Авторизация

Логин:
Пароль:
Восстановить пароль
Регистрация
  • Форум
  • Блоги
  • Контакты
  • Новости
  • Продукты
  • Отрасли
  • Обучение
  • Поддержка
  • События
  • О компании
  • 3 (78) | 2016 ГИС и новые источники данных для ландшафтно-адаптированной системы земледелия

    Сакиркина М.А., компания Esri CIS, e-mail: msakirkina@esri-cis.ru, web: www.esri-cis.ru


    GIS and usage of UAV and field sensors data for adaptive-landscape farming system


    Платформа ArcGIS, в частности настольное приложение ArcGIS for Desktop предоставляют обширный набор инструментов, позволяющих проводить разнообразные исследования для агроландшафтного районирования территории, необходимого для создания ландшафтно-адаптированной системы земледелия. Помимо этих инструментов и получаемых с их помощью результатов в статье рассматриваются возможности использования стандартных и новых источников информации (данных с беспилотников и полевых датчиков) с целью получения нужных в таких исследованиях сведений для информационного обеспечения выбора подходящих культурных растений и их сортов, в том числе в неблагоприятных для традиционной съемки природных условиях.

    Увеличение потребности в сельскохозяйственной продукции, связанной с ростом потребления и необходимостью обеспечения населения товарами отечественного производства, делает актуальной проблему рационального использования земель сельскохозяйственного назначения. В связи с этим особенно актуальны разработки, посвященные методам повышения продуктивности земель при увеличении почвенного плодородия и экологической устойчивости. В качестве примера можно привести ландшафтно-адаптивную систему земледелия, включающую географическую и агрономическую компоненты, позволяющие более эффективно использовать ландшафтные характеристики территории, учитывать антропогенную нагрузку, использовать свойства растений для придания требуемых свойств почве. Географическая компонента позволяет провести районирование территории по агроландшафтному принципу и, с учетом агрономического блока, определить наиболее подходящий вариант использования земель. Решить задачу хранения разнообразных данных, необходимых для оценки и проведения анализа с целью создания агроэкологической оценки, можно с помощью средств геоинформационных систем (ГИС) на платформе ArcGIS[1].

    В этой статье основное внимание уделяется инструментам, используемым для получения некоторых характеристик, требующихся для выделения ландшафтов и оценки природных условий, без необходимости проведения детальных полевых работ. Например, рельеф, являющийся фактором распределения вещества и энергии и одним из компонентов ландшафта, может быть использован для оценки предрасположенности территории к развитию опасных процессов, в т.ч. эрозии, а также таких характеристик, как степень увлажнения, обеспечение территории солнечной энергией, для прогнозирования распространения наводнений и заболачивания земель.

    При проведении подобных исследований чаще всего используется цифровая модель рельефа (ЦМР), которая может быть получена разными методами: при интерполяции данных топографических карт и планов, в результате обработки тандемных съемок с радарных спутников (SRTM, WorldDEM),а с недавнего времени и с использованием данных, полученных с беспилотных летательных аппаратов (БПЛА). Для обработки данных БПЛА и их картографического представления предназначено приложение Drone2Map for ArcGIS (о нем рассказано в статье «Беспилотниками уже никого не удивить: данные с БПЛА в ArcGIS» в этом номере ArcReview). На основе ЦМР в ArcGIS проводится автоматизированный расчет морфометрических характеристик рельефа (углы наклона, крутизна, экспозиция склонов, направление стока, выделение водосборных бассейнов), позволяющих провести классификацию территории и применить комплексные характеристики, основанные на составлении специальных индексов.

    Существуют разные подходы к определению риска проявления эрозионных процессов. Некоторые из них используют только морфометрические характеристики, другие требуют дополнительных показателей, связанных со свойствами почв, стока, использования земель и другими факторами. К первой группе относятся индексы, отображающие предрасположенность к развитию линейной эрозии (Stream Power Index) и предполагаемые территории с избыточным увлажнением (Topographic Wetness Index; TWI), которые можно рассчитать в ArcGIS с использованием дополнительного модуля Spatial Analyst.Так, например, при расчете этих индексов мы можем задать необходимые формулы в калькуляторе растров, в т.ч. для вычисления развития линейной эрозии. Традиционно, уравнение для TWI выглядит следующим образом:

    TWI =Ln [a/tanß],

    где a– удельная площадь водосбора, ß– уклон в радианах.

    Расчет индекса увлажненности TWI в растровом калькуляторе Spatial Analyst выглядит так: TWI=Ln(((“сток_растр” +1) *”размер_ячейки”)/(tan(“уклоны_в_радианах_растр”))).

    Результаты расчета морфометрических характеристик рельефа иллюстрирует набор карт, представленных на рис.1. На нем на рисунке 1г светлые области показывают территории, на которых вероятность развития линейной эрозии выше, чем в других местах. Рисунок 1д представляет результаты расчета индекса TWI, коррелирующего с показателями влажности почвы, используемыми для определения потенциала ее заболачиваемости в сельском хозяйстве и иных, например, эколого-географических исследованиях [2]. Те территории, которые отличны от обширной серой области, представляют участки с выявленной предрасположенностью к накоплению влаги и других веществ с водоразделов. На этих территориях целесообразно проведение мелиоративных мероприятий и/или подбор влаголюбивых сортов культурных растений.


    Рис.1. Результаты расчета морфометрических характеристик рельефа: а) – исходные данные, б) – экспозиция склонов, в) – направление поверхностного стока, г) – индекс предрасположенности к развитию линейной эрозии (SPI), д) – топографический индекс влажности (TWI).

    Ко второй группе относятся модели, учитывающие комбинацию параметров для расчета объемов переносимого вещества (длина и крутизна склона, подверженность почвы эрозии, интенсивность осадков, тип использования земель), прежде всего – это модель RUSLE, другие примеры – WEPP, CREAMS. Для некоторых моделей существуют разработанные дополнительные модули, готовые для использования в ArcGIS. Зачастую такие модели являются эмпирическими и хорошо подходят для тех природных условий, в которых проводились опыты, поэтому перед их использованием рекомендуем изучить материалы по результатам их применения на разных территориях.

    Помимо перечисленных примеров использования данных о рельефе для определения предрасположенности территории к развитию опасных процессов (эрозии, заболачиваемости, наводнениям), этот параметр может помочь выявить закономерности в распределении количественных характеристик, определяющих влажность почвы, содержание солей и удобрений в поверхностном слое почвы. Источником информации для измерения тематических характеристик могут служить данные дистанционного зондирования, например, получаемые с научных спутников MODIS, SMAP [3]. Их достоинством является высокая частота обновления данных, недостатком – низкое пространственное разрешение, которое не пригодно при исследовании малых форм рельефа на локальном геосистемном уровне иерархии природных систем. Космические снимки высокого и сверхвысокого разрешения не могут обеспечить материалы для ежедневного оперативного мониторинга состояния растительности и почв из-за редкого появления этих аппаратов над исследуемой территорией и высокой стоимости снимков. В решении таких задач предпочтительно использование БПЛА с многоканальными и гиперспектральными съемочными системами, хотя и здесь имеются ограничения на территорию съемки и обработку материала.

    При необходимости определения характеристик в пределах поля наиболее подходящим источником данных являются датчики, передающие информацию о влажности и температуре почв. Помимо обычной визуализации такой оперативной информации, с помощью инструментов интерполяции, доступных в ArcGIS в дополнительных модулях Spatial Analyst и Geostatistical Analyst, можно получить картину распределения явления на всей исследуемой территории. В настольном приложении ArcGIS Pro, начиная с версии 1.2, стал доступен инструмент «Прогнозирование регрессии Эмпирического байесовского кригинга», проводящий работу по методу геостатистической интерполяции с растрами независимых переменных, которые предположительно оказывают влияние на исследуемую характеристику [4].

    Во время работы этого инструмента в каждой точке вычисляются веса для каждого предполагаемого фактора, с учетом которых в результате обработки по методу кригинга создается поверхность с более высокой точностью, чем при использовании только кригинга.

    В рассматриваемом далее примерена исследуемую территорию доступны данные по содержанию тяжелых металлов в почве. На ту же территорию доступна ЦМР, на основе которой был проведен расчет морфометрических характеристик рельефа, описанных выше. Все полученные и представленные в растровом виде характеристики: уклоны, крутизна, экспозиция склонов, индексы SPI и TWI, поверхностный сток, − используются в качестве факторов распределения тяжелых металлов, содержащихся в почве в результате внесения удобрений (рис. 2). На этом рисунке можно увидеть результат интерполяции без использования характеристик рельефа и сравнить их с поверхностью, построенной с использованием перечисленных факторов. При сопоставлении ошибок (рис. 3) мы также можем убедиться, что при использовании нескольких факторов построенная поверхность становится точнее. Так мы можем получать оперативные данные непосредственно с полей, в т.ч. независимо от погодных условий, что является серьезным ограничением для использования ДДЗ.


    Рис. 2. Поверхность, построенная с помощью инструмента «Прогнозирование регрессии Эмпирического байесовского кригинга», слева направо: исходные данные; результат обычного Эмпирического байесовского кригинга; результат Прогнозирования регрессии.



    Рис. 3. Стандартные ошибки, полученные при построении поверхности, слева направо: исходные данные; ошибки при построении поверхности с помощью инструмента Эмпирический байесовский кригинг; ошибки при построении с помощью Прогнозирования регрессии Эмпирического байесовского кригинга.

    Таким образом, выше были рассмотрены некоторые примеры исследований, которые необходимы при оценке земель для сельскохозяйственного использования, получены сведения, позволяющие провести классификацию территории по характеристикам рельефа (морфоструктурам, предрасположенности к опасным природным процессам), совместно с рельефом определить увлажнение, содержание солей и тяжелых металлов в почвах. С привлечением других характеристик, таких как типы почв, растительность, условия водного режима, получаемых с помощью обработки ДДЗ, при исследовании почвенных и геоморфологических карт либо полевых изысканиях, на основе представленных в ArcGIS технологий пространственного анализа можно провести районирование по агроландшафтному признаку. И затем, с учетом подготовленной системы, выявить наиболее подходящие культурные растения и их сорта и определить наиболее целесообразные условия использования сельскохозяйственных земель.

    Возможность использования данных в режиме реального времени позволяет проводить автоматизированный мониторинг территории, выявлять проблемные территории (переувлажнение, нарушение температурного режима) и оперативно принимать подходящие меры по устранению таких ситуаций, обеспечивая поддержку системы ландшафтно-адаптированного земледелия.

    Литература

    1. Иванов Д.А., Агроэкологические аспекты конструирования ландшафтно-адаптивных систем земледелия: автореф. дис. д-ра с.-х. наук. ВНИИМЗ Тверь, 2001.
    2. Compound Topographic Index
    3. Soil Moisture Active Passive Data
    4. ArcGIS Help



    Версия для печати