Изучение особенностей дешифрирования почвенного покрова степной зоны Западной Сибири на основе материалов дистанционного зондирования земли

Тип работы:
Реферат
Предмет:
Сельскохозяйственные науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 528. 77:631. 4(571. 1)
м. р. шаяхметов о. д. шойкин е. ю. федяева

Омский государственный аграрный университет им. П. А. Столыпина
ИЗУЧЕНИЕ ОСОБЕННОСТЕЙ ДЕШИФРИРОВАНИЯ ПОЧВЕННОГО ПОКРОВА СТЕПНОЙ ЗОНЫ ЗАПАДНОЙ СИБИРИ НА ОСНОВЕ МАТЕРИАЛОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ
В статье впервые публикуются новые подходы к почвенному дешифрированию материалов дистанционного зондирования земли путем дифференцированного синтезирования снимков в разных диапазонах частот для степной зоны Западной Сибири.
Ключевые слова: дистанционное зондирование Земли, почвенный покров, степная зона.
Задачей анализа материалов дистанционного зондирования является мониторинг плодородия почв земель в районах широкого освоения целинных и залежных земель в середине ХХ века, с целью определить направленность изменения свойств освоенных целинных почв спустя 60 лет и состояния их плодородия ко второму десятилетию ХХ! века. Эти задачи в полной мере согласуются с программой развития АПК России до 2020 г.
Изучение особенностей почвенного покрова степной зоны Западной Сибири проводилось на примере ООО Агрохолдинг «Сибирь» Одесского района Омской области.
Компьютерная обработка серии мультиспек-тральных космических снимков (МКС) методом синтезирования проводилась с использованием лицензированного программного комплекса ENVI 5.0.
При этом учитывалась возможность сочетания диапазонов съемки по элементам спектра солнечной радиации от 0.4 до 0.9 нм, и цветовых каналов в системе RGB. При сочетании диапазона и каналов создаётся цветное синтезированное изображение, объективно отражающее различия изучаемых объектов (рис. 1).
При синтезировании мультиспектрального изображения (изучалось 24 варианта синтеза) КА RapidEye (2014−09−02) было установлено, что наибольшей информативностью для визуального дешифрирования земель сельскохозяйственного назначения на территории степной зоны ЗападноСибирской равнины, на примере Одесского района Омской области, наиболее приемлемы варианты с использованием инфракрасных и красных каналов (Nir-Red-Red- Nir-Red-Green).
Для изучения особенностей мезорельефа и выявления комплексности почвенного покрова использовался синтезированный мультиспектральный
снимок на 2 мая 2014 г. (рис. 2). При дешифрировании изображения отмечается наличие темных пятен на полях севооборотов. При камеральной обработке было выдвинуто предположение о том, что это участки с повышенным содержанием влаги, так как они приурочены к микропонижениям суффо-зионного типа, которые фиксировались в ходе полевых работ приборами GPS и заняты солонцами (рис. 2, цифра 2).
Также были идентифицированы водоёмы искусственного происхождения находящиеся в наименьших точках рельефа (рис. 2, цифра 1).
Для проверки рабочей гипотезы о существовании солонцовых почв в микропонижениях были проведены полевые работы и отобраны почвенные и растительные образцы с помощью точной географической привязки навигатором Garmin E-Trex 2.0. После анализа почвенных образцов и сопоставлении с данными мультиспектральных изображений высокой разрешающей способности территорий южной лесостепи и степи, установлено, что пятнистость изображения не всегда указывает на наличие засоленных почв, в данном случае нужно учитывать характер и тон изображения. Пятнистость изображения в степной зоне указывает на наличие карбонатных черноземных почв. При камеральной обработке данных нужно пользоваться разновременными снимками, учитывая накопление и динамику влаги в весенний период и продуктивность культур в период созревания.
При проведении полевых работ для выявления взаимосвязи биомассы растений со спектром их отражения были отобраны растительные образцы.
На изучаемом полигоне возделывается яровая твёрдая пшеница сорта Корунд. В результате полевых и камеральных работ было установлено, что всю изучаемую территорию данного поля
Рис. 1. Варианты синтезирования мультиспектрального изображения КА RapidEye (2014. 09. 02)
шдш
щт
щж
щщ
l/w1 '-
Рис. 2. Анализ мезорельефа на синтезированном космическом снимке методом светотеневой визуализации 2014. 02. 05
занимает чернозем обыкновенный карбонатный. Урожайность яровой пшеницы колеблется от 0,41 до 1,93 т/га. Максимальная урожайность приурочена географически к участкам микрозападин, на основании чего опровергается гипотеза о существовании солонцовых пятен на изучаемом массиве.
В целях определения неоднородности плодородия почвы в пределах одной почвенной разности возле каждой из прикопок были отобраны пробные снопы с площадок 0,25 м² (50*50 см). По результатам структурного анализа продуктивности растений с учетом продуктивной кустистости и массы 1000 зёрен, определялся уровень биологической урожайности данной культуры (табл. 1). Данные по урожайности сопоставлялись с картограммой, созданной на основе использования вегетационного
индекса NDVI по осеннему космическому снимку 2014. 02. 09 (рис. 3).
NDVI (Normalized Difference Vegetation Index) — нормализованный относительный индекс растительности — простой количественный показатель количества фотосинтетически активной биомассы (обычно называемый вегетационным индексом). Один из самых распространенных и используемых индексов для решения задач, использующих количественные оценки растительного покрова.
Вычисляется по следующей формуле:
NDVI = (NIR — RED) / (NIR + RED),
где NIR — отражение в ближней инфракрасной области спектра-
Продуктивность яровой твердой пшеницы (сорт Корунд) на карбонатном черноземе Одесского района Омской области, 2014 г.
Таблица 1
№ прикопки Высота растений, см Количество растений, шт. /м2 Число колосьев, Вес зерна
шт. шт. /м2 гр гр/м2 т/га 1000 зерен
1 95 74/296 68 272 32 128,0 1,28 57,1
2 78 67/268 57 228 30,31 1,21 1,21 42,6
3 105 78/312 68 272 39,81 159,0 1,59 50,6
4 111 45/180 64 256 48,20 192,8 1,93 41,6
5 101 44/176 58 232 10,15 40,6 0,41 39,2
6 68 80/320 78 312 27,25 109,0 1,09 35,8
& gt-
RED — отражение в красной области спектра.
Расчет NDVI базируется на двух наиболее стабильных (не зависящих от прочих факторов) участках спектральной кривой отражения сосудистых растений. В красной области спектра (0,6 — 0,7 мкм) лежит максимум поглощения солнечной радиации хлорофиллом высших сосудистых растений, а в инфракрасной области (0,7−1,0 мкм) находится область максимального отражения клеточных структур листа. То есть высокая фотосинтетическая активность (связанная, как правило, с густой растительностью) ведет к меньшему отражению в красной области спектра и большему в инфракрасной. Отношение этих показателей друг к другу позволяет четко отделять и анализировать растительные от прочих природных объектов [1−3]. Использование же не простого отношения, а нормализованной разности между минимумом и максимумом отражений увеличивает точность измерения, позволяет уменьшить влияние таких явлений как различия в освещенности снимка, облачности, дымки, поглощение радиации атмосферой и др. [4, 5].
Структурный анализ показал, что высота растений в пределах одного массива варьировала от 0,7 до 1,0 м. При этом на площадках с максимальной высотой пшеницы, количество растений было минимальным 170−180 шт. /м2, хотя норма высева семян составляла 4 млн всхожих зёрен. Очевидно, значительная часть семян в микропонижениях не взошла. В результате при одинаковой полевой всхожести на одних площадках урожайность составляла 193 г/м2 (площадка № 4), а на других — почти в 5 раз меньше. Но при этом качество выращенных семян (вес 1000 зёрен) было одинаковым, близким к среднему качеству семян на поле.
Таким образом, при дешифрировании мульти-спектральных изображений высокой разрешающей способности территорий южной лесостепи и степи, нужно принимать во внимание, что пятнистость изображения не всегда указывает на наличие засоленных и солонцовых почв, в данном случае это участки, занятые черноземными карбонатными почвами. Из этого следует сделать вывод, что при использовании материалов ДЗЗ для прогноза урожайности полей необходимо использовать разновременные космические снимки, учитывая накопление и динамику влаги в весенний период, и продуктивность культур в период созревания. Изучение взаимосвязи продуктивности растений, с их спектральными характеристиками, применяя
Рис. 3. Отражение продуктивности растений твёрдой пшеницы на космическом снимке после кластеризации методом NDVI ИСЗ Rapid Eye 2014. 02. 09 (цифрами обозначены места отбора растительных образцов и прикопок)
методику кластеризации на основе ЫБУ1, позволяет выявлять участки полигонов полей с наименьшей биомассой.
Библиографический список
1. Шаяхметов, М. Р. Использование материалов ДЗЗ для оценки потенциально плодородных залежных земель лесостепной зоны Западной Сибири / М. Р. Шаяхметов, Л. В. Березин, И. В. Веретельникова, А. П. Чопозов // Инно-
вационные разработки молодых учёных — развитию агропромышленного комплекса: материалы III Междунар. конф.: сб. науч. тр. — Ставрополь: ГНУ СНИИЖК, 2014. — Т. 2, вып. 7. — С. 464−467.
2. Шаяхметов, М. Р. Методологические основы изучения природно-ресурсного потенциала региона / М. Р. Шаяхметов, Л. В. Березин // Омский научный вестник. Сер. Ресурсы земли. Человек. — 2012. — № 1 (108).- С. 146−149.
3. Шойкин, О. Д. Диагностика и оптимизация минерального питания пустырника пятилопастного (Leonurus quinquelobatus Gilib.) на лугово-черноземной почве Западной Сибири: автореф. дис. … канд. с. -х. наук: 06. 01. 04 / Шойкин Олжас Даулетжанович. — Тюмень, 2013. — 16 с.
4. Шаяхметов, М. Р. Точное земледелие (Precision Agriculture) — путь к ресурсосбережению / М. Р. Шаяхметов, И. А Дубровин // Омский научный вестник. Сер. Ресурсы земли. Человек. — 2013. — № 1 (118). — С. 197−200.
5. Шойкин, О. Д. Математическая зависимость урожайности пустырника пятилопастного от расчетных доз минеральных
удобрений / О. Д. Шойкин, А. Х. Шойкина, Р. Х. Базылов // Инновационные разработки молодых ученых — развитию агропромышленного комплекса: материалы III Междунар. конф.: сб. науч. тр. — Ставрополь: ГНУ СНИИЖК, 2014. — Т. 2. — Вып. 7. — С. 637−639.
ШАЯХМЕТОВ Марат Рахимбердыевич, ассистент кафедры агрохимии и почвоведения. Адрес для переписки: schayakhmetov. marat@yandex. ru ШОЙКИН Олжас Даулетжанович, кандидат сельскохозяйственных наук, доцент кафедры агрохимии и почвоведения.
Адрес для переписки: olshashoykin@mail. ru ФЕДЯЕВА Екатерина Юрьевна, аспирантка кафедры агрохимии и почвоведения. Адрес для переписки: ootomgau@mail. ru
Статья поступила в редакцию 10. 03. 2015 г. © М. Р. Шаяхметов, О. Д. Шойкин, Е. Ю. Федяева
УДК 574 583(571 13)581 о. п. баженова
ю. с. чуниховская
Омский государственный аграрный университет им. П. А. Столыпина
ВИДОВОЙ СОСТАВ И ЭКОЛОГО-ГЕОГРАФИЧЕСКАЯ ХАРАКТЕРИСТИКА ЗЕЛЕНЫХ ВОДОРОСЛЕЙ (CHLOROPHYTA) ИЗ ПЛАНКТОНА ОЗЕР ЛЕСНОЙ ЗОНЫ ОМСКОЙ ОБЛАСТИ
Изучен видовой состав зеленых водорослей (Chlorophyta) разнотипных озер лесной зоны Омской области. Приведена их эколого-географическая характеристика. Полученные данные используются для биоиндикации качества воды озер.
Ключевые слова: фитопланктон, Chlorophyta, видовой состав, биоиндикация, озера лесной зоны, Омская область.
Фитопланктон — важнейший компонент водных экосистем, он активно участвует в формировании качества воды и является хорошим биоиндикатором. Изучению особенностей фитопланктона в озерах Омской области, расположенных в различных эколого-географических зонах, посвящено несколько работ [ 1 — 3], в том числе середины прошлого века [4 — 6].
Зеленые водоросли (Chlorophyta) — один из многочисленных в таксономическом отношении отделов в планктоне рек и озер Омской области. В водных объектах региона зеленые водоросли исследовали только в составе фитопланктона и поэтому изученность их видового состава и эколого-гео-графических характеристик к настоящему времени явно недостаточна.
Объектом данного исследования являются зеленые водоросли (отдел Chlorophyta) из разнотипных
озер лесной зоны Омской области и прилегающей территории Новосибирской области, имеющих различия в происхождении и морфометрических показателях.
Всего обследовано 5 озер, все они интенсивно используются населением в хозяйственных целях и рекреации. В связи с этим особенно важно было определить экологическое состояние озер.
Озеро Петровское (56°56'-25"с. ш., 74°11'-29″ в. д.) находится в Тарском районе Омской области, имеет подковообразную форму. Площадь 2,09 км². Длина озера около 4 км, ширина около 100 м. Глубина озера не превышает 1,5 м, прозрачность по диску Секки — до дна. Озеро старичное, глубоко эвтро-фированное. Берега обильно заросли жесткой надводной растительностью [7].
Озеро Данилово (56°25'-33,3'-'- с. ш. 75°50'-40,6'-'- в. д.) расположено на территории Кыштовского района

ПоказатьСвернуть
Заполнить форму текущей работой