Цифровое картирование почв (DSM) в почвоведении , также называемое прогнозным картированием почв [1] или педометрическим картированием , представляет собой создание с помощью компьютера цифровых карт типов и свойств почв. Картографирование почвы, как правило, включает создание и накопление пространственной информации о почве с использованием методов полевых и лабораторных наблюдений в сочетании с системами пространственных и непространственных выводов о почве.
Международная рабочая группа по цифровому картированию почв (WG-DSM) определяет цифровое картирование почв как «создание и пополнение географически привязанных почвенных баз данных, созданных с заданным разрешением с использованием методов полевых и лабораторных наблюдений в сочетании с данными об окружающей среде посредством количественных соотношений. " [2] [3] [4] [5]
Двусмысленность
На DSM можно положиться, но считается, что он отличается от традиционного почвенного картирования , которое включает ручное определение границ почв полевыми почвоведами. Нецифровые почвенные карты, созданные в результате ручного разграничения единиц почвенного картирования, также могут быть оцифрованы, или геодезисты могут проводить границы с помощью полевых компьютеров, поэтому как традиционные, основанные на знаниях, так и технологии и основанные на данных структуры почвенного картирования по сути являются цифровыми . Тем не менее, в отличие от традиционного картирования почв, цифровое картирование почв широко использует:
- технологические достижения, включая приемники GPS , полевые сканеры и дистанционное зондирование , а также
- вычислительные достижения, включая алгоритмы геостатистической интерполяции и логического вывода, ГИС , цифровую модель рельефа и интеллектуальный анализ данных [6]
В цифровом картографировании почв используются полуавтоматические методы и технологии для сбора, обработки и визуализации информации о почвах и вспомогательной информации, так что конечный результат может быть получен с меньшими затратами. Продукты основанного на данных или статистического картирования почв обычно оцениваются на предмет точности и неопределенности, и их легче обновлять при появлении новой информации. [6]
Цифровое картирование почв пытается преодолеть некоторые недостатки традиционных почвенных карт, которые часто сосредоточены только на определении классов почв, то есть типов почв . [5] Такие традиционные почвенные карты :
- не предоставляют информацию для моделирования динамики почвенных условий и
- негибки к количественным исследованиям функциональности почв.
Примером успешного применения цифрового картирования почвы являются физические свойства [7] (текстура почвы, насыпная плотность), разработанные в Европейском Союзе с использованием около 20 000 образцов верхнего слоя почвы из базы данных LUCAS. [8]
Скорпан
Скорпан - это мнемоника для эмпирического количественного описания взаимосвязей между почвой и факторами окружающей среды с целью использования их в качестве функций пространственного прогнозирования почвы для целей цифрового картирования почв . Это адаптация пяти факторов Ханса Дженни не для объяснения почвообразования, а для эмпирических описаний взаимосвязей между почвой и другими пространственно привязанными факторами. [6]
S = f (s, c, o, r, p, a, n) , где
- S = классы почвы или атрибуты (для моделирования)
- f = функция
- s = почва , другие или ранее измеренные свойства почвы в точке
- c = климат , климатические свойства окружающей среды в точке
- o = организмы , включая растительный покров и естественную растительность или фауну, или деятельность человека
- r = рельеф , топография, атрибуты ландшафта
- p = основной материал , литология
- а = возраст, временной фактор
- n = пространственное или географическое положение
Смотрите также
Рекомендации
- ^ Scull, P .; Дж. Франклин; О.А. Чедвик; Д. МакАртур (июнь 2003 г.). «Прогнозное картографирование почв - обзор». Успехи в физической географии . 27 (2): 171–197. CiteSeerX 10.1.1.137.3441 . DOI : 10.1191 / 0309133303pp366ra .
- ^ Lagacherie, P .; McBratney, AB; Вольц, М., ред. (2006). Цифровое картографирование почв: вводная перспектива . Амстердам: Эльзевир. п. 600. ISBN 978-0-444-52958-9. Архивировано из оригинала на 2012-01-16 . Проверено 19 июня 2012 .
- ^ Dobos, E .; Карре, Ф .; Hengl, T .; Reuter, HI; Тот, Г., ред. (2006). Цифровое картирование почв как поддержка для создания функциональных карт (PDF) . Люксембург: Офис официальных публикаций Европейских сообществ. п. 68.
EUR 22123 EN
- ^ Boettinger, JL; Хауэлл, DW; Мур, AC; Хартеминк, AE; Кенаст-Браун, С., ред. (2010). Цифровое картографирование почв: переходные исследования, применение в окружающей среде и эксплуатация . Springer. п. 473. ISBN 978-90-481-8862-8.
- ^ а б Хенгл, Том; Мендес де Хесус, Хорхе; Макмиллан, РА; Batjes, Niels H .; Heuvelink, GBM; Ribeiro, Eloi C .; Самуэль-Роза, Аллесандро; Кемпен, Бас; Леенаарс, JGB; Уолш, MG; Руйперес Гонсалес, Мария Г. (2014). «SoilGrids1km - глобальная почвенная информация на основе автоматизированного картирования» . PLOS ONE . 9 (8): e105992. Bibcode : 2014PLoSO ... 9j5992H . DOI : 10.1371 / journal.pone.0105992 . PMC 4149475 . PMID 25171179 .
- ^ а б в McBratney, AB; М.Л. Мендонса Сантос; Б. Минасный (1 ноября 2003 г.). «О цифровом картографировании почв». Геодермия . 117 (1–2): 3–52. Bibcode : 2003Geode.117 .... 3M . DOI : 10.1016 / S0016-7061 (03) 00223-4 .
- ^ Баллабио, Криштиану; Панагос, Панос; Монатанарелла, Лука (2016). «Картирование физических свойств верхнего слоя почвы в европейском масштабе с использованием базы данных LUCAS» . Геодермия . 261 : 110–123. Bibcode : 2016Geode.261..110B . DOI : 10.1016 / j.geoderma.2015.07.006 .
- ^ Orgiazzi, A .; Ballabio, C .; Panagos, P .; Jones, A .; Фернандес-Угальде, О. (2018). «LUCAS Soil, крупнейший расширяемый набор данных о почвах для Европы: обзор» . Европейский журнал почвоведения . 69 : 140–153. DOI : 10.1111 / ejss.12499 . ISSN 1365-2389 .
Внешние ссылки
- Рабочая группа по цифровому картированию почв
- Комиссия по педометрии Международного союза почвоведов
- NRCS Web Soil Survey Inventory ресурсов почвы в США
- Проект GlobalSoilMap.net