Способ идентификации агроэкологических групп с использованием дистанционной информации Российский патент 2024 года по МПК G01N33/24 G01V99/00 

Изобретение относится к области сельского хозяйства, а именно к применению процедуры обработки данных дистанционного зондирования Земли в целях идентификации агроэкологических групп земель с использованием дистанционных данных и полевых изысканий.

При характеристике разработанного технического решения будут использованы следующие термины:

- с высокой степенью достоверности распознания. В рамках данной заявки этот термин означает итоговое распознание образов с точностью не менее 75%.

Известен (RU, патент 2660224, опубл. 05.07.2018) способ выявления и картирования структуры почвенного профиля методом съемки в инфракрасном диапазоне спектра, заключающийся в съемке почвенного профиля радиометром в инфракрасном диапазоне, где границы почвенных горизонтов определяют по перепаду значений радиояркостной температуры в зонах пограничных переходов, позволяющий получать автоматизированные количественные оценки почвенных морфоструктур и исключающий субъективный визуальный анализ, при этом съемку осуществляют в диапазоне от 7,5 до 13 мкм, с радиометрическим разрешением не хуже 0,1°С, пространственным разрешением не ниже 1×1 см, съемка проводится перпендикулярно стенке разреза с расстояния, равного 50-200 см, для последующего масштабирования изображения при съемке профиля устанавливают метки глубины через каждые 10 см, после процедуры съемки для исследуемого почвенного разреза формируют двумерный массив значений радиояркостных температур с шагом измерений, соответствующим разрешающей способности прибора съемки, этап анализа и построения схемы профиля проводят путем обработки двумерных массивов данных программными продуктами.

К недостаткам данного метода следует отнести низкую точность определения, обусловленную использованием фотосъемки.

Известен также (RU, патент 2105974, опубл. 17.02.1998) способ диагностики почвенного покрова по данным дистанционной информации, включающий проведение космической съемки, сбор тематических картографических материалов и проведение выборочных наземных исследований, при этом с целью повышения результативности дешифрирования проводят многозональную съемку в трех каналах видимой и ближней инфракрасной части спектра, полученные результаты обрабатывают методом кластерного анализа, на основании которого составляют карту спектральных классов и таблицу их статистик, средние яркости кластеров представляют в координатах разностей спектральных яркостей r (0,5-0,6) мкм-r (0,6 0,7) мкм и r(0,8 0,9) мкм-r (0,6 0,7) мкм и координатах r(0,5 0,6) мкм и r(0,6 0,7) мкм, по положению кластеров в указанных координатах выполняют интерпретацию почвенного покрова, используя тематические карты и данные наземных исследований.

К недостаткам известного способа следует отнести, по меньшей мере, применимость его только в условиях открытой поверхности и развитого растительного покрова.

Известен также (RU, патент 2308679, опубл. 20.03.2007) способ картографирования земель, включающий их космическую съемку, аэросъемку, оценку качества и классификацию их почв, расчет их стоимости. При этом на снимках земель обследуемой территории по фототону, структуре изображения, спектральной яркости визуально определяют ареалы почвенных разностей, выделяют их условными обозначениями, сканируют снимки земель и их топографическую основу, совмещают полученные отображения на экране компьютера по опознаваемым точкам в одно общее двухслойное отображение, объектизируют, генерализуют, векторизуют на нем границы земель с разными почвенными и геоморфологическими признаками, зафиксированными съемкой, при необходимости производят дополнительную аэросъемку обследуемых сложных участков земель непосредственно после схода снежного покрова и границы почвенных разностей уточняют наложением аэроснимков почвы на аэроснимки растительности, места несовпадения этих границ на двухслойном отображении уточняют полевыми почвенными работами, после чего разделяют земли на зоны по видам их оптимального использования, условными обозначениями указывают этот вид использования, границы, конфигурацию, площадь зон, тип, подтип, характеристики почв этих зон, при необходимости убирают ненужные зафиксированные съемкой и имеющиеся в используемой топографической основе объекты и детали, фиксируют полученное общее отображение в электронном носителе как базу свойств земель обследуемой территории, распечатывают на бумажном носителе в требуемом виде и масштабе как картограмму классификации земель обследуемой территории по их использованию и/или как карту зонирования (районирования) земель обследуемой территории по пригодности для использования в сельском хозяйстве.

Недостатком известного способа следует признать его невысокую точность и техническую сложность.

Известен также (RU, патент 2327987, опубл. 27.06.2008) способ диагностики почвенного покрова по данным дистанционной информации, включающий проведение космической съемки, обработку полученных данных, сбор тематических картографических материалов и проведение выборочных наземных исследований; на основании полученных данных, тематических картографических материалов и данных наземных исследований корректируют почвенный покров, при этом дополнительно проводят космическую радиолокационную съемку в диапазонах длин волн 5,6 и 3,1 см, обрабатывают полученные данные и на основании полученных данных корректируют почвенный покров.

Недостатком известного способа следует признать его длительность и малую информативность.

Техническая проблема, на решение которой направлен предлагаемый способ, состоит в картировании территории в целях практического использования в сельском хозяйстве с выделением агроэкологических групп через получение стационарных во времени агроэкологических разностей, причем выделение осуществляют в среднем масштабе с использованием данных дистанционного зондирования и цифровых моделей рельефа.

Технический результат, достигаемый при реализации разработанного способа, состоит в уточнении и ускорении работ по агроэкологическому и почвенному картированию для информационного обеспечения сельского хозяйства, а также возможности проведения ретроспективного анализа агроэкологических состояний сельскохозяйственных земель за период времени, не превышающий возможности мультиспектральной спутниковой съемки.

Для достижения указано технического результата предложено использовать разработанный способ идентификации агроэкологических групп с использованием дистанционной информации. Согласно разработанному способу проводят мультиспектральную спутниковую съемку среднего разрешения картируемой территории, со стороной пиксела 10-30м, создают цифровую модель рельефа территории с аналогичным разрешением, полученную информацию объединяют во временные ряды данных, причем временной ряд данных охватывает не менее трех лет или не менее продолжительности цикла севооборота для картируемой территории, временных ряда должно быть не менее двух с общим периодом охватывающим не менее 10 лет, на основе цифровой модели рельефа с использованием двухмерного спектрального анализа рассчитывают дополнительные морфометрические характеристики рельефа, такие как кривизна, вогнутость, градиент, вогнутость, на наборы данных дистанционной информации и морфометрических характеристик рельефа накладывают маску сельскохозяйственных земель таким образом, чтобы в дальнейший анализ входили только сельскохозяйственные земли, подлежащие картированию, на подготовленных таким образом дистанционных данных производят процедуру выделения агроэкологических разностей и проверку их устойчивости, при выделении устойчивых агроэкологических разностей формируют пространство значимых факторов на основе дистанционных данных одного временного ряда, которые подвергают процедуре кластеризации, полученные кластеры агроэкологических разностей подвергают проверке на устойчивость с использованием дискриминантного анализа, определяют физический смысл полученных кластеров агроэкологических разностей с использованием агроэкологических и агрохимических описаний получаемых в ходе полевых обследований картируемой территории для чего формируют сеть точек полевых обследований таким образом, чтобы для каждого выделенного кластера было получено от 5 до 10 агроэкологических описаний, в каждой размеченной точке делают шурф на глубину не менее 150 см, проводят описания почвенных горизонтов, типа и характеристик почвы, отбор проб для агрохимического обследования, каждому полученному кластеру агроэкологических инвариант ставят в соответствие относительное плодородие, полученное как среднемноголетний индекс вегетации, положение в ландшафте, набор агроэкологических описаний и агрохимических характеристик, присваивают агроэкологическую группу в соответствии с принятой классификацией агроэкологических групп земель, проводят картографическое отображение полученных кластеров в виде элементарных почвенных контуров, определяют степень стационарности во времени полученных карт элементарных почвенных контуров, для чего проводят распознавание полученных почвенных разностей с использованием данных второго временного ряда, проводят построение карт агроэкологических свойств и почвенных характеристик, для чего проводят пространственную интерполяцию агроэкологических и агрохимических характеристик внутри каждого элементарного почвенного контура, сохраняя пространственную дифференциацию характеристик между полученными почвенными разностями.

Решение технической задачи основано на том факте, что структура поглощенной солнечной радиации отражает состояние растительного покрова и, следовательно, условия его произрастания, в то время как морфометрические характеристики рельефа определяют гравитационный перенос вещества и перераспределение тепла и влаги на поверхности. Таким образом, возможно использование дистанционной спектральной информации совместно с цифровой моделью рельефа для описания условий произрастания для конкретной территории. Для проведения семантической интерпретации наблюдаемой по дистанционной информации спектральной картины, предлагается использование полевых агроэкологических описаний, в качестве обучающей выборки для распознания агроэкологических свойств и типов почв. Точки для проведения полевых описаний размещают таким образом, чтобы охватить все разнообразие агроэкологических свойств картографируемой территории,

Условием достижения результата является исключение нестационарной части в наблюдаемых дистанционных данных, которое возникает вследствие применения севооборотов и различных агротехнологий, а также связано с различными стадиями вегетации растительного покрова и климатическими условиями конкретного года и сезона.

Способ подразумевает использование мультиспектральной дистанционной спутниковой информации среднего разрешения, со стороной пиксела 10-30 м и цифровой модели рельефа с аналогичным разрешением. Такое разрешение данных обуславливается необходимостью достаточно подробного анализа территории для нужд сельского хозяйства, с одной стороны, и необходимостью исключения избыточного варьирования отражательной способности поверхности, присущее данным более высокого разрешения, с другой.

Для решения технической задачи сначала необходимо осуществить подготовку дистанционных данных и морфометрических характеристик рельефа.

Данные дистанционного зондирования объединяют во временные ряды. Временной ряд данных должен охватывать не менее трех лет или не менее продолжительности цикла севооборота для картируемой территории. Количество сцен дистанционной информации в одном временном ряде должно быть не менее 10, количество спектральных каналов не менее 6 и общий диапазон сьемки не менее 0,4-2.3 мкм. Снимками должна быть равномерно охвачена вся продолжительность вегетационного периода с учетом применяемых агротехнологий. Для выделения устойчивых во времени агроэкологических групп и почвенных разностей должно быть подготовлено не менее двух таких временных рядов, охватывающих период не менее 10 лет.

Морфометрические характеристики рельефа рассчитывают на основе цифровой модели рельефа с разрешением не менее 30 м в 1 пикселе. С использованием двухмерного спектрального анализа рассчитывают фрактальную размерность рельефа и определяют изменения данной размерности в зависимости от величин и форм рельефа. Используя обратное спектральное преобразование, создают цифровые модели для дополнительных морфометрических характеристик рельефа, а именно кривизны, вогнутости и градиента рельефа. Расчет иерархических уровней морфометрических характеристик рельефа проводится в соответствии с методиками описанными в работе Пузаченко Ю.Г., Онуфреня И.А., Алещенко Г.М. «Спектральный анализ иерархической организации рельефа».

Последняя часть подготовки данных - наложение маски сельскохозяйственных земель на наборы данных дистанционной спектральной информации и морфометрических характеристик рельефа. Маску накладывают таким образом, чтобы в анализ входили только сельскохозяйственные земли, подлежащие картированию, и были исключены земли иных типов (например земли населенных пунктов, дорог, речной сети и прочее).

На подготовленных таким образом дистанционных данных, производят процедуру выделения агроэкологических разностей и проверку их устойчивости. Физический смысл полученных разностей определяют использованием данных, получаемых из полевых агроэкологических описаний.

При выделении агроэкологических разностей последовательно решают следующие частные задачи:

1) Выделение пространственных стационарных кластеров (агроэкологических инвариант).

Задачу выделения стационарных кластеров в наборах исходных данных мультиспектральной спутниковой съемки решают применением иерархического факторного анализа, проводя поэтапные процедуры сокращения размерности. Сначала проводят построение факторного пространства, для чего проводят поэтапное обобщение факторов - сначала обобщают данные, описывающие каждую конкретную сцену во временном ряде дистанционной спектральной информации, далее полученные обобщенные факторы для индивидуальных сцен обобщают в рамках одного года, после этого факторы, обобщающие каждый отдельный год, обобщают для всего рассматриваемого периода. Дополнительно в состав факторов входят полученные ранее морфометрические характеристики рельефа.

Для отбора значащих факторов для каждой факторной группы строят ранговое распределение с учетом таблицы коэффициентов факторных нагрузок. Факторы, собственные числа которых оказываются ниже модельных, а также имеют значения меньше единицы, считаются незначимыми и не входят в анализ при следующих стадиях факторной интеграции.

Факторы, признанные значимыми, рассматривают как пространство факторов, описывающих агроэкологические характеристики территории, и которые далее подвергаются факторному анализу для определения пространственной изменчивости данных характеристик. Для того чтобы выделить факторы, соответствующие инвариантным во времени (постоянным) характеристикам территории, в данном техническом решении рассчитывают две группы факторов: по одной группе для каждого временного ряда дистанционной информации.

Полученное таким образом пространство факторов подвергают процедуре кластеризации путем пошагового дихотомического итеративного метода к-средних; метод заключается в последовательном разбиении территории на классы по основанию два. На каждой итерации кластеризации количество классов увеличивается вдвое, а каждая пара полученных классов территориально наследует характеристики класса из предыдущей итерации. Процедуру кластеризации (разбиения на классы) останавливают либо экспертно, когда количество полученных классов (кластеров) соответствует агроэкологическим представлениям о дробности агроэкологических характеристик исследуемой территории, либо при получении итераций классификации, обладающих максимальной энтропией относительно частоты встречаемости кластеров, т.е. при максимизации значения - где х(р) - вероятность появления класса Xi получаемая как частота его встречаемости на рассматриваемой территории.

Далее полученные кластеры подвергают проверке их устойчивости с использованием дискриминантного анализа, используя классы как обучающую выборку, а дистанционную спектральную информацию и цифровую модель рельефа как предиктор. Таким образом каждой пространственной ячейке сопоставляется ее однозначность выделения относительно проведенной кластеризации: ячейки, обладающие однозначной принадлежностью к какому-либо классу, в дальнейшем рассматриваются как устойчивые, а ячейки с размытой принадлежностью - как неустойчивые. При этом устойчивые факторы трактуются как факторы, связанные с условно-постоянными характеристиками исследуемой территории, такими как агро-ландшафтные и почвенные характеристики. Неустойчивые факторы трактуются как факторы, связанные с переменными и циклично-переменными характеристиками, такие как растительный покров, его фаза, сезонные и климатические характеристики, применяемые агротехнологий и т.д. Дальнейшему анализу подвергаются только кластеры устойчивых факторов, или агроэкологические инварианты, для определения агро-ландшафтных и почвенных характеристик.

2) Определение физического смысла полученных кластеров (агроэкологических инвариант). Выделение агроэкологических свойств элементарных почвенных контуров.

Чтобы выявить связи между кластерами (агроэкологическими инвариантами), полученными на предыдущем шаге, и агроэкологическими характеристиками почв, используют процедуры машинного обучения, используя набор агроэкологических почвенных описаний в качестве обучающей выборки.

Для получения набора данных полевых агроэкологических описаний планируют сеть размещения полевых наблюдений. Для достижения статистической достоверности семантической интерпретации полученных кластеров, необходимо проведение от 5 до 10 описаний агроэкологических характеристик почв для каждого выделенного кластера (агроэкологической инварианты). Набор описаний в каждой точке полевых наблюдений должен содержать пробы для идентификации исследуемых почвенных свойств взятые по профилю на глубину не менее 150 см и почвенное описание на таком же профиле позволяющее идентифицировать агроэкологические группы и типы почв. Для этого в каждой размеченной точке делается шурф глубиной не менее 150 см, проводятся описания почвенных горизонтов в шурфе, цвета почв по колориметрической системе Манселла с шагом 10 см, выделение типа почв, определение гранулометрического состава почвы и иных требуемых агроэкологических характеристик, а также производится отбор проб для последующего лабораторного агрохимического анализа почв. Точное положение проведения почвенных агроэкологических описаний фиксируют с использованием средств GPS/Glonass.

Для решения задачи поиска связи между картируемыми агроэкологическими характеристиками почв и полученными кластерами (агроэкологическими инвариантами) используют метод дискриминантного анализа, при котором данные полевых агроэкологических описаний почв используются как обучающая выборка в пространстве полученных агроэкологических инвариант. Полученным кластерам ставят в соответствие временные ряды значений индексов вегетации и их производных, полученных из дистанционной информации, которые характеризуют фотосинтетическую активность поверхности, а именно нормализованный относительный вегетационный индекс NDVI и близкие по смыслу индексы, использующие феномен красного угла в спектре отраженной солнечной радиации, с одной стороны, и соответствующие полевые агроэкологические описания, с другой. По итогам анализа для каждого стационарного кластера определяется набор присущих ему агроэкологических описаний, содержащих почвенные характеристики, и среднемноголетние значения вегетационных индексов, таким образом формируются карты элементарных почвенных контуров с пространственно-инвариантными агроэкологическими характеристиками.

Далее, в целях проведения идентификации принадлежности полученных кластеров агроэкологических инвариант к агроэкологическим группам земель, осуществляют их ранжирование по относительному плодородию и положению в ландшафте. Для этого сначала проводится бонтировка кластеров по относительному плодородию. Относительное плодородие кластеров определяется как их положение в ряду среднемноголетних значений вегетационных индексов таким образом, что класс с максимальным значением среднемноголетних вегетационных индексов рассматривается как наиболее продуктивный, а класс с минимальным значением вегетационных индексов - как наименее продуктивный. Помимо этого, учитываются характеристики и структура почвенного покрова присущие данному кластеру и его положение в рельефе, которое характеризует условия произрастания на данной территории и тепло- и влагоперенос. Исходя из относительного плодородия, почвенных характеристик и положения в рельефе каждому из полученных кластеров агроэкологических инвариант присваивается агроэкологическая группа в соответствии с общей классификацией агроэкологических групп и типов земель. Используется классификация, принятая в «Агроэкологической оценке земель, проектирование адаптивно-ландшафтных систем земледелия и агротехнологий» (методическое руководство под ред. ак. В.И. Кирюшина и ак. А.Л. Иванова, 2005 г). Таким образом определяется агрономическая семантика полученных устойчивых кластеров и строятся их картографические отображения с присущими каждому кластеру почвенными характеристиками или элементарные почвенные контура.

3) Определение степени стационарности (временной устойчивости) полученных карт элементарных почвенных контуров и выделение почвенных разностей.

Определение степени стационарности полученных картографических отображений агроэкологических характеристик почв также производится с использованием дискриминантного анализа. Для этого используется второй ряд подготовленной дистанционной информации, охватывающий период, отстоящий от первого на 3-5 лет.

Процедура выявления стационарности состоит в распознании полученных почвенных контуров с присущими им агроэкологическими характеристиками с использованием интегральных факторов второго временного ряда дистанционной спектральной информации. Результатом этой проверки является идентификация стационарности (устойчивости во времени) выделенных агроэкологических инвариант на длительном отрезке времени (в данном решении охват данных для двух временных рядов дистанционной информации составляет не менее 10 лет).

Для изучения результатов дискриминантного анализа используют таблицу спутанности, которая отражает переходы агроэкологических классов (устойчивых агроэкологических кластеров) друг в друга, которые произошли по результатам анализа двух временных рядов. Пример таблицы спутанности, построенной на примере сопоставления двух временных рядов агроэкологических инвариант, охватывающих период в 10 лет, приведен на фиг. 1. По диагонали таблицы находятся «точные попадания» классов самих в себя. По переходам одного класса в другие можно установить, насколько достоверно изначально был задан класс, а также каковы типичные для него переходы в другие состояния. Переход в соседний класс, как правило, обусловлен изменением почвенно-ландшафтных характеристик и условий произрастания, произошедшим за период обследования в силу естественных изменений (например развитие эрозионных процессов) или изменений условий хозяйствования.

В качестве итогового размещения агроэкологических классов принимают результат данного дискриминантного анализа, т.е. предсказание пространственного размещения устойчивах агроэкологических классов с использованием результатов этапа один (выделение пространственных агроэкологических инвариант на основе анализа первого временного ряда) в качестве обучающей выборки.

Данные выделенные устойчивые агроэкологические классы принимаются за почвенные разности - элементарные почвенные контура, внутри которых агроэкологические характеристики почв считаются одинаковыми.

4) Построение карт агроэкологических свойств и почвенных характеристик.

На основе результатов этапов 2 и 3, строят картографические отображения (пространственные интерполяции) необходимых агроэкологических свойств и почвенных характеристик, сохраняя пространственную дифференциацию агроэкологических характеристик между выделенными почвенными разностями (элементарными почвенными контурами). Результатом является набор карт агроэкологических характеристик почв с детализацией 10-3 Ом и выделенными контурами почвенных разностей. Набор картируемых почвенных характеристик определяется набором данных, полученных из полевых агроэкологических описаний этапа 2.

Наиболее информативными и широко используемыми для решения сельскохозяйственных задач являются следующие наборы картографических данных:

1. Группы структур почвенного покрова;

2. Типы почв;

3. Гранулометрический состав почв;

4. Картограмма эрозионных земель;

5. Содержание в почве гумуса;

6. Содержание в почве подвижного фосфора;

7. Содержание в почве обменного калия;

8. Содержание в почве нитратного азота;

9. Содержание в почве серы;

10. Уровень кислотности почв;

11. Уровень гидролитической кислотности почв;

12. Степень засоленности почв;

13. Агроэкологические группы и виды земель.

Полученные экстраполированные агроэкологические характеристики записываются в слои ГИС с разрешением, соответствующим исходной спутниковой информации, и векторизуются с необходимой детальностью, но не больше одной поворотной точки на 10 м.

Сущность разработанного способа в дальнейшем будет показана с использованием примера реализации.

Данная работа проводилась для 107 полей общей площадью 10042 га на территории Белгородской области. Для данных полей были сформированы временные ряды мультиспектральных данных дистанционного зондирования с 30-метровым разрешением за период с 2012 по 2022 год. Также была построена цифровая модель рельефа с аналогичным разрешением, были рассчитаны дополнительные иерархические уровни рельефа и их морфометрические характеристики (градиент, кривизна, вогнутость). На основе указанных данных было сформировано общее пространство значимых факторов с применением методики пункта 1. «Выделение пространственных стационарных кластеров (агроэкологических инвариант)» описания методики и выделены агроэкологические инварианты. Всего для территории обследования были выделены 8 агроэкологических инвариант и определены контура зон однородностей агроэкологических характеристик.

Далее для определения агроэкологического смысла полученных агроэкологических инвариант была проведена серия полевых агроэкологических обследований. Точки для проведения обследования были размещены экспертным образом на основе полученной карты агроэкологических инвариант таким образом, чтобы в каждый контур, ограничивающий зоны однородности характеристик, попало не менее 5 точек проведения полевых обследований. Схема проведения полевых описаний приведена на фиг. 2.

Всего было заложено 160 точек для проведения почвенных агроэкологических описаний и 635 точек для отбора образцов для агрохимического лабораторного исследования. Данные полевых описаний были разбиты на две группы: первая группа данных была использована в качестве обучающей выборки для семантической привязки агроэкологических инвариант; вторая группа данных была использована для валидации итогов интерполяции почвенных характеристик.

Полевые описания были выполнены по методике, приведенной в п. 2. «Определение физического смысла полученных кластеров (агроэкологических инвариант). Выделение агроэкологических свойств элементарных почвенных контуров» описания методики. В каждой точке были сделаны шурфы на глубину от 150 до 200 см, по профилю было проведено агроэкологическое описание почвенных горизонтов, включающее определение типов почв, структуры почвенного покрова, гранулометрический состав, цвет и прочие характеристики почв. Отбор образцов для агрохимического обследования проводился конвертным методом со стороной квадрата 150 м. В данном примере определялись следующие агрохимические характеристики: гранулометрический состав, содержание гумуса, содержание обменного калия, содержание подвижного фосфора, содержание нитратного азота, содержание серы, уровень кислотности почв и уровень гидролитической кислотности почв.

Агрохимические описания были получены с помощью проведения лабораторных анализов почв и приведены к качественным дискретным показателям в соответствии с агрохимическими классификаторами. Содержание в почве подвижного фосфора и обменного калия было классифицировано в соответствии с классификацией Чирикова.

Далее, каждому выделенному контуру однородных агроэкологических характеристик были поставлены в соответствие среднемноголетние значения индексов вегетации NDVI, морфометрические характеристики рельефа и соответствующие агроэкологические описания и агрохимические характеристики почв. Для перехода от дискретных значений почвенных характеристик к непрерывному пространственному отображению была проведена интерполяция методом опорных векторов, при этом агроэкологические инварианты и морфометрические характеристики рельефа использовались в качестве предикторов, а дискретные агрохимические характеристики в качестве обучающей выборки. В результате для каждого контура однородных агроэкологических характеристик были определены агроэкологический тип земель, полученный исходя из относительного плодородия и положению в ландшафте в соответствии с классификацией агроэкологических типов земель, а также присущей ему набор почвенных характеристик. Таким образом у каждой из выделенных для территории обследования 8 агроэкологических групп земель появился набор продукционных, агрохимических и морфометрических характеристик, позволяющих проводить количественные и качественные оценки, требуемые для решения сельскохозяйственных задач.

Далее, используя полученные данные пространственного распределения агроэкологических и агрохимических характеристик, были построены картографические отображения данного распределения, то есть набор карт почвенных характеристик для территории обследования, которые были преобразованы в слои ГИС для дальнейшего использования. В данной работе были получены следующие слои ГИС:

Карты типов почв (фиг. 3)

Карта гранулометрического состава почвы (фиг. 4)

Карта степени эрозии (фиг. 5)

Карта содержания гумуса (фиг. 6)

Карта содержания обменного калия (фиг. 7)

Карта содержания подвижного фосфора (фиг. 8)

Карта содержания нитратного азота (фиг. 9)

Карта содержания серы (фиг. 10)

Карта уровня кислотности почв (фиг. 11)

Карта агроэкологических типов земель (фиг. 12).

Далее была проведена кросс-валидациия с проверочной выборкой полевых агроэкологических описаний. По итогам проверки точность составила не менее 80% для всех исследуемых характеристик.

Изобретение относится к сельскому хозяйству. Способ идентификации агроэкологических групп с использованием дистанционной информации характеризуется тем, что проводят мультиспектральную спутниковую съемку среднего разрешения картируемой территории, со стороной пикселя 10-30 м, создают цифровую модель рельефа территории с аналогичным разрешением, полученную информацию объединяют во временные ряды данных, причем временной ряд данных охватывает не менее трех лет или не менее продолжительности цикла севооборота для картируемой территории, рассчитывают морфометрические характеристики рельефа на основе цифровой модели рельефа с разрешением не менее 30 м в 1 пикселе, с использованием двухмерного спектрального анализа, рассчитывают фрактальную размерность рельефа и определяют изменения данной размерности в зависимости от величин и форм рельефа, используя обратное спектральное преобразование, создают цифровые модели для дополнительных морфометрических характеристик рельефа, накладывают маску сельскохозяйственных земель на наборы данных дистанционной информации и морфометрических характеристик рельефа, причем маску накладывают таким образом, чтобы в анализ входили только сельскохозяйственные земли, подлежащие картированию, на подготовленных таким образом дистанционных данных производят процедуру выделения агроэкологических разностей и проверку их устойчивости, при этом физический смысл полученных разностей определяют с использованием данных полевых агроэкологических описаний, при выделении агроэкологических разностей последовательно выделяют пространственные стационарные кластеры, определяют физический смысл полученных кластеров с выделением агроэкологических свойств элементарных почвенных контуров, определяют степень стационарности полученных карт элементарных почвенных контуров, выделяют почвенные разности и проводят построение карт агроэкологических свойств и почвенных характеристик, причем задачу выделения стационарных кластеров в наборах исходных данных мультиспектральной спутниковой съемки решают применением иерархического факторного анализа, проводя поэтапные процедуры сокращения размерности, для выявления связи между кластерами и агроэкологическими характеристиками почв используют процедуры машинного обучения, используя набор полевых агроэкологических описаний в качестве обучающей выборки, причем для получения набора данных полевых агроэкологических описаний планируют сеть размещения полевых наблюдений, при этом для достижения статистической достоверности семантической интерпретации полученных кластеров проводят от 5 до 10 описаний агроэкологических характеристик почв для каждого выделенного кластера, определяют степень стационарности полученных карт элементарных почвенных контуров и выделение почвенных разностей путем использования дискриминантного анализа второго ряда подготовленной дистанционной информации, охватывающей период, отстоящий от первого на 3-5 лет. Изобретение позволяет уточнить и ускорить работы по агроэкологическому и почвенному картированию, а также позволяет обеспечить возможность проведения ретроспективного анализа агроэкологических состояний сельскохозяйственных земель. 4 з.п. ф-лы, 12 ил.

1. Способ идентификации агроэкологических групп с использованием дистанционной информации, характеризующийся тем, что проводят мультиспектральную спутниковую съемку среднего разрешения картируемой территории, со стороной пикселя 10-30 м, создают цифровую модель рельефа территории с аналогичным разрешением, полученную информацию объединяют во временные ряды данных, причем временной ряд данных охватывает не менее трех лет или не менее продолжительности цикла севооборота для картируемой территории, рассчитывают морфометрические характеристики рельефа на основе цифровой модели рельефа с разрешением не менее 30 м в 1 пикселе, с использованием двухмерного спектрального анализа, рассчитывают фрактальную размерность рельефа и определяют изменения данной размерности в зависимости от величин и форм рельефа, используя обратное спектральное преобразование, создают цифровые модели для дополнительных морфометрических характеристик рельефа, накладывают маску сельскохозяйственных земель на наборы данных дистанционной информации и морфометрических характеристик рельефа, причем маску накладывают таким образом, чтобы в анализ входили только сельскохозяйственные земли, подлежащие картированию, на подготовленных таким образом дистанционных данных производят процедуру выделения агроэкологических разностей и проверку их устойчивости, при этом физический смысл полученных разностей определяют с использованием данных полевых агроэкологических описаний, при выделении агроэкологических разностей последовательно выделяют пространственные стационарные кластеры, определяют физический смысл полученных кластеров с выделением агроэкологических свойств элементарных почвенных контуров, определяют степень стационарности полученных карт элементарных почвенных контуров, выделяют почвенные разности и проводят построение карт агроэкологических свойств и почвенных характеристик, причем задачу выделения стационарных кластеров в наборах исходных данных мультиспектральной спутниковой съемки решают применением иерархического факторного анализа, проводя поэтапные процедуры сокращения размерности, для выявления связи между кластерами и агроэкологическими характеристиками почв используют процедуры машинного обучения, используя набор полевых агроэкологических описаний в качестве обучающей выборки, причем для получения набора данных полевых агроэкологических описаний планируют сеть размещения полевых наблюдений, при этом для достижения статистической достоверности семантической интерпретации полученных кластеров проводят от 5 до 10 описаний агроэкологических характеристик почв для каждого выделенного кластера, определяют степень стационарности полученных карт элементарных почвенных контуров и выделение почвенных разностей путем использования дискриминантного анализа второго ряда подготовленной дистанционной информации, охватывающей период, отстоящий от первого на 3-5 лет.

2. Способ идентификации агроэкологических групп с использованием дистанционной информации по п. 1, отличающийся тем, что в качестве дополнительных морфометрических характеристик рельефа используют кривизну, вогнутость и градиент рельефа.

3. Способ идентификации агроэкологических групп с использованием дистанционной информации по п. 1, отличающийся тем, что для выявления связи между кластерами и агроэкологическими характеристиками почв используют набор полевых агроэкологических описаний в каждой размеченной точке, содержащий пробы для идентификации исследуемых почвенных свойств, взятые из шурфа по профилю на глубину не менее 150 см, и почвенное описание на таком же профиле, позволяющее идентифицировать агроэкологические группы и типы почв.

4. Способ идентификации агроэкологических групп с использованием дистанционной информации по п. 3, отличающийся тем, что для выявления связи в каждой размеченной точке выполняют шурф глубиной не менее 150 см, проводят описания почвенных горизонтов в шурфе, цвета почв по колориметрической системе Манселла с шагом 10 см.

5. Способ идентификации агроэкологических групп с использованием дистанционной информации по п. 1, отличающийся тем, что при проведении полевых агроэкологических описаний определяют следующие агрохимические характеристики: гранулометрический состав, содержание гумуса, содержание обменного калия, содержание подвижного фосфора, содержание нитратного азота, содержание серы, уровень кислотности почв и уровень гидролитической кислотности почв.