.: Почв. Ин-т им. В.В. Докучаева. - 2012. - С. 26-34.

70. Савин, И.Ю. Проблема масштаба в современной почвенной картографии / И.Ю. Савин // Бюл. Почв. ин-та им. В.В. Докучаева. - №. 3. - 2019. -С. 34-42.

71. Сорокина, Н.П. Агроэкологическая группировка и картографирование пахотных земель для обоснования адаптивно-ландшафтного земледелия. методические рекомендации. / Н.П. Сорокина. - Почвенный институт им.

B. В. Докучаева. - М.: РАСХН. - 1995. - С. 76.

72.Симакова, М.С. Элементарные почвенные структуры Владимирского ополья / М.С. Симакова // Почвы СССР. Принципы и генетико-географические аспекты исследований. Тр. Почв. ин-та им. В. В. Докучаева. М. - 1987. -

C. 50-58.

73. Сорокина, Н.П. Опыт цифрового картографирования структуры почвенного покрова / Н.П. Сорокина, Д.Н. Козлов // Почвоведение. - 2010. - № 2. -С. 198-210.

74.Сорокина, Н.П. Методы цифровой почвенной картографии в задачах агроэкологической оценки земель / Н.П. Сорокина, Д.Н. Козлов // Цифровая почвенная картография: теоретические и экспериментальные исследования. - М.: Изд-во Почвенный ин-т им. В.В. Докучаева. - 2012. - С. 141-155.

75.Сорокина, Н.П. Региональная модель почвенно-ландшафтных связей (на примере Клинско-Дмитровской гряды) / Н.П. Сорокина // Почвоведение. -1998. №4 - С.389-398.

76. Сорокина, Н.П. Использование агроэкологического критерия при типизации земель на основе изучения структуры почвенного покрова / Н.П. Сорокина, Т.Е. Бондарь // Генезис, география и эволюция почв. Труды Почвенного института имени В.В. Докучаева. М., 1992.

77. Сорокина, Н.П. К методике агроэкологической оценки почвенного покрова / Н.П. Сорокина, С.В. Скляренко // Бюллетень Почвенного института имени

B.В. Докучаева. Генезис и классификация СИП и их использование при решении прикладных задач. М., 1988.

78.Составление крупномасштабных почвенных карт с показом структуры почвенного покрова. Методические рекомендации. М., Почвенный институт имени В.В. Докучаева, 1989. 56 с.

79. Список моделей, реализованный в пакете caret [Электронный ресурс] // The caret Package. - Режим доступа: http://topepo.github.io/caret/available-models.html, свободный (дата обращения: 12.01.2017)

80.Столбовой, В.С. Компьютерная картография почв / В.С. Столбовой // География и картография. - М.: Наука, 1993. - С. 291-301

81.Танфильев, Г.И. К вопросу о доисторических степях во Владимирской губернии / Г.И. Танфильев // Почвоведение. - 1902. - № 4. - С. 393- 396.

82.Тонконогов, В.Д. К дифференциации минералогического и химического составов дерново-подзолистых и подзолисты почв / В.Д. Тонконогов и др.// Почвоведение. - 1987. - №3. - С. 68-81.

83.Удонго, Э.Т. Генетические особенности почв Владимирского ополья различной степени гидроморфности: дис. канд. с/х наук / Удонго Эдемудо Том. - Москва, 1981. - 287 с.

84.Урусевская, И.С. К характеристике серых лесных почв со вторым гумусовым горизонтом центра Русской равнины / И.С. Урусевская // Тезисы докладов научной конференции по лесному почвоведению, Красноярск. - 1965. -

C. 104-106.

85.Флоринский, И.В. Гипотеза Докучаева - центральная идея цифрового прогнозного картографирования (у 125-летию публикации) /

И.В.Флоринский // Цифровая почвенная картография: теоретические и экспериментальные исследования. - М.: Изд-во Почвенный ин-т им. В.В. Докучаева. - 2012. - С. 19-25.

86.Фридланд, В.М. Структура почвенного покрова / В.М. Фридланд. - М.: "Мысль", 1972.

87.Шарый П.А. Оценка взаимосвязей рельеф-почва-растения с использованием новых подходов в геоморфометрии (на примере агроландшафта и лесной

экосистемы юга Московской области) //Автореф..... дисс. канд.биол.наук.

Тольятти, 2005.

88.Шеин, Е.В. Оценка агрономической однородности и совместимости почвенного покрова владимирского ополья / Е.В. Шеин, В.И. Кирюшин, А.А. Корчагин, М.А. Мазиров, А.В. Дембовецкий, Л.И. Ильин // Почвоведение. - 2017. №10 - С. 1208-1215.

89.Шершукова, Г.А. Этапы развития крупномасштабной картографии в СССР / Г.А. Шершукова // Крупномасштабная картография почв. - М: Наука. - 1971.

- С. 144-166.

90.Шишов, Л.Л. Теоретические основы и пути регулирования плодородия почв / Л.Л. Шишов, Д.Н. Дурманов, И.И. Карманов, В.В. Ефремов. - М.: Агропром. - 1991. - 304 с.

91.Щербенко, Е.В. Опыт машинного дешифрирования и мелкомасштабного картографирования почвенного покрова по космическим снимкам / Е.В. Щербенко // Современные методы исследования почв. М.: Изд-во Моск. ун-та. - 1983. - С. 126-127.

92.Якушевская И.В. О почвах Владимирского ополья. // Научн. докл. Высш. шк., сер. биол. 1959. № 1.

93.Якушевская И. В. Почвы Владимирского ополья. Автореф. дис. ... канд. биол. Наук. М., 1956. 13 с.

94.Ярошенко, П.Д. Об остепненных лугах Владимирского ополья / П.Д. Ярошенко, Э.А. Юрова // Бюл. молп. отделения биологии, 1970. - Т. 75.

- Вып. 4. - С. 80-87.

95.Adhikari, K. Constructing a Soil Class Map of Denmark Based on the FAO Legend Using Digital Techniques / K. Adhikari, B. Minasny, M.B. Greve, M.H. Greve // Geoderma. - 2014. Vol. 214-215. - P. 101-113.

96.Advances in Digital Terrain Analysis / Zhou, Qiming; Lees, Brian; Tang, Guo-an (Eds.). 2008, XIV, - 462 p.

97.Amit, Y. Shape quantization and recognition with randomized trees / Y. Amit, D. Geman //. Neural Computation. - 1997. - №9(7). - P. 1545-1588. doi:10.1162/neco.1997.9.7.1545.

98.Anderson, D.W. A history of soil classification and soil survey in Canada: Personal perspectives / D.W. Anderson, C.A. Scott Smith // Canadian Journal of Soil Science. - 2011. - Vol. 91. - №. 5. - P. 675-694.

99. Bohner, J. SAGA - Analysis and Modelling Applications / J. Bohner, K.R. McCloy, J. Strobl [Eds.] // Gottinger Geographische Abhandlungen. - 2006. - Vol.115. - P. 130.

100. Bock, M. Methods for creating Functional Soil Databases and applying Digital Soil Mapping with SAGA GIS / M. Bock, J. Bohner, O. Conrad, R. Kothe, A. Ringeler // JRC scientific and technical reports. - 2007. - P. 149-189.

101. Bou Kheir, R. Predictive mapping of soil organic carbon in wet cultivated lands using classification-tree basedmodels: the case study of Denmark. / R. Bou Kheir, M.H. Greve, P.K. B0cher, M.B. Greve, R. Larsen, K. McCloy // J. Environ. Manag. - 2010. 91. - P. 1150-1160.

102. Burrough, P.A. Fuzzy mathematical methods for soil survey and land evaluation./ P.A. Burrough // Journal of soil science. - 1989. - №40. - P. 477-492.

103. Burrough, P.A. Fuzzy classification methods for determining land suitability from soil profile observations and topography / P.A. Burrough, R.A. MacMillan and W. van Deursen // Journal of Soil Science. - 1992. -vol. 43. - №2. -P. 193-210.

104. Bruin, S. Spatial modelling and statistics / S. Bruin, G. Heuvelink, A. Ligtenberg. - 2013.

105. Brungard, C.W. Machine learning for predicting soil classes in three semiarid landscapes / C.W. Brungard, J.L. Boettinger, M.C. Duniway, S.A. Wills, T.C. Edwards // Geoderma. - 2015. - Vol. 239. - P. 68-83.

106. Brus, D.J. Sampling for validation of digital soil maps / D.J. Brus, B. Kempen, G.B.M. Heuvelink // European Journal of Soil Science. - 2011. - Vol. 62. - №. 3. - P. 394-407.

107. Breiman, L. Random Forests / L. Breiman // Machine Learning. - Vol. 45. -№. 1. - P. 5-32. doi: 10.1023/A: 1010933404324.

108. Collard, F. Refining a reconnaissance soil map by calibrating regression models with data from the same map (Normandy, France) / F. Collard et el.// Geoderma Reg.. - 2014 - № 1. - P. 21-30.

109. Congalton, R.G. A review of Assessing the Accuracy of Classifications of Remotely Sensed Data // R.G. Congalton / Remote Sensing of Environment, 1991.

- № 37. - P. 35-46

110. Danielson, J.J. Global multi-resolution terrain elevation data 2010 (GMTED2010) /, J.J. Danielson and D.B Gesch // U.S. Geological Survey Open-File Report 2011-1073. - 2011. - P. 26

111. Engel, J. Polytomous logistic regression / J. Engel // Statistica Neerlandica.

- Vol. 42. - № 4. - P. 233-252. doi:10.1111/j.1467-9574.1988.tb01238.x.

112. FAO, 1978. Report on the agro - ecological zones project. Vol. 1. Methodology and results for Africa. World Soil Resources Report 48. Rome.

113. Framework for Land Evaluation. FAO, 1976.

114. Friedl, M.A. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets. / M.A. Friedl et el.// Remote Sensing of Environment. - 2010. - № 114. - P. 168-182.

115. Greene, W.H. Econometric Analysis (Seventh ed.) / W.H. Greene // Boston: Pearson Education. - 2002. -P. 803-806. ISBN 978-0-273-75356-8.

116. Grinand, C. Extrapolating regional soil landscapes from an existing soil map: sampling intensity, validation procedures, and integration of spatial context /

C. Grinand, D. Arrouays, B. Laroche, M.P. Martin // Geoderma. - 2008. - 143. -P. 180-190.

117. Grunwald, S. Digital soil mapping and modeling at continental scales: Finding solutions for global issues / S. Grunwald, J.A. Thompson, J.L. Boettinger // Soil Science Society of America Journal. - 2011. - Vol. 75. - №. 4. -P. 1201-1213.

118. Häring, T., Dietz, E., Osenstetter, S., Koschitzki, T., Schröder, B. Spatial disaggregation of complex soil map units: a decision-tree based approach in Bavarian forest soils / T. Häring, E. Dietz, S. Osenstetter, T. Koschitzki, B. Schröder // Geoderma. - 2012. - № 185-186. - P. 37-47.

119. Hartmann, J. The new global lithological map database GLiM: A representation of rock properties at the Earth surface, Geochem. Geophys. Geosyst. /J. Hartmann and N. Moosdorf /13, Q12004. - 2012. doi:10.1029/2012GC004370

120. Hengl, T. Geomorphometry: concepts, software, applications / T. Hengl, I. Reuter. - Amsterdam: Elsevier. - 2009.

121. Hengl, T. SoilGrids1km—global soil information based on automated mapping / T. Hengl, J. Mendes de Jesus, R.A. MacMillan, N.H. Batjes, G.B.M. Heuvelink , E. Ribeiro, A. Samuel-Rosa, B. Kempen, J.G.B. Leenaars, M.G. Walsh, M. Ruiperez Gonzalez // PloS one. - 2014. - Vol. 9. - №. 8. - P. e105992.

122. Hengl, T. Mapping efficiency and information content / T. Hengl, M. Nikolic, R.A. MacMillan // International Journal of Applied Earth Observation and Geoinformation. - 2013. - Vol. 22. - P. 127-138.

123. Ho, T.K. Random Decision Forests / T.K. Ho // Proceedings of the 3rd International Conference on Document Analysis and Recognition, Montreal, QC. -1995. - P. 278-282.

124. Ho, T.K. The Random Subspace Method for Constructing Decision Forests / T.K. Ho // IEEE Transactions on Pattern Analysis and Machine Intelligence. -1998. - № 20 (8). - P. 832-844. doi:10.1109/34.709601.

125. Hastie, T. The Elements of Statistical Learning (2nd ed.) / T. Hastie, R. Tibshirani, J. Friedman // Springer. - 2008. - P. 764. ISBN 0-387-95284-5.

126. Karger, D.N. Climatologies at high resolution for the earth's land surface areas / D.N. Karger, O. Conrad, J. Böhner, T. Kawohl, H. Kreft, R.W. Soria-Auza, N.E. Zimmermann, H.P. Linder and M. Kessler // Scientific Data. - 2017. - V. 4. - 170122. - https://doi.org/10.1038/sdata.2017.122

127. Kempen, B. Updating the 1:50,000 Dutch soil map using legacy soil data: a multinomial logistic regression approach / B. Kempen, D.J. Brus, G.B. Heuvelink, J.J. Stoorvogel // Geoderma. - 2009. - Vol. 151. - №. 3. - P. 311-326.

128. Kempen, B. Operationalizing digital soil mapping for nationwide updating of the 1:50,000 soil map of the Netherlands / B. Kempen, D.J. Brus, F. de Vries // Geoderma. - 2015. - Vol. 241. - P. 313-329.

129. Kleinberg, E. Stochastic Discrimination / E. Kleinberg // Annals of Mathematics and Artificial Intelligence. - 1990. - Vol. 1(1-4). - P. 207-239. doi: 10.1007/BF01531079.

130. Kleinberg, E An Overtraining-Resistant Stochastic Modeling Method for Pattern Recognition / E. Kleinberg // Annals of Statistics. - 1996. - Vol. 24 (6). -P. 2319-2349. doi:10.1214/aos/1032181157. MR 1425956.

131. Kleinberg, E. On the Algorithmic Implementation of Stochastic Discrimination / E. Kleinberg // IEEE Transactions on PAMI. - 2000. - Vol. 22. -№ 5. - P. 473-490.

132. Lagacherie, P. Digital soil mapping: A state of the art / P. Lagacherie // Digital soil mapping with limited data. - Springer Netherlands. - 2008. - P. 3-14.

133. Lagacherie, P. Spatial soil information systems and spatial soil inference systems: perspectives for digital soil mapping / P. Lagacherie, A.B. McBratney // Developments in soil science. - 2007. - Vol. 31. - P. 3-22.

134. Lagacherie, P. Formalisation des lois de distribution des sols pour automatiser la cartographie pédologique à partir d'un secteur pris comme référence. Cas de la Petite Région Naturelle de la moyenne vallée de l'Hérault. Ph.D. Thesis / P. Lagacherie. - Montpellier: ENSA-INRA, (in French). - 1992.

135. Liaw, A. Classification and Regression by randomForest /A. Liaw, M. Wiener // R News. - 2002. - Vol. 2/3. - P. 18-22.

136. MacMillan, R.A. Automated predictive ecological mapping in a Forest Region of B.C., Canada, 2001-2005 / R.A. MacMillan., D.E. Moon, R.A. Coupé // Geoderma. - 2008. - Vol. 140, Issue 4. - P. 353-373.

137. Malone, B.P. Using model averaging to combine soil property rasters from legacy soil maps and from point data / B.P. Malone, B. Minasny, N.P. Odgers, A.B. McBratney // Geoderma. - 232. - 2017. - P. 34-44.

138. Malone, B.P. Using R for Digital Soil Mapping / B.P. Malone, B. Minasny, A.B. McBratney. - Springer, 2017. - 262 p.

139. Malouf, R. A comparison of algorithms for maximum entropy parameter estimation (PDF)/ R. Malouf // Sixth Conf. on Natural Language Learning (CoNLL). - 2002. - P. 49-55. doi: 10.3115/1118853.1118871.

140. McBratney, A.B. On Digital Soil Mapping / A.B. McBratney, M.M.L. Santos, B. Minasny // Geoderma. - 2003. - Vol. 117. - № 1-2. - P. 3-52.

141. McBratney, A.B. From pedotransfer functions to soil inference systems /

A.B. McBratney, B. Minasny, S. Cattle, R.W. Vervoort // Geoderma. - 2002. -Vol. 109. - P. 41-73.

142. McBratney, A.B. Application of fuzzy sets in soil science: fuzzy logic, fuzzy measurements and fuzzy decisions /, A.B. McBratney, I.O.A. Odeh // Geoderma. - 1997. - Vol. 77. - P. 85-113.

143. McBratney, A.B. Spatial prediction and mapping of continuous soil classes / A.B. McBratney, J.J. de Gruijter, D.J. Brus // Geoderma. - 1992. - Vol. 54. -P. 39-64.

144. Menard, S. Applied Logistic Regression Analysis / S. Menard // SAGE Publications. -2001. - P. 128.

145. Minasny, B. Digital soil mapping: A brief history and some lessons /

B. Minasny, A.B. McBratney // Geoderma. - 2016. - Vol. 264. - P. 301-311.

146. Minasny, B. FuzME version 3.0 / B. Minasny, A.B. McBratney // Australian Centre for Precision Agriculture, The University of Sydney, Asutralia. - 2002. -URL: https://precision-agriculture.svdney.edu.au/resources/software/, free access (10.09.2018)

147. Minasny B. A conditioned Latin hypercube method for sampling in the presence of ancillary information / B. Minasny, A.B. McBratney // Computers & Geosciences. - 2005. - Vol. 32. - P. 1378-1388.

148. Odgers, N.P. Disaggregating and harmonising soil map units through resampled classification trees / N.P. Odgers, P. Nathan, W. Sun, A.B. McBratney,

B. Minasny, D. Clifford // Geoderma. - 2014. - Vol. 214. - P. 91-100.

149. Oldeman, L.R. A world soils and terrain digital database (SOTER) — An improved assessment of land resources / L.R. Oldeman, V.W.P. Van Engelen // Geoderma. - 1993. - V. 60. - №. 1. - P. 309-325.

150. Quinlan, J.R. Induction of Decision Trees / J.R. Quinlan // Machine Learning. - 1986. - 1. - P. 81-106

151. Qi, F. Fuzzy soil mapping based on prototype category theory / F. Qi, A.X. Zhu, M. Harrower, J.E. Burt // Geoderma. - 2006. - №136. - P. 774-787.

152. Shary, P.A. Fundamental quantitative methods of and surface analysis / P.A. Shary, L.S. Sharay, A.V. Mitusov // Geoderma. - 2002. - Vol. 107. - P. 1-43.

153. Subburayalu, S.K. Soil series mapping by knowledge discovery from an Ohio county soil map /S.K. Subburayalu, B.K. Slater // Soil Sci. Soc. Am. J. -2013. - Vol. 77. - P. 1254-1268.

154. Vincent, S. Spatial disaggregation of complex Soil Map Units at the regional scale based on soil-landscape relationships, / S. Vincent, B. Lemercier, L. Berthier,

C. Walter // Geoderma. - 2018. - Vol. 311. - P. 130-142.

155. Webster, R. Multiple discriminant analysis in soil survey / R. Webster, P.A. Burrough // Journal of Soil Science. - 1974. - Vol. 25. - P. 120-134.

156. Yamazaki, D. A high-accuracy map of global terrain elevations /

D. Yamazaki, D. Ikeshima, R. Tawatari, T. Yamaguchi, F. O'Loughlin, J. C. Neal, C.C. Sampson, S. Kanae and P.D. Bates // Geophys. Res. Lett. - 2017. - Vol. 44. - P. 5844-5853. doi:10.1002/2017GL072874.

157. Zhu, A.X. Predictive soil mapping with limited sample data / A.X. Zhu, J. Liu, F. Du, S.J. Zhang, C.Z. Qin, J. Burt, T. Behrens, T. Scholten // European Journal of Soil Science. - 2015. - Vol. 66. - №. 3. - P. 535-547.

158. Zhu, A.X. Soil mapping using GIS, expert knowledge, and fuzzy logic / A.X. Zhu, B. Hudson, J. Burt, K. Lubich, D. Simonson // Soil Science Society of America Journal. - 2001. - Vol. 65. - №. 5. - P. 1463-1472.

159. Zhu, A.X. Soil Pattern Inference Using GIS Under Fuzzy Logic: A Thesis Submitted in Conformity with the Requirements for the Degree of Doctor of Philosophy / A.X. Zhu. - Toronto: Department of Geography, University of Toronto. - 1994.

«

м та н м

Г5

н та

я

н та

я о л и

Г6

ЕС ЕС О

о

ЕЗ О

к та о и м

л

и о

и>

м

*

та

X

о\

М

я

та

5

о

Ы

п я я

п

и) о

та

М

и>

а

Г6!

та

ЕЕ

н м зз

Г6 Г6

ЕЕ

Й м

Условные обозначения

I-1 границы хозяйства

I I земли управления автодорог Ярославской области производственные площади хозяйства ]] земли населенных пунктов НН леса и кустарники Алексино название населенного пункта центральная усадьба хозяйства У! производственный центр хозяйства молочно-товарная ферма свиноферма

- реки и ручьи

Ж пруды и водохранилища

N

1

«Г—Е

т

Приложение Б Описания представительных разрезов и полуразрезов

Ярославская область, Переславский район, п. Дубки.

Разрез № 1

Привязка: N 56.66637°; Е 39.16817°.

Местность: вытянутая водораздельная поверхность, уклон менее 1 грд., пашня.

Фото

Горизонт

Ап;

Ai

BÄ2

Bti

Bt2

Глубина мощность, см

0-20 20

20-32

12

32-52 20

52-116 64

116-132

>16

Морфологическое описание горизонта

светло-серый, порошисто-комковатыи, сухой, рыхлый, среднесуглинистый, пронизан корнями, переход ясный по плотности

светло-буровато-серый, мелко-ореховато-комковатый, свежий, рыхлый, но по сложению заметно плотнее верхнего, среднесуглинистый, пронизан корнями, переход ясный по цвету

оранжево-бурый с белесыми пятнами и заклинками, комковато-ореховатый, свежий, плотный, средне-тяжелосуглинистый, реже

пронизан корнями, по ходам корней встречаются темные гумусовые прожилки,

кремнеземистая присыпка по граням структурных отдельностей, переход ясный по цвету

оранжево-бурый, ореховатый, свежий,

плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней встречаются темные гумусовые прожилки

оранжево-бурый, ореховато-призматический, свежий, плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней встречаются темные гумусовые прожилки, встречается дресва известкового материала в области концентрации которой наблюдается вскипание от 10-% HCl

Почва: серая лесная освоенная среднемощная глубоковскипающая среднесуглинистая на покровном суглинке (КиДП 1977 г.). Индекс: Л2" ос ГВ с П.

Разрез № 2

Привязка: N 56.66673°; Е 39.16799°.

Местность: край водораздельной поверхности увала, уклон менее 1 грд., пашня.

Фото

Глубина

Горизонт мощность, Морфологическое описание горизонта см

Ап;

0-23 23

светло-буровато-серый, порошисто-комковатый, сухой, рыхлый, среднесуглинистый, пронизан корнями, переход резкий по цвету

ВА2

23-56 33

оранжево-бурый с белесым оттенком, ореховато-комковатый, свежий, плотный, средне-тяжелосуглинистый, реже пронизан корнями, по ходам корней встречаются темные гумусовые прожилки, кремнеземистая присыпка обильно пятнами и затеками по профилю и по граням структурных отдельностей, переход постепенный по цвету

оранжево-бурый, ореховато-призматический, свежий/влажный в нижней части, плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней встречаются темные гумусовые прожилки, в середине горизонта выделяется темно-серое пятно диаметром около 15-20 см

в области которого был обнаружен валун известкового материала диаметром около 1012 см

Примечания: с 1,5 м начинается горизонт С, на глубине 2 метра встречается дресва известкового материала

Почва: серая лесная освоенная среднемощная глубоковскипающая среднесуглинистая на покровном суглинке (КиДП 1977 г.)

Bt

56-107 51

Индекс: Л2" ос ГВ с П

Разрез № 3

Привязка: N 56.66717°; Е 39.16796°

Местность: верхняя часть склона увала, уклон около 2-3 грд., пашня.

Фото

Глубина Горизонт мощность, см

Ап;

ВА2

Ви

Ве

0-22 22

22-47 25

47-70 23

70-104 34

Морфологическое описание горизонта

светло-серый, порошисто-комковатый, сухой, рыхлый, среднесуглинистый, пронизан корнями, переход ясный по цвету

оранжево-бурый с белесыми пятнами и заклинками, комковато-ореховатый,

свежий, плотный, средне-тяжелосуглинистый, реже пронизан корнями, по ходам корней встречаются темные гумусовые прожилки, кремнеземистая присыпка по граням структурных отдельностей, переход ясный по цвету

оранжево-бурый, ореховатый, свежий,

плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней встречаются темные гумусовые прожилки

оранжево-бурый, ореховатый, свежий,

плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней встречаются темные гумусовые прожилки

Почва: серая лесная освоенная среднемощная глубоковскипающая среднесуглинистая на покровном суглинке (КиДП 1977 г.)

Индекс: Л2" ос ГВ с П

Разрез № 4

Привязка: N 56.66748°; Е 39.16747°.

Местность: верхняя часть склона, уклон около 2-3 грд., пашня.

Фото

Глубина Горизонт мощность, см

Ап;

Ä1

BÄ2

Bt1

Bt

0-20 20

20-30 10

30-50 20

50-90 40

90-105 15

Морфологическое описание горизонта

светло-серый, порошисто-комковатый, свежий, рыхлый, среднесуглинистый, пронизан корнями, переход ясный по плотности

светло-серый, порошисто-комковатый, свежий, рыхлый, среднесуглинистый, пронизан корнями, встречается редкая дресва известкового материала (вскипает от 10% HCL), переход ясный по цвету

оранжево-бурый с белесыми пятнами и заклинками, комковато-ореховатый,

свежий, плотный, средне-тяжелосуглинистый, реже пронизан корнями, по ходам корней встречаются темные гумусовые прожилки, кремнеземистая присыпка пятнами и заклинками, переход ясный по цвету

оранжево-бурый, комковато-ореховатый, свежий, плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней встречаются темные гумусовые прожилки, переход постепенный по плотности и структуре

оранжево-бурый, ореховато-призматический, свежий, плотный (плотнее B1), тяжелосуглинистый, единичные корни, пористый, встречаются темные гумусовые прожилки

Почва: серая лесная освоенная среднемощная глубоковскипающая среднесуглинистая на покровном суглинке (КиДП 1977 г.) Индекс: Л2" ос ГВ с П

Разрез № 5

Привязка: N 56.66777°; Е 39.16758°

Местность: средняя часть склона, уклон около 2-3 грд., пашня.

Фото

Глубина Горизонт мощность, см

Ап;

Ai

BÄ2

Bt

0-20 20

20-32 12

33-66 23

66-88 22

Морфологическое описание горизонта

буровато -светло -серый, порошисто -комковатый, свежий, рыхлый, среднесуглинистый, пронизан корнями, переход ясный по плотности

буровато-светло-серый, порошисто-комковатый, свежий, рыхлый, среднесуглинистый, пронизан корнями, в нижней части встречается редкая дресва известкового материала (вскипает от 10% HCL), переход ясный по цвету

оранжево-бурый с белесыми пятнами, комковато-ореховатый, свежий, плотный, средне-тяжелосуглинистый, реже пронизан корнями, по ходам корней встречаются темные гумусовые прожилки, кремнеземистая присыпка пятнами, переход постепенный по цвету

оранжево-бурый, ореховатый, свежий,

плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней встречаются темные гумусовые прожилки

Почва: серая лесная освоенная среднемощная глубоковскипающая среднесуглинистая на покровном суглинке (КиДП 1977 г.) Индекс: Л2" ос ГВ с П

Разрез № 6

Привязка: N 56.66828°; Е 39.16762°

Местность: средняя часть склона, уклон около 2-3 грд., пашня.

Фото

Горизонт

Ап;

Ä1

BÄ2

Bt1

Bt2

Глубина мощность, см

0-20 20

20-30 10

30-50 20

50-90 40

90-105 15

Морфологическое описание горизонта

светло-серый, порошисто-комковатый, свежий, рыхлый, среднесуглинистый, пронизан корнями, переход ясный по плотности

светло-серый, порошисто-комковатый, свежий, рыхлый, среднесуглинистый, пронизан корнями, встречается редкая

дресва известкового материала (вскипает от 10% HCL), переход ясный по цвету

оранжево-бурый с белесыми пятнами и заклинками, комковато-ореховатый,

свежий, плотный, средне-тяжелосуглинистый, реже пронизан корнями, по ходам корней встречаются темные гумусовые прожилки, кремнеземистая присыпка пятнами и заклинками, переход ясный по цвету

оранжево-бурый, комковато-ореховатый, свежий, плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней

встречаются темные гумусовые прожилки, переход постепенный по плотности и структуре

оранжево-бурый, ореховато-призматический, свежий, плотный (плотнее Bt1), тяжелосуглинистый, единичные корни, пористый, встречаются темные гумусовые прожилки

Почва: серая лесная освоенная среднемощная глубоковскипающая среднесуглинистая на покровном суглинке (КиДП 1977 г.) Индекс: Л2" ос ГВ с П

Разрез № 7

Привязка: 56.66867°; Е 39.16753°.

Местность: средняя часть склона, уклон около 2-3 грд., пашня.

Фото

Глубина Горизонт мощность, см

Ап;

Аь

ВА2

Вг

0-25 25

25-40 15

40-58 18

58-85 27

Морфологическое описание горизонта

светло-серый со слабым буроватым оттенком, порошисто-комковатый, свежий, рыхлый, среднесуглинистый, пронизан корнями, переход резкий по цвету

темно-серый, непрочно-комковатый, свежий, рыхлый, среднесуглинистый, пронизан корнями, белесая присыпка, переход ясный по цвету

оранжево-бурый с белесыми заклинками, ореховато-непрочно-комковатый, свежий, плотный, среднесуглинистый, реже пронизан корнями, по ходам корней встречаются темные гумусовые прожилки, кремнеземистая присыпка заклинками, переход ясный по цвету, языковатый

оранжево-бурый, ореховато-призматический, свежий, плотный, тяжелосуглинистый, реже пронизан корнями, пористый, по ходам корней встречаются выраженные темные гумусовые прожилки

Примечания: по снимку темное пятно; нижняя часть гор Апах (с 16 см) уплотнена; образцы по горизонтам; бурение - 220 см покровный суглинок, не кипит.

Почва: серая лесная освоенная со вторым гумусовым горизонтом мощная глубоковскипающая среднесуглинистая на покровном суглинке (КиДП 1977 г.)