Методика построения трехмерной модели распределения почвенных горизонтов с помощью анализа цифровых фотоизображений

Аннотация

По цифровым фотоснимкам авторы создали трехмерную модель (3D) распределения почвенных горизонтов мозаичного строения в пространстве. Методика апробировалась на освоенной дерново-подзолистой почве Учебно-опытного почвенно-экологического центра МГУ имени М.В. Ломоносова «Чашниково». На одиннадцати срезах почвенного профиля, использовавшихся для получения модели, отображен участок площадью 30×45 см с расстоянием в 2,5 см между ними. Корректность цветопередачи фотоизображений проверяли с помощью портативного спектрофотометра. Цветопередача наилучших фотоснимков была скорректирована по методике внешнего стандарта. На основе полученных изображений создан пакетный файл обработки в программе SAGA GIS для получения трехмерного массива данных по цвету почв в системе CIE L*a*b*. В программе Voxler 4 по цветовым показателям была построена 3D-модель размером 45 см (X) × 30 см (Y) × 25 см (Z) и разрешением 0,5 см (X) × 0,5 см (Y) × 2,5 см. На основании анализа пространственного распределения цветовых показателей и применения алгоритма пороговых значений было проведено выделение горизонтов A1A2, A2, A2B. Запасы углерода, вычисленные для одного и того же объема почвы по 3D-модели, существенно, на 25%, меньше, чем запасы, рассчитанные по 2D-модели. Авторы полагают, что метод оптического картирования на основании цветовых показателей в системе CIE L*a*b* достаточно аккуратно воспроизводит естественную структуру границ почвенных горизонтов и может быть использован в дальнейших работах по моделированию и изучению профилей почв с мозаичным строением.

Литература

1.               Абрукова В.В., Акульшина Е.А., Афанасьева Т.В. и др. Почвенно-агрономическая характеристика АБС «Чашниково». Ч. 1. М., 1986.

2.               Егоров В.В., Фридланд В.М., Иванова Е.Н. и др. Классификация и диагностика почв СССР. М., 1977.

3.               Качинский Н.А. Механический и микроагрегатный состав почвы, методы его изучения / Академия наук СССР. Почв. ин-т им В.В. Докучаева. М., 1958.

4.               Кириллова Н.П., Силева Т.М. Анализ цвета почв с использованием цифровой фотокамеры // Вестн. Моск. ун-та. Сер. 17. Почвоведение. 2017. Т. 17, № 1. https://doi.org/10.3103/S0147687417010045

5.               Кириллова Н.П., Силева Т.М., Ульянова Т.Ю. и др. Цифровая почвенная карта УО ПЭЦ «Чашниково» МГУ им. М.В. Ломоносова // Вестн. Моск. ун-та. Сер. 17. Почвоведение. 2015. № 2. https://doi.org/10.3103/S0147687415020040

6.               Корнблюм Э.А., Любимова И.Н., Турсина Т.В. Мозаичные почвенные профили и способ их описания // Почвоведение. 1972. № 8.

7.               Романенко К.А., Рогов В.В., Юдина А.В. и др. Исследования микростроения мерзлых почв и дисперсных пород с помощью рентгеновской компьютерной томографии: методы, подходы, перспективы // Бюл. почв. ин-та им. В.В. Докучаева. 2016. № 83.

8.               Теории и методы физики почв: Коллективная монография / Под общ. ред. Шеина Е.В. и Карпачевского Л.О. М., 2007.

9.               Тонконогов В.Д. Глинисто-дифференцированные почвы Европейской России. М., 1999.

10.            Aeby P., Schultze U., Braichotte D. et al. Fluorescence imaging tracer distributions in soil profiles // Environmental Science and Technology. 2001. Vol. 35. https://doi.org/10.1021/es000096x

11.            Cathey B., Obaid S., Zolotarev A.M. et al. Open-Source Multiparametric Optocardiography. Scientific Reports, 2019. Vol. 9:721. https://dx.doi.org/10.1038/s41598-018-36809-y

12.            Colorimetry, CIE Techn. Rep., Vienna: CIE Central Bureau. 2004. № 15: 2004.

13.            Conrad O., Bechtel B., Bock M. et al. System for Automated Geoscientific Analyses (SAGA) Geosci. Model Dev., 8, 1991-2007. https://dx.doi.org/10.5194/gmd-8-1991-2015

14.            Conrad O., Wichmann V. Description of saga_cmd command line interface. 2019. https://doi.org/sourceforge.net/p/saga-gis/wiki/Changelog%207.2.0 [saga_cmd_interface_v7_2_0.txt 681590 bytes] (accessed 02 August 2020).

15.            Grunwald S. What do we really know about the space-time continuum of soil-landscapes // Grunwald S. (ed.) Environmental Soil-Landscape Modeling: Geographic Information Technologies and Pedometrics. New York, USA, 2006.

16.            Grunwald S., Lowery B., Rooney D.J. et al. Profile cone penetrometer data used to distinguish between soil materials // Soil Tillage Res. 2001. Vol. 62. https://dx.doi.org/10.1016/S0167-1987(01)00201-X

17.            Hardeberg J.Y. Colorimetric scanner characterisation // Acta Gr. 2015. Vol. 15.

18.            Hartemink A.E., Minasny B. Towards digital soil morphometrics // Geoderma. 2014. Vol. 230–231. https://doi.org/10.1016/j.geoderma.2014.03.008

19.            IUSS Working Group WRB. World Reference Base for Soil Resources 2014, update 2015 International soil classification system for naming soils and creating legends for soil maps. World Soil Resources Reports № 106. FAO, Rome, 2015.

20.            Kirillova N.P., Zhang Y., Hartemink A.E. et al. Calibration methods for measuring the color of moist soils with digital cameras // Catena. 2021. № 202. https://doi.org/10.1016/j.catena.2021.105274

21.            Kremer A.M. Heterogeneity of soil cover as the self-regulating system // Glazovskaya, M.A., Dmitriev, E.A. (eds.) Patterns of spatial variation of soil properties and information and statistical methods of their study. M., 1970.

22.            Lindbloom B. Useful Color Equations. 2010. https://www.brucelindbloom.com/Eqn_XYZ_to_Lab.html (accessed on 17 July 2021).

23.            Montagne D., Cousin I., Le Forestier L. et al. Quantification of soil volumes in the Eg&Bt-horizon of an Albeluvisol using image analysis // Can. J. Soil Sci. 2007. Vol. 87.

24.            Monteiro Santos F.A., Triantafilis J., Bruzgulis K. A spatially constrained 1D inversion algorithm for quasi-3D conductivity imaging: application to DUALEM-421 data collected in a riverine plain // Geophysics. 2011. Vol. 76. https://doi.org/10.1190/1.3537834

25.            Pereira V., FitzPatrick E.A. Three-dimensional representation of tubular horizons in sandy soils // Geoderma. 1998. Vol. 81.

26.            Persson M. Image Analysis in Agrophysics // Glinski J., Horabik J., and Lipiec J. (eds.) Encyclopedia of Agrophysics, 2011.

27.            Poggio L., Gimona A. National scale 3D modelling of soil organic carbon stocks with uncertainty propagation — An example from Scotland // Geoderma. 2014. Vol. 232–234. https://doi.org/10.1016/j.geoderma.2014.05.004

28.            SAGA CMD. Saga_cmd_interface_v2_2_0a.doc https://doi.org/sourceforge.net/projects/saga-gis/files/SAGA%20-%20Documentation/Tutorials/Command_L... (accessed 02 August 2020).

29.            Schoeneberger P.J., Wysocki D.A., Benham E.C. Field Book for Describing and Sampling Soils, Version 3.0 // USDA Natural Resources Conservation Service, National Soil Survey Center, Lincoln, NE, 2012.

30.            Séger M., Guérin R., Frison A. et al. A 3D electrical resistivity tomography survey to characterise the structure of an albeluvic tonguing horizon composed of distinct elementary pedological volumes // Geoderma, 2014. Vol. 219–220. https://doi.org/10.1016/j.geoderma.2013.12.018

31.            Torre I.G., Losada J.C., Tarquis A.M. Multiscaling properties of soil images. Biosystems Engineering, 2016. Vol. 168. https://dx.doi.org/10.1016/j.biosystemseng.2016.11.006

32.            Voxler 4. https://doi.org/support.goldensoftware.com/hc/en-us/categories/115000653867-Voxler (accessed 02 August 2020).

33.            Yarilova E.A., Rubilina N.E. Comparative micromorphology of soddypodzolic soils derived from loamy moraine and non-calcareous loesslike loam. Geoderma, 1976. Vol. 15.

35.       Zhang Y., Hartemink A.E. A method for automated soil horizon delineation using digital images // Geoderma. 2019. Vol. 343. https://dx.doi.org/10.1016/J.GEODERMA.2019.02.002