Прогноз распределения плотности почвы с использованием данных о сопротивлении пенетрации на примере дерново-подзолистой почвы УО ПЭЦ МГУ «Чашниково»

Аннотация

Для дерново-подзолистых почв на территории УО ПЭЦ МГУ «Чашниково» исследована зависимость плотности почв от сопротивления пенетрации, влажности, гранулометрического состава и содержания органического углерода. На шести ключевых участках разного типа землепользования проводилось измерение сопротивления пенетрации пенетрологгером на площадках перед стенками трёх почвенных разрезов. Из этих же разрезов проводился отбор образцов на плотность методом режущих колец объёмом 100 см³. В образцах затем определялись влажность, содержание органического углерода методом Тюрина и гранулометрический состав на дифракционном лазерном анализаторе. Были разработаны 24 регрессионные модели для предсказания плотности почв. Коэффициенты детерминации (R²) составляли от 0,23 до 0,89, а корень из среднеквадратической ошибки (RMSE) — от 0,07 до 0,18 г·см⁻³. По результатам моделирования оказалось, что наибольший вклад в прогнозирование плотности вносят: содержание органического углерода, глубина и сопротивление пенетрации. Добавление в модель конкретных фракций гранулометрического состава является более информативным, чем использование главных компонент фракций гранулометрического состава в качестве предикторов. Полевая влажность почв во многих моделях оказалась незначимым предиктором для плотности. С учетом трудоемкости определения полного набора предикторов были предложены модели с сокращенным набором предикторов: 1) глубина и сопротивление пенетрации, 2) содержание органического углерода и сопротивления пенетрации, 3) содержание органического углерода. Данные первой из перечисленных моделей автоматически собираются в процессе использования пенетрологгера, что делает её удобной для мониторинговых обследований. Важные ограничения метода связаны с гранулометрическим составом почв и способом его определения: например, при наличии крупных валунов в почве измерение сопротивления пенетрации пенетрологгером сверху вниз невозможно, так как измерительный инструмент упирается в крупную фракцию и проталкивание его в нижележащие горизонты невозможно. Использование предлагаемых регрессионных уравнений, в которых гранулометрический состав определён иным способом, чем лазерная дифракция, некорректно. Выбор конкретной гранулометрической фракции в качестве предиктора должен основываться на корреляционном анализе для каждой конкретной территории.

 

Литература

1.               Гордеев А.С., Каширин Ю.А. Цифровое устройство для исследования плотности почвы // Наука и образование. 2023. №2. URL: https://cyberleninka.ru/article/n/tsifrovoe-ustroystvo-dlya-issledovaniya-plotnosti-pochvy (дата обращения: 09.01.2026).

2.               Курс физики почв: Учеб. для студентов вузов, обучающихся по направлению 510700 «Почвоведение» и специальности 013000 «Почвоведение» / Е.В. Шеин. М., 2005. 430 с.

3.               Перспективные средства контроля в дорожном строительстве (Электронный ресурс). URL: https://www.stroypribor.com/about/publications/2019/02/21/dorozhnoye-stroitelstvo.html (дата обращения: 07.02.2025).

4.               Честных О.В., Замолодчиков Д.Г. Зависимость плотности почвенных горизонтов от глубины их залегания и содержания гумуса // Почвоведение. 2004. № 8. С. 937–844.

5.               Шишов Л.Л., Тонконогов В.Д., Лебедева И.И. и др. Классификация и диагностика почв России. Смоленск, 2004. 342 с.

6.               Abdelbaki A. Evaluation of pedotransfer functions for predicting soil bulk density for U.S. soils // Ain Shams Eng. J. 2016. Vol. 9, № 4. https://doi.org/10.1016/j.asej.2016.12.002

7.               Dexter A.R., Czyż E.A., Gaţe O.P. A method for prediction of soil penetration resistance // Soil Tillage Res. 2007. № 93(2). P. 412–419. https://doi.org/10.1016/j.still.2006.05.011

8.               Hernanz J.L., Peixoto H., Cerisola C. et al. An empirical model to predict soil bulk density profiles in field conditions using penetration resistance, moisture content and soil depth // J. Terramechanics. 2000. Vol. 37, Iss. 4. P. 167–184. https://doi.org/10.1016/S0022-4898(99)00020-8

9.               IUSS Working Group WRB. World Reference Base for Soil Resources. International soil classification system for naming soils and creating legends for soil maps. 4th edition. International Union of Soil Sciences (IUSS), Vienna, Austria, 2022. 236 p.

10.            Janik D., Piotr A.D. Soil penetration testers. State of the art. Part 1. The penetrometer approach // Soil Tillage Res. 2024. Vol. 244. P. 106219. https://doi.org/10.1016/j.still.2024.106219

11.            Kurmi P., Rai H.K., Patel R. et al. Prediction of related Soil Properties using Empirical Modelling Approach in Vertisols // BFIJ. 2023. Vol. 15, № 10. P. 640-643.

12.            Pathirana S., Lambot S., Krishnapillai M. et al. Integrated ground-penetrating radar and electromagnetic induction offer a non-destructive approach to predict soil bulk density in boreal podzolic soil // Geoderma. 2024. Vol. 450. Р. 117028. https://doi.org/10.1016/j.geoderma.2024.117028

13.            R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2023. Available online at https://www.R-project.org/.

14.            Reichert J.M., Morales C.A.S., Bastos F. et al. Tillage recommendation for commercial forest production: should tillage be based on soil penetrability, bulk density or more complex, integrative properties? // Geoderma Reg. 2021. № 25. Art. № e00381. https://doi.org/10.1016/j.geodrs.2021.e00381

15.            Robinson D.A., Thomas A., Reinsch S. et al. Analytical modelling of soil porosity and bulk density across the soil organic matter and land-use continuum // Sci Rep. 2022. Vol. 12. P. 7085. https://doi.org/10.1038/s41598-022-11099-7

16.            Royal Eijkelkamp. M-0615SAN Penetrologger: Handleiding (Hardware version: 6.00, Software version: 6.03, Penetroviewer version: 6.08). Giesbeek, The Netherlands: Royal Eijkelkamp. 2022. Available at: https://www.royaleijkelkamp.com/media/zivh42gu/m-0615san-penetrologger.pdf

17.            Saygin F., Alaboz P., Dengiz O. et al. Relationships between some soil properties and penetration resistance // Sivas II. International conference on scientific and innovation research (15–17 September). S., 2023. P. 734–743.

18.            Schillaci C., Perego A., Valkama E. et al. New pedotransfer approaches to predict soil bulk density using WoSIS soil data and environmental covariates in Mediterranean agro-ecosystems // Sci. Total Environ. 2021. Vol. 780. P. 146609. https://doi.org/ 10.1016/j.scitotenv.2021.146609

19.            Shi L., O'Rourke S., Santana F.B. et al. Prediction of soil bulk density in agricultural soils using mid-infrared spectroscopy // Geoderma. 2023. Vol. 434. 116487. https://doi.org/10.1016/j.geoderma.2023.116487

20.            Standard operating procedure for soil organic carbon: Tyurin spectrophotometric method. Rome: FAO, 2021. 22 p.

21.            Suzuki L., Reinert D., Pillon C. et al. Mechanical Resistance to Penetration for Improved Diagnosis of Soil Compaction at Grazing and Forest Sites // Forests. 2024. Vol. 15. 1369. https://doi.org/10.3390/f15081369

22.            Taalab K., Corstanje R., Creamer R. et al. Modelling soil bulk density at the landscape scale and its contributions to C stock uncertainty // Biogeosciences. 2013. № 10. Р. 4691–4704. https://doi.org/10.5194/bg-10-4691-2013

23.            Ünal İ., Kabaş Ö., Sözer S. Comparison of two different artificial neural network models for prediction of soil penetration resistance // J. Agric. Eng. 2024. Vol. 55. https://doi.org/10.4081/jae.2024.1550

24.            Vaz C., Manieri J., Maria I. et al. Modeling the Influence of Water Content and Bulk Density on Soil Penetration Resistance // International Annual Meeting American Society of Agronomy (November) / Crop Science Society of America / Soil Science Society of America 2010.

25.            Wadoux A.M.J.-C., Walvoort D.J.J., Brus D.J. An integrated approach for the evaluation of quantitative soil maps through Taylor and solar diagrams // Geoderma. 2022. Vol. 405. https://doi.org/10.1016/j.geoderma.2021.115332