Формирование цифровой модели влажности почв на основе показателей рельефа местности и по материалам лесоустройства

УДК

630*181(182.5)

DOI:

10.37482/0536-1036-2020-4-53-67

Аннотация

Наглядность пространственного распределения влажности почв достигается посредством картографирования, которое наиболее просто осуществляется по данным цифровой модели. Информация о влажности почв хранится в поле атрибутивной таблицы слоя географической информационной системы, т. е. доступна для редактирования и последующего использования. Показано, что цифровую модель влажности можно получить посредством сопряженного анализа влажности почв с показателями рельефа (основа картографирования – цифровая модель рельефа) и ранжирования типов леса в порядке увеличения влажности почв (основа картографирования – векторный слой таксационных выделов). Результаты картографирования демонстрируются на примере 2 тестовых участков в горной и равнинной местностях. Картографирование влажности почв на основе данных цифровой модели рельефа выполнено для тестового участка, расположенного в Осевом Западно-Саянском округе горно-таежных лесов, где типы леса за счет пространственного сопряженного анализа распределены по показателям рельефа и ранжированы по влажности почв. Результат пространственного анализа цифровой модели рельефа – растр (цифровая модель влажности почв). Картографирование влажности почв по материалам лесоустройства выполнено для тестового участка, представляющего южно-таежные леса Приангарья. Здесь ранжирование влажности почв произведено на основе таксационных описаний выделов тестового участка. Из анализа исключены данные выделов, где произрастание древесных пород априори невозможно (заболоченные местоположения, реки и озера). В упрощенном виде ранжированный ряд влажности почв демонстрируется также относительно типа леса, как обобщенного качественного показателя лесорастительных условий. Вне зависимости от категории земель (насаждение, гарь, вырубка) каждый таксационный выдел получает дополнительный количественный показатель влажности почвы с последующей возможностью определения по уравнениям регрессии потенциальной продуктивности древесных пород. Установлено, что при наличии векторного слоя лесоустроительных данных картографирование влажности почв предпочтительнее производить на основе материалов лесоустройства. Показано, что существует зависимость продуктивности древостоев от влажности почв.

Сведения об авторах

С.К. Фарбер, д-р с.-х. наук; ORCID: https://orcid.org/0000-0002-1187-3013
Н.С. Кузьмик, канд. с.-х. наук; ResearcherID: V-6094-2019,
ORCID: https://orcid.org/0000-0003-4707-9011
Институт леса им. В.Н. Сукачева СО РАН – Обособленное подразделение ФИЦ КНЦ СО РАН, д. 50/28, Академгородок, г. Красноярск, Россия, 660036;
e-mail: sfarber@ksc.krasn.ru, kuzmik@ksc.krasn.ru

Ключевые слова

влажность почв, рельеф местности, тип леса, класс бонитета, потенциальная продуктивность древостоев, картографирование влажности почв

Для цитирования

Фарбер С.К., Кузьмик Н.С. Формирование цифровой модели влажности почв на основе показателей рельефа местности и по материалам лесоустройства // Изв. вузов. Лесн. журн. 2020. № 4. С. 53–67. DOI: 10.37482/0536-1036-2020-4-53-67

Литература

1. Александров В.Д. Классификация растительности // Обзор принципов классификации и классификационных систем в разных геоботанических школах. Л.: Наука. Ленингр. отд-ние, 1969. 275 с. [Aleksandrova V.D. Vegetation Classification. An Overview of the Principles of Classifying and Classification Systems in Different Geobotanical Schools. Leningrad, Nauka Publ., 1969. 275 p.].
2. Берлянт А.М. Образ пространства: карта и информация. М.: Мысль, 1986. 240. [Berlyant A.M. Image of Space: Map and Information. Moscow, Mysl’ Publ., 1986. 240 p.].
3. Быков Ф.Л., Василенко Е.В., Гордин В.А., Тарасова Л.Л. Анализ влажности почвы по данным наземной сети и дистанционного спутникового зондирования // Современные проблемы дистанционного зондирования Земли из космоса: тез. докл. XIV Всерос. открытой конф., 14–18 ноября 2016 г. М.: ИКИ РАН, 2016. С. 334. [Bykov F.L., Vasilenko E.V., Gordin V.A., Tarasova L.L. Soil Moisture Analysis Based on Ground
Network and Remote Satellite Sensing Data. Current Problems in Remote Sensing of the Earth from Space: Abstracts of the 14th All-Russian Open Conference, November 14–18, 2016. Moscow, IKI RAS Publ., 2016, p. 334].
4. Власенко В.И. Структура и динамика лесной растительности заповедных территорий Алтае-Саянской горной страны. М.: МСОП, 2003. 484 с. [Vlasenko V.I. Structure and Dynamics of Forest Vegetation in Protected Areas of the Altai-Sayan Mountain Country. Moscow, IUCN Publ., 2003. 484 p.].
5. Зайцев Б.Д. Почвоведение. М.: Лесн. пром-сть, 1965. 369 с. [Zaytsev B.D. Soil Science. Moscow, Lesnaya promyshlennost’ Publ., 1965. 369 p.].
6. Зеликов В.Д. Из опыта работ по картированию лесных почв // Лесн. хоз-во. 1962. № 9. С. 47–50. [Zelikov V.D. By Mapping Experience of Forest Soils. Lesnoye khozyaystvo, 1962, no. 9, pp. 47–50].
7. Зеликов В.Д. Имитационные модели лесных почв. М.: МЛТИ, 1991. 76 с. [Zelikov V.D. Forest Soil Simulation Models. Moscow, MLTI Publ., 1991. 76 p.]
8. Карпачевский Л.О. Пестрота почвенного покрова в лесном биогеоценозе. М.: Изд-во МГУ, 1977. 312 с. [Karpachevskiy L.O. Mixed Character of Soil Cover in Forest Biogeocenosis. Moscow, MGU Publ., 1977. 312 p.].
9. Мамаева М.А. Определение запасов влаги в почве дистанционными методами зондирования: автореф. дис. ... канд. физ.-мат. наук. СПб., 2004. 23 с. [Mamaeva M.A. Determination of Soil Moisture Reserves by Remote Sensing Techniques: Cand. Phys. Math. Sci. Diss. Abs. Saint Petersburg, 2004. 23 p.].
10. Миркин Б.М., Наумова Л.Г. Наука о растительности (история и современное состояние основных концепций). Уфа: Гилем, 1998. 413 с. [Mirkin B.M., Naumova L.G. Vegetation Science (History and Current State of Basic Concepts). Ufa, Gilem Publ., 1998. 413 p.].
11. Поликарпов Н.П., Чебакова Н.М., Назимова Д.И. Климат и горные леса Южной Сибири. Новосибирск: Наука. Сиб. отд-ние, 1986. 225 с. [Polikarpov N.P., Chebakova N.M., Nazimova D.I. Climate and Mountain Forests of Southern Siberia. Novosibirsk, Nauka Publ., 1986. 225 p.].
12. Работнов Т.А. Фитоценология. 2-е изд. М.: Изд-во МГУ, 1983. 296 с. [Rabotnov T.A. Phytocoenology. Moscow, MGU Publ., 1983. 296 p.].
13. Раменский Л.Г. Избранные работы: Проблемы и методы изучения растительного покрова. Л.: Наука. Ленингр. отд-ние, 1971. 334 с. [Ramenskiy L.G. Selected Papers: Problems and Methods of Vegetation Cover Study. Leningrad, Nauka Publ., 1971. 334 p.].
14. Седельников В.П., Лапшина Е.И., Королюк А.Ю., Валуцкий В.И., Ермаков Н.Б., Ершова Э.А., Макунина Н.И., Мальцева Т.В. Среднемасштабное картирование растительности гор Южной Сибири // Сиб. экол. журн. 2005. № 6. С. 939–953. [Sedel’nikov V.P., Lapshina E.I., Korolyuk A.Yu., Valutskiy V.I., Ermakov N.B., Ershova E.A., Makunina N.I., Mal’tseva T.V. Middle-Scale Vegetation Mapping in the Mountains of Southern Siberia. Sibirskiy Ekologicheskiy Zhurnal [Siberian Journal of Forest Science], 2005, no. 6, pp. 939–953].
15. Смагин В.Н., Ильинская С.А., Назимова Д.И., Новосельцева И.Ф., Чередникова Ю.С. Типы лесов гор Южной Сибири. Новосибирск: Наука. Сиб. отд-ние, 1980. 334 с. [Smagin V.N., Il’inskaya S.A., Nazimova D.I., Novosel’tseva I.F., Cherednikova Yu.S. Forest Types of the Mountains of Southern Siberia. Novosibirsk, Nauka Publ., 1980. 334 p.].
16. Фарбер С.К. Лесные измерения по среднемасштабным аэроснимкам. Красноярск: Изд-во СО РАН, 1997. 106 с. [Farber S.K. Forest Measurements by MediumScale Aerial Images. Krasnoyarsk, SO RAN Publ., 1997. 106 p.].
17. Фарбер С.К., Кузьмик Н.С., Кошкарова В.Л. Создание цифровой модели влажности почв (на примере лесных земель гор Южной Сибири) // Экономическое развитие Сибири и Дальнего Востока. Экономика природопользования, землеустройство, лесоустройство, управление недвижимостью: сб. материалов XIII Междунар. науч. конгр. «ГЕО-Сибирь-2017», 17–21 апреля 2017 г., Новосибирск. В 2 т., т. 2. Новосибирск: СГУГиТ, 2017. С. 204–207. [Farber S.K., Kuzmik N.S., Koshkarova V.L. Development of the Digital Model of Soil Humidity (On the Example of Forest Lands of the Mountains of South Siberia). The XIII International Exhibition and Scientific Congress “Interexpo GEO-Siberia-2017”, Novosibirsk, April 17–21, 2017: Proceedings of the International Science Conference “Economic Development of Siberia and the Far East. Environmental Economics, Land Management, Forest Management and Real Estate Management”. In 2 vol. Vol. 2. Novosibirsk, SSUGT Publ., 2017, pp. 204–207].
18. Фарбер С.К., Кузьмик Н.С., Кошкарова В.Л. Создание цифровой модели тепла (на примере лесных земель гор Южной Сибири) // Экономическое развитие Сибири и Дальнего Востока. Экономика природопользования, землеустройство, лесоустройство, управление недвижимостью: сб. материалов XIII Междунар. науч. конгр. «ГЕО-Сибирь-2017», 17–21 апреля 2017 г., Новосибирск. В 2 т., т. 2. Новосибирск: СГУГиТ, 2017. С. 250–253. [Farber S.K., Kuzmik N.S., Koshkarova V.L. Development of the Digital Model of Heat (On the Example of Forest Lands of the Mountains of South Siberia). The XIII International Exhibition and Scientific Congress “Interexpo GEO-Siberia-2017”, Novosibirsk, April 17–21, 2017: Proceedings of the International Science Conference “Economic Development of Siberia and the Far East. Environmental Economics, Land Management, Forest Management and Real Estate Management”. In 2 vol. Vol. 2. Novosibirsk, SSUGT Publ., 2017, pp. 250–253].
19. Фарбер С.К., Кузьмик Н.С., Мурзакматов Р.Т., Федотова Е.В. Сопряженность элементов рельефа местности с типами лесов (на примере Каахемского лесорастительного округа) // Экосистемы Центральной Азии: исследования, сохранение, рациональное использование: материалы XI Убсунурского междунар. симп., 3–8 июля 2012 г., Кызыл. Кызыл: РИО Тувинск. гос. ун-та, 2012. С. 425–429. [Farber S.K., Kuzmik N.S., Murzakmatov R.T., Fedotova E.V. Association of Terrain Elements with Forest Types (Case Study of the Kaakhem Forest Site District). Ecosystems of Central Asia: Research, Conservation and Rational Use. Proceedings of the 11th Ubsunur International Symposium, Kyzyl, July 3–8, 2012. Kyzyl, RIO TuvSU Publ., 2012, pp. 425–429].
20. Шкляев В.А., Шкляева Л.С., Мандыт Д.К. Особенности пространственного и сезонного изменения температуры воздуха в Республике Тыва // Геогр. вестн. 2010. № 1(12). С. 68–77. [Shklyaev V.A., Shklyaeva L.S., Mandyt D.K. Features of Extensional and Seasonal Change of Temperature of Air at Republic Tyva. Geograficheskiy vestnik [Geographical Bulletin], 2010, no. 1(12), pp. 68–77].
21. Aly Z., Bonn F.J., Magagi R. Analysis of the Backscattering Coefficient of Salt-Affected Soils Using Modeling and RADARSAT-1 SAR Data. IEEE Transactions on Geoscience and Remote Sensing, 2007, vol. 45, iss. 2, pp. 332–341. DOI: 10.1109/TGRS.2006.887163
22. Behrens T., Zhu A.-X., Schmidt K., Scholten T. Multi-Scale Digital Terrain Analysis and Feature Selection for Digital Soil Mapping. Geoderma, 2010, vol. 155, iss. 3-4, pp. 175–185. DOI: 10.1016/j.geoderma.2009.07.010
23. Brungard C.W., Boettinger J.L., Duniway M.C., Wills S.A., Edwards Jr. T.C. Machine Learning for Predicting Soil Classes in Three Semi-Arid Landscapes. Geoderma, 2015, vol. 239-240, pp. 68–83. DOI: 10.1016/j.geoderma.2014.09.019
24. Bui E.N. Soil Survey as a Knowledge System. Geoderma, 2003, vol. 120, iss. 1-2, pp. 17–26. DOI: 10.1016/j.geoderma.2003.07.006
25. Donatelli M., Stöckle C., Costantini E. A., Nelson R. SOILR: A Model to Estimate Soil Moisture and Temperature Regimes. Proceedings of the ISSS Congress. Montpellier, France, 1998.
26. Ecology of Hierarchical Landscapes: From Theory to Application. Ed. by J. Chen, S.C. Saunders, K.D. Brosofske, T.R. Crow. New York, Nova Science Publishers, 2006. 311 p.
27. Florinsky I.V. Digital Terrain Analysis in Soil Science and Geology. Amsterdam, Academic Press, 2012. 432 p. DOI: 10.1016/C2010-0-65718-X
28. Gooley L., Huang J., Pagé D., Triantafilis J. Digital Soil Mapping of Available Water Content Using Proximal and Remotely Sensed Data. Soil Use and Management, 2014, vol. 30, iss. 1, pp. 139–151. DOI: 10.1111/sum.12094
29. Grunwald S. Multi-Criteria Characterization of Recent Digital Soil Mapping and Modeling Approaches. Geoderma, 2009, vol. 152, iss. 3-4, pp. 195–207. DOI: 10.1016/j.geoderma.2009.06.003
30. Grunwald S., Thompson J.A., Boettinger J.L. Digital Soil Mapping and Modeling at Continental Scales: Finding Solutions for Global Issues. Soil Science Society of America Journal, 2011, vol. 75, iss. 4, pp. 1201–1213. DOI: 10.2136/sssaj2011.0025
31. Karwel A.K., Ewiak I. Estimation of the Accuracy of the SRTM Terrain Model on the Area of Poland. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Beijing, 2008, vol. XXXVII, part B7, pp. 169–172.
32. Lagacherie P., McBratney A.B. Chapter 1 Spatial Soil Information Systems and Spatial Soil Inference Systems: Perspectives for Digital Soil Mapping. Developments in Soil Science. 2006, vol. 31, pp. 3–22. DOI: 10.1016/S0166-2481(06)31001-X
33. Lefsky M.A., Turner D.P., Guzy M., Cohen W.B. Combining Lidar Estimates of Aboveground Biomass and Landsat Estimates of Stand Age for Spatially Extensive Validation of Modeled Forest Productivity. Remote Sensing of Environment, 2005, vol. 95, iss. 4, pp. 549–558. DOI: 10.1016/j.rse.2004.12.022
34. McBratney A.B., Mendonça Santos M.L., Minasny B. On Digital Soil Mapping. Geoderma, 2003, vol. 117, iss. 1-2, pp. 3–52. DOI: 10.1016/S0016-7061(03)00223-4
35. Patterns and Processes in Forest Landscapes. Ed. by R. Lafortezza, J. Chen, G. Sanesi, Th.R. Crow. Netherlands, Springer, 2008. 425 p. DOI: 10.1007/978-1-4020-8504-8
36. Rennie P.J. Methods of Assessing Site Capacity. The Commonwealth Forestry Review, 1963, vol. 42, no. 4(114), pp. 306–317.
37. Terrain Analysis: Principles and Applications. Ed. by J.P. Wilson, J.C. Gallant. John Wiley & Sons, 2000. 520 p.

Ссылка на английскую версию:

Formation of a Digital Elevation Model of Soil Moisture Adopted from Terrain Parameters and Forest Management Materials

FORMATION OF A DIGITAL ELEVATION MODEL OF SOIL MOISTURE ADOPTED FROM TERRAIN PARAMETERS AND FOREST MANAGEMENT MATERIALS

S.K. Farber, Doctor of Agriculture; ORCID: https://orcid.org/0000-0002-1187-3013
N.S. Kuzmik, Candidate of Agriculture; ResearcherID: V-6094-2019,
ORCID: https://orcid.org/0000-0003-4707-9011
Sukachev Institute of Forest of the Siberian Branch of the RAS – Division of Federal Research Center “Krasnoyarsk Scientific Center of the Siberian Branch of the RAS”, Akademgorodok, 50/28, Krasnoyarsk, 660036, Russian Federation; e-mail: sfarber@ksc.krasn.ru, kuzmik@ksc.krasn.ru

The visibility of the spatial distribution of soil moisture is achieved through mapping, which is most simply carried out according to a digital model. Information on soil moisture is stored in the attribute table field of the Geographic Information System (GIS) layer and available for editing and later use. It is shown that a digital moisture model can be obtained through the cross-spectrum analysis of soil moisture with terrain parameters (frame of mapping – a digital elevation model) and ranking of forest types in order of increasing soil moisture (frame of mapping – a feature layer of inventory plots). The mapping results are demonstrated in terms of 2 test sites in mountainous and flat areas. Soil moisture mapping based on the DEM (digital elevation model) data was performed for a test site located in the Axial Western Sayan district of the mountain taiga forests; where forest types, due to the spatial cross-spectrum analysis, are distributed by terrain parameters and ranked by soil moisture. The result of the spatial analysis of the DEM is a raster (digital elevation model of soil moisture). Soil moisture mapping based on the forest management materials is performed for the test area representing the southern taiga forests of the Angara region. Ranking of soil moisture is made on the basis of inventory plot descriptions of the test site. The data of inventory plots was excluded from the analysis. Growth of tree species is a priori impossible down there (wetlands, rivers and lakes). In a simplified form, a ranked range of soil moisture is also demonstrated relative to the forest type as a generalized qualitative indicator of forest site conditions. Regardless of the land category (plantation, burnt area or cutover), each inventory plot receives an additional quantitative indicator of soil moisture, followed by the possibility of determining the regression equations for the potential productivity of tree species. It is found that in the presence of a feature layer of forest management data, soil moisture mapping is preferable to be adapted from the forest management materials. It is shown that there is a dependence of the productivity of stands on soil moisture.
For citation: Farber S.K., Kuzmik N.S. Formation of a Digital Elevation Model of Soil Moisture Adopted from Terrain Parameters and Forest Management Materials. Lesnoy Zhurnal [Russian Forestry Journal], 2020, no. 4, pp. 53–67. DOI: 10.37482/0536-1036-2020-4-53-67

Keywords: soil moisture, terrain, forest type, quality class, potential productivity of forest stands, mapping of soil moisture.

Поступила 10.07.19 / Received on July 10, 2019