Erosion-accumulative soil cover pattern of dry-steppe agricultural landscape, Rostov region

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The aim of the work is to present the results of a ground-based study of the erosion-accumulative soil cover pattern of a key area and to assess the information content of multi-temporal remote sensing data of the bare soil surface for its identification and mapping in the zone of distribution of dark chestnut soils (Kastanozems). The study area is located on the Millerovo-Morozovskaya inclined plain within the Don-Donetsk hilly-ridge plain in the Oblivsky district of the Rostov region. The soil cover of the key area is represented by a combination of different variations of low-contrast soils on convex and concave surfaces within an elongated ridge and its slopes, including agro-dark chestnut solonetzic and non-solonetzic soils, agrozems (eroded soils that have lost the xerometamorphic horizon), stratozems (heavily delivered soils). The formation of the soil cover pattern is determined by a combination of mesorelief forms and two types of parent material. The C coefficient map of the multi-temporal soil line reveals the heterogeneity of the soil cover due to erosion-accumulative processes. In study area, three contrasting soil combinations are confidently distinguished in the form of different variations and combination-variations, forming a kind of framework of the soil cover pattern. Soil combinations of eroded and delivered soils located between the above three groups of soil combinations are significantly different from their neighbors, but their interpretation has increased uncertainty.

About the authors

N. B. Khitrov

Dokuchaev Soil Science Institute

Author for correspondence.
Email: khitrovnb@gmail.com
ORCID iD: 0000-0001-5151-5109
Russian Federation, Moscow, 119017

E. I. Kravchenko

Dokuchaev Soil Science Institute

Email: khitrovnb@gmail.com
ORCID iD: 0000-0003-4609-5650
Russian Federation, Moscow, 119017

D. I. Rukhovich

Dokuchaev Soil Science Institute

Email: khitrovnb@gmail.com
ORCID iD: 0000-0002-8002-0698
Russian Federation, Moscow, 119017

P. V. Koroleva

Dokuchaev Soil Science Institute

Email: khitrovnb@gmail.com
ORCID iD: 0009-0000-0689-4621
Russian Federation, Moscow, 119017

References

  1. Аникин А.С. Формирование структуры почвенного покрова в связи с развитием процессов эрозии и дефляции в южно-таёжной зоне Западной Сибири // Известия Оренбургского гос. аграрного ун-та. 2009. Т. 4. № 24-1. С. 16–18.
  2. Геннадиев А.Н., Жидкин А.П., Олсон К.Р., Качинский В.Л. Эрозия и потери органического углерода почв при распашке склонов // Вестник Моск. ун-та. Сер. 5. География. 2010. № 6. С. 32–38. https://cyberleninka.ru/article/n/eroziya-i-poteri-organicheskogo-ugleroda-pochv-pri-raspashke-sklonov
  3. Геннадиев А.Н., Кошовский Т.С., Жидкин А.П., Ковач Р.Г. Латеральная миграция твердофазного вещества почв в пределах ландшафтно-геохимической арены (метод магнитного трассера) // Почвоведение. 2013. № 10. С. 1–12. https://doi.org/10.7868/S0032180X13100043
  4. Глазунов Г.П., Гендугов В.М. Модель крупномасштабного явления ветровой эрозии почв и ее верификация // Почвоведение. 2003. № 2. С. 228–239.
  5. Годельман Я.М. Неоднородность почвенного покрова и использование земель. М.: Наука, 1981. 200 с.
  6. Долгова Д.А., Рейнгард Я.Р., Аникин А.С., Долженко С.В. Структура почвенного покрова территорий с гривными формами рельефа в степной зоне Омской области при развитии процессов деградации почв // Вестник Бурятской гос. с./х. академии им. В.Р. Филиппова. 2010. № 3 (20). С. 15–18. https://elibrary.ru/download/elibrary_15240696_36927163.pdf
  7. Жидкин А.П., Комиссаров М.А. Эрозионно-аккумулятивные микроструктуры почвенного покрова в лесостепной зоне Предуралья Республики Башкортостан // Вестник Башкирского гос. аграрного ун-та.2020. № 1(53). С. 12–20. https://doi.org/10.31563/1684-7628-2020-53-1-12-20
  8. Жидкин А.П., Смирнова М.А., Геннадиев А.Н., Лукинc С.В., Заздравных Е.А., Лозбенев Н.И. Цифровое моделирование строения и степени эродированности почвенного покрова (Прохоровский район Белгородской области) // Почвоведение. 2021. № 1. С. 17–30. https://doi.org/10.31857/S0032180X21010159
  9. Заславский М.Н. Эрозиоведение. М.: Высшая школа, 1983. 320 с.
  10. Классификация и диагностика почв СССР. М.: Колос, 1977.247 с.
  11. Классификация и диагностика почв России. Смоленск: Ойкумена, 2004. 342 с.
  12. Козлов Д.Н., Жидкин А.П., Лозбенев Н.И. Цифровое картографирование эрозионных структур почвенного покрова на основе имитационной модели смыва (северная лесостепь Среднерусской возвышенности) // Бюл. Почв. ин-та им. В.В. Докучаева. 2019. Вып. 100. С. 5–35. https://doi.org/10.19047/0136-1694-2019-100-5-35
  13. Королева П.В., Рухович Д.И., Рухович А.Д., Рухович Д.Д., Куляница А.Л., Трубников А.В., Калинина Н.В., Симакова М.С. Местоположение открытой поверхности почвы и линии почвы в спектральном пространстве RED–NIR // Почвоведение. 2017. № 12. С. 1435–1446. https://doi.org/10.7868/S0032180X17100045
  14. Королева П.В., Рухович Д.И., Рухович А.Д., Рухович Д.Д., Куляница А.Л., Трубников А.В., Калинина Н.В., Симакова М.С. Характеристика почвенных типов и подтипов в N-мерном пространстве коэффициентов мультивременной (эмпирической) линии почв // Почвоведение. 2018. № 9. С. 1085–1098. https://doi.org/10.1134/S0032180X1809006X
  15. Кошелев А.В. Картографирование почвенного покрова эрозионных агроландшафтов Волгоградской области на основе цифровой модели рельефа // Приоритетные направления развития современной науки молодых ученых аграриев. Материалы V-й междунар. науч.-пр. конф. молодых ученых, посвященные 25-летию ФГБНУ “Прикаспийский НИИ аридного земледелия”. Соленое Займище. 2016. С. 161–164.
  16. Кулик К.Н., Рулев А.С., Юферев В.Г. Геоинформационное моделирование структуры и динамики агролесоландшафтов // Экосистемы: экология и динамика. 2017. Т. 1. № 2. С. 5–20.
  17. Куляница А.Л., Рухович Д.И., Королева П.В., Вильчевская Е.В., Калинина Н.В. Анализ информативности методов обработки больших спутниковых данных систем точного земледелия при коррекции крупномасштабных почвенных карт // Почвоведение. 2020. № 12. С. 1460–1477. https://doi.org/10.31857/S0032180X20110088
  18. Куляница А.Л., Рухович А.Д., Рухович Д.Д., Королева П.В., Рухович Д.И., Симакова М.С., Применение кусочно-линейной аппроксимации спектральной окрестности линии почв для анализа качества нормализации материалов дистанционного зондирования // Почвоведение. 2017. № 4. С. 401–410. https://doi.org/10.7868/S0032180X17040049
  19. Ларионов Г.А., Добровольская Т.Г., Краснов С.Ф., Лиу Б.И. Новое уравнение для оценки фактора рельефа для эмпирической модели эрозии почв // Почвоведение. 2003. № 10. С. 863–871.
  20. Литвин Л.Ф. География эрозии почв сельскохозяйственных земель России. М.: РФФИ, 2002. 254 с. https://www.rfbr.ru/rffi/ru/books/o_36421
  21. Литвин Л.Ф., Кирюхина З.П., Краснов С.Ф., Добровольская Н.Г., Горобец А.В. География динамики земледельческой эрозии почв Сибири и Дальнего Востока // Почвоведение. 2021. № 1. С. 136–148. https://doi.org/10.31857/S0032180X2101007X
  22. Мальцев К.А., Голосов В.Н., Гафуров А.М. Цифровые модели рельефа и их использование в расчётах темпов смыва почв на пахотных землях // Ученые записки Казанского ун-та. Сер. Естественные науки. 2018. Т. 160. Кн. 3. С. 514–530. https://cyberleninka.ru/article/n/tsifrovye-modeli-reliefa-i-ih-ispolzovanie-v-raschyotah-tempov-smyva-pochv-na-pahotnyh-zemlyah
  23. Мальцев К.А., Ермолаев О.П. Потенциальные эрозионные потери почвы на пахотных землях европейской части России // Почвоведение. 2019. № 12. С. 1502–1512. https://doi.org/10.1134/S0032180X19120104
  24. Научные основы предотвращения деградации почв (земель) сельскохозяйственных угодий России и формирования систем воспроизводства их плодородия в адаптивно-ландшафтном земледелии: Т. 1. Теоретические и методические основы предотвращения деградации почв (земель) сельскохозяйственных угодий. М.: Почв. ин-т им. В.В. Докучаева Россельхозакадемии, 2013. 756 с.
  25. Неуструев С.С. К вопросу о “нормальных” почвах и зональности комплекса сухих степей // Почвоведение. 1910. № 2. С. 177–190.
  26. Общесоюзная инструкция по почвенным обследованиям и составлению крупномасштабных почвенных карт землепользования / Под ред. Ищенко Т.А. М.: Колос, 1973. 95 с.
  27. Полевой определитель почв России. М.: Почв. ин-т им. В.В. Докучаева, 2008. 182 с.
  28. Потапов И.И., Сафронов И.Н. Рельеф, геологическое строение и полезные ископаемые Северо-Кавказского экономического района. Ростов-на-Дону: Рост. yн-т, 1985. 156 с.
  29. Рейнгард Я.Р. Деградация почв экосистем юга Западной Сибири. Лодзь, 2009. 636 с.
  30. Рейнгард Я.Р., Долгова Д.А., Аникин А.С., Долженко С.В. Изменение структуры почвенного покрова в связи с развитием процессов эрозии и дефляции в южно-таёжной зоне Западной Сибири (на примере Омской области) // Омский научный вестник. 2012. № 2. С. 258–261. https://elibrary.ru/download/elibrary_18387776_65814340.pdf
  31. Рейнгард Я.Р., Долгова Д.А. Формирование структуры почвенного покрова на территориях с гривными формами рельефа в лесостепной и степной зонах Омской области при развитии процессов эрозии и дефляции // Вестник Бурятской гос. с./х. академии им. В.Р. Филиппова. 2009. № 3. С. 55–59. https://elibrary.ru/download/elibrary_13013636_78414285.pdf
  32. Рейнгард Я.Р., Долженко С.В. Формирование структуры почвенного покрова на Прииртышском увале Западной Сибири при развитии процессов эрозии и дефляции. Омск: ОмГАУ, 2006. 135 С.
  33. Руководство по лабораторным методам исследования ионно-солевого состава нейтральных и щелочных минеральных почв / Под ред. Хитрова Н.Б., Понизовского А.А. М.: Почв. ин-т им. В.В. Докучаева, 1990.236 с.
  34. Рулев А.С., Юферев В.Г., Юферев М.В. Геоинформационные исследования эрозионной деградации в агроландшафтах // Известия Нижневолжского агроуниверситетского комплекса. 2013. № 2. С. 1–4. https://cyberleninka.ru/article/n/geoinformatsionnye-issledovaniya-erozionnoy-degradatsii-v-agrolandshaftah
  35. Рухович Д.И., Королева П.В., Вильчевская Е.В., Калинина Н.В. Цифровая тематическая картография как смена доступных первоисточников и способов их использования // Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почв. ин-т им. В.В. Докучаева, 2012. С. 58–86.
  36. Рухович Д.И., Королева П.В., Калинина Н.В., Вильчевская Е.В., Сулейман Г.И., Черноусенко Г.И. Детектирование деградированных участков пашни на основе анализа больших спутниковых данных // Почвоведение. 2021. № 2. С. 151–167. https://doi.org/10.31857/S0032180X21020131
  37. Рухович Д.И., Рухович А.Д., Рухович Д.Д., Симакова М.С., Куляница А.Л., Брызжев А.В., Королева П.В. Информативность коэффициентов a и b линии почв для анализа материалов дистанционного зондирования // Почвоведение. 2016. № 8. С. 903–917. https://doi.org/10.7868/S0032180X16080128
  38. Рухович Д.И., Рухович А.Д., Рухович Д.Д., Симакова М.С., Куляница А.Л., Брызжев А.В., Королева П.В. Построение карт усредненных спектральных отклонений от линии почв и их сравнение с традиционными почвенными картами // Почвоведение. 2016. № 7. С. 794–812. https://doi.org/10.7868/S0032180X1607008X
  39. Силова В.А. Анализ геоморфологических особенностей агроландшафтов Среднего Дона. Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2021. 1(61). 203–210. https://doi.org/10.32786/2071-9485-2021-01-20
  40. Синельникова К.П. Геоинформационный анализ современного состояния агроландшафта Донской гряды // Научно-агрономический журнал. 2020. № 3. С. 9–16. https://doi.org/10.34736/FNC.2020.110.3.002.9-16
  41. Синельникова К.П. Оценка состояния агроландшафтов Донской гряды с использованием ГИС-технологий и космоснимков // Успехи современного естествознания. 2022. № 6. С. 21–26. https://s.natural-sciences.ru/pdf/2022/2022_6.pdf
  42. Смирнова М.А., Жидкин А.П., Лозбенев Н.И., Заздравных Е.А., Козлов Д.Н. Цифровое картографирование степени эродированности почв с использованием моделей фактор-свойство и фактор-процесс-свойство (юг Среднерусской возвышенности) // Бюл. Почв. ин-та. 2020. Вып. 104. С. 158–198. https://doi.org/10.19047/0136-1694-2020-104-158-198
  43. Соболев С.С. Развитие эрозионных процессов на территории европейской части СССР и борьба с ними. М.–Л.: Изд-во АН СССР, 1948. Т. 1. 305 с. Т. 2. 1960. 248 с.
  44. Сорокина Н.П. Методология составления крупномасштабных агроэкологически ориентированных почвенных карт. М.: Почв. ин-т им. В.В. Докучаева, 2006. 159 с.
  45. Сурмач Г.П. Рельефообразование, формирование лесостепи, современная эрозия и противоэрозионные мероприятия. Волгоград: ВНИАЛМИ, 1992. 174 с.
  46. Сухановский Ю.П. Модель дождевой эрозии // Почвоведение. 2010. № 9. С. 1114–1125.
  47. Фишман М.И. Черноземные комплексы и их связь с рельефом на Среднерусской возвышенности // Почвоведение. 1977. № 5. С. 17–30.
  48. Фомичева Д.В., Лозбенев Н.И. Моделирование эрозионных структур почвенного покрова (на примере южного склона Клинско-Дмитровской гряды) // Антропогенная трансформация природной среды. 2018. № 4. С. 200–202. https://cyberleninka.ru/article/n/modelirovanie-erozionnyh-struktur-pochvennogo-pokrova-na-primere-yuzhnogo-sklona-klinsko-dmitrovskoy-gryady (дата обращения: 13.02.2023).
  49. Фридланд В.М. Структура почвенного покрова. М.: Мысль, 1972.
  50. Хитров Н.Б., Герасимова М.И. Диагностические горизонты в классификации почв России: версия 2021 // Почвоведение. 2021. № 8. С. 899–910. https://doi.org/10.31857/S0032180X21080098
  51. Хитров Н.Б., Герасимова М.И. Предлагаемые изменения в классификации почв России: диагностические признаки и почвообразующие породы // Почвоведение. 2022. № 1. С. 3–14. https://doi.org/10.31857/S0032180X22010087
  52. Хитров Н.Б., Калинина Н.В., Роговнева Л.В., Рухович Д.И. Слитоземы и слитизированные почвы России. М.: ИД Академии Жуковского, 2020. 516 с. ISBN: 978-5-907275-35-5
  53. Юферев В.Г., Юферев М.В. Оценка эрозионного состояния агроландшафтов по космоснимкам // Научно-агрономический журнал. 2018. С. 26–28. https://cyberleninka.ru/article/n/otsenka-erozionnogo-sostoyaniya-agrolandshaftov-po-kosmosnimkam
  54. Швебс Г.И. Формирование водной эрозии, стока наносов и их оценка (на примере Украины и Молдавии). Л.: Гидрометеоиздат, 1974. 184 с.
  55. Abdulkareem J.H., Pradhan B., Sulaiman W.N.A., Jamil N.R. Prediction of spatial soil loss impacted by long-term land-use/land-cover change in a tropical watershed // Geoscience Frontier. 2019. V. 10. № 2. P. 389–403. https://doi.org/10.1016/j.gsf.2017.10.010
  56. Alatorre L.C., Beguería S., García-Ruiz J.M. Regional scale modeling of hillslope sediment delivery: a case study in Barasona reservoir watershed (Spain) using WATEM/SEDEM // J. Hydrol. 2010. V. 391. P. 109–123. https://doi.org/10.1016/j.jhydrol.2010.07.010
  57. Alatorre L.C., Beguería S., Lana-Renault N., Navas A., García-Ruiz J.M. Soil erosion and sediment delivery in a mountain catchment under scenarios of land use change using a spatially distributed numerical model // Hydrology and Earth System Sciences. 2012. V. 16. P. 1321–1334. https://doi.org/10.5194/hess-16-1321-2012
  58. Alexakis D.D., Manoudakis S., Agapiou A., Polykretis C. Towards the Assessment of Soil-Erosion-Related C-Factor on European Scale Using Google Earth Engine and Sentinel-2 Images // Remote Sensing. 2021. V. 13. P. 5019. https://doi.org/10.3390/rs13245019
  59. Amasi A.I.M., Wynants M., Kawala R.A., Sawe S.F., Blake W.H., Mtei K.M. Evaluating Soil Carbon as a Proxy for Erosion Risk in the Spatio-Temporal Complex Hydropower Catchment in Upper Pangani. Northern Tanzania // Earth. 2021. V. 2. P. 764–780. https://doi.org/10.3390/earth2040045
  60. Ayalew D.A., Deumlich D., Šarapatka B., Doktor D. Quantifying the sensitivity of NDVI-Based C factor estimation and potential soil erosion prediction using Spaceborne earth observation data // Remote Sensing. 2020. V. 12. P. 1136. https://doi.org/10.3390/rs12071136
  61. Bagarello V., Di Stefano C., Ferro V., Pampalone V. Predicting maximum annual values of event soil loss by USLE-type models // Catena. 2017. V. 155. P. 10–19. https://doi.org/10.1016/j.catena.2017.03.002
  62. Batista P.V.G., Laceby J.P., Davies J., Carvalho T.S., Tassinari D., Silva M.L.N., Curi N., Quinton J.N. A framework for testing large-scale distributed soil erosion and sediment delivery models: Dealing with uncertainty in models and the observational data // Environmental Modelling and Software. 2021. V. 137. P. 104961. https://doi.org/10.1016/j.envsoft.2021.104961
  63. Benavidez R., Jackson B., Maxwell D., Norton K. A review of the (Revised) universal soil loss equation ((R) USLE): With a view to increasing its global applicability and improving soil loss estimates // Hydrology and Earth System Sciences. 2018. V. 22. № 11. P. 6059–6086. https://doi.org/10.5194/hess-22-6059-2018
  64. Buryak Z.A., Ukrainsky P.A., Gusarov A.V., Lukin S.V., Beylich A.A. Geomorphic factors influencing the spatial distribution of eroded Chernozems in automated digital soil erosion mapping // Geomorphology. 2023. V. 439. P. 108863. https://doi.org/10.1016/j.geomorph.2023.108863
  65. De Carvalho D.F., Durigon V.L., Antunes M.A.H., De Almeida W.S., Oliveira P.T.S. Predicting soil erosion using Rusle and NDVI time series from TM Landsat 5 // Pesquisa Agropecuária Brasiliera. 2014. V. 49. № 3. P. 215–224. https://doi.org/10.1590/s0100-204X2014000300008
  66. Eckert S., Hüsler F., Liniger H., Hodel E. Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia // J. Arid Environ. 2015. V. 113. P. 16–28. https://doi.org/10.1016/j.jaridenv.2014.09.001
  67. Eltner A., Baumgart P., Maas H.G., Faust D. Multi-temporal UAV data for automatic measurement of rill and interrill erosion on loess soil // Earth Surface Processes and Landforms. 2015. V. 40. № 6. P. 741–755. https://doi.org/10.1002/esp.3673
  68. Farm Management. Satellite Big Data: how it is changing the face of precision farming. Available online: http://www.farmmanagement.pro/satellite-big-data-how-it-is-changing-the-face-of-precision-farming/
  69. Felix F.C., Cândido B.M., de Moraes J.F.L. Improving RUSLE predictions through UAV-based soil cover management factor (C) assessments: A novel approach for enhanced erosion analysis in sugarcane fields // J. Hydrology. 2023. V. 626. P. 130229. https://doi.org/10.1016/j.jhydrol.2023.130229
  70. Feng X., Wang Y., Chen L., Fu B., Bai G. Modeling soil erosion and its response to land-use change in hilly catchments Chinese Loess Plateau // Geomorphology. 2010. V. 118. № 3–4. P. 239–248. https://doi.org/10.1016/j.geomorph.2010.01.004
  71. Fu B.J., Zhao W.W., Chen L.D., Zhang Q.J., Lü Y.H., Gulinck H., Poesen J. Assessment of soil erosion at large watershed scale using RUSLE and GIS: a case study in the Loess Plateau of China // Land Degradation and Development. 2005. V. 16. № 1. P. 73–85. https://doi.org/10.1002/ldr.646
  72. Higginbottom T.P., Symeonakis E. Assessing land degradation and desertification using vegetation index data: current frameworks and future directions // Remote Sensing. 2014. V. 6. P. 9552–9575. https://doi.org/10.3390/rs6109552
  73. Huang Y., Chen Z.-X., Yu T., Huang X.-Z., Gu X.-F. Agricultural remote sensing big data: Management and applications // J. Integrative Agriculture. 2018. V. 17. P. 1915–1931, doi: 10.1016/s2095-3119(17)61859-8
  74. Ibrahim Y.Z., Balzter H., Kaduk J., Tucker C.J. Land degradation assessment using residual trend analysis of GIMMS NDVI3g, soil moisture and rainfall in sub-Saharan west Africa from 1982 to 2012 // Remote Sensing. 2015. V. 7. P. 5471–5494. https://doi.org/10.3390/rs70505471
  75. IUSS Working Group WRB. 2015. 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. 192 p.
  76. Iwahashi Y., Ye R., Kobayashi S., Yagura K., Hor S., Soben K., Homma K. Quantification of changes in rice production for 2003–2019 with MODIS LAI data in Pursat Province, Cambodia // Remote Sensing. 2021. V. 13. P. 1971. https://doi.org/10.3390/rs13101971
  77. Khitrov N.B., Gorokhova I.N., Kravchenko E.I. Statistics on the Variation in Depth and Thickness of Soil Cover Horizons at the Oroshaemaya Experimental Station // Moscow University Soil Sci. Bull. 2022. V. 77. № 2. P. 83–93. https://doi.org/10.3103/S0147687422020028
  78. Khitrov N.B., Rukhovich D.I., Koroleva P.V., Kalinina N.V., Trubnikov A.V., Petukhov D.A., Kulyanitsa A.L. A study of the responsiveness of crops to fertilizers by zones of stable intra-field heterogeneity based on big satellite data analysis // Archives of Agronomy and Soil Science. 2020. V. 66. № 14. P. 1963–1975. https://doi.org/10.1080/03650340.2019.1703957
  79. Li H., Shi D. Spatio-temporal variation in soil erosion on sloping farmland based on the integrated valuation of ecosystem services and trade-offs model: A case study of Chongqing, southwest China // Catena. 2024. V. 236. P. 107693. https://doi.org/10.1016/j.catena.2023.107693
  80. Lozbenev N., Komissarov M., Zhidkin A., Gusarov A., Fomicheva D. Comparative assessment of digital and conventional soil mapping: a case study of the Southern Cis-Ural region, Russia // Soil Systems. 2022. V. 6. P. 1–12. https://doi.org/10.3390/soilsystems6010014
  81. Meinen B.U., Robinson D.T. Mapping erosion and deposition in an agricultural landscape: Optimization of UAV image acquisition schemes for SfM-MVS // Remote Sensing of Environment. 2020. V. 239. P. 111666. https://doi.org/10.1016/j.rse.2020.111666
  82. Mendonça-Santos M.D.L., Dart R.O., Santos H.G., Coelho M.R., Berbara R.L.L., Lumbreras J.F. Digital soil mapping of topsoil organic carbon content of Rio de Janeiro state, Brazil // Digital Soil Mapping. Eds.: Boettinger J.L et al. N.Y.: Springer, 2010. Pp. 255–266. https://doi.org/10.1007/978-90-481-8863-5_21
  83. Mokarram M., Zarei A.R. Soil erosion prediction using Markov and CA-Markov chains methods and remote sensing drought indicators // Ecological Informatics. 2023. V. 78. P. 102386. https://doi.org/10.1016/j.ecoinf.2023.102386
  84. Musasa T., Dube T., Marambanyika T. Landsat satellite programme potential for soil erosion assessment and monitoring in arid environments: A review of applications and challenges // Int. Soil Water Conserv. Res. 2024. V. 10. P. 003. https://doi.org/10.1016/j.iswcr.2023.10.003
  85. Phinzi K., Ngetar N.S. Mapping soil erosion in a quaternary catchment in Eastern Cape using geographic information system and remote sensing // South African J. Geomatics. 2017. V. 6. № 1. P. 11-29. https://doi.org/10.4314/sajg.v6i1.2
  86. Pineux N., Lisein J., Swerts G., Bielders C.L., Lejeune P., Colinet G., Degré A. Can DEM time series produced by UAV be used to quantify diffuse erosion in an agricultural watershed? // Geomorphology. 2017. V. 280. P. 122–136. https://doi.org/10.1016/j.geomorph.2016.12.003
  87. Qi G., Chang C., Yang W., Gao P., Zhao G. Soil salinity inversion in coastal corn planting areas by the satellite-UAV-ground integration approach // Remote Sens. 2021. V. 13. № 16. P. 3100. https://doi.org/10.3390/rs13163100
  88. Renard K.G., Foster G.R., Weesies G.A., McCool D.K., Yoder D.C. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE). USDA Agriculture Handbook 703, 1997. 40 p.
  89. Romanenkov V., Smith J., Smith P., Sirotenko O.D., Rukhovitch D.I., Romanenko I.A. Soil organic carbon dynamics of croplands in European Russia: estimates from the “model of humus balance” // Reg. Environ. Chang. 2007. V. 7. P. 93–104. https://doi.org/10.1007/s10113-007-0031-7
  90. Romano E., Bergonzoli S., Pecorella I., Bisaglia C., De Vita P. Methodology for the definition of durum wheat yield homogeneous zones by using satellite spectral indices // Remote Sensing. 2021. V. 13. № 11. P. 2036. https://doi.org/10.3390/rs13112036
  91. Rukhovich D.I., Koroleva P.V., Rukhovich D.D., Kalinina N.V. The use of deep machine learning for the automated selection of remote sensing data for the determination of areas of arable land degradation processes distribution // Remote Sensing. 2021. V. 13. № 1. P. 155. https://doi.org/10.3390/rs13010155
  92. Rukhovich D.I., Koroleva P.V., Rukhovich A.D., Komissarov M.A. Informativeness of the Long-Term Average Spectral Characteristics of the Bare Soil Surface for the Detection of Soil Cover Degradation with the Neural Network Filtering of Remote Sensing Data // Remote Sensing. 2023. V. 15. № 1. P. 124. https://doi.org/10.3390/rs15010124
  93. Rukhovich D.I., Koroleva P.V., Rukhovich A.D., Komissarov M.A. Updating of the Archival Large-Scale Soil Map Based on the Multitemporal Spectral Characteristics of the Bare Soil Surface Landsat Scenes // Remote Sensing. 2023. V. 15. № 18. P. 4491. https://doi.org/10.3390/rs15184491
  94. Rukhovich D.I., Koroleva P.V., Vilchevskaya E.V., Romanenkov V., Kolesnikova L.G. Constructing a spatially-resolved database for modelling soil organic carbon stocks of croplands in European Russia // Reg. Environ. Chang. 2007. V. 7. P. 51–61. https://doi.org/10.1007/s10113-007-0029-1
  95. Schmaltz E.M., Johannsen L.L., Thorsøe M.H., Tähtikarhu M., Räsänen T.A., Darboux F., Strauss P. Connectivity elements and mitigation measures in policy-relevant soil erosion models: A survey across Europe // Catena. 2024. V. 234. P. 107600. https://doi.org/10.1016/j.catena.2023.107600
  96. Senanayake S., Pradhan B., Wedathanthirige H., Alamri A., Park H.-J. Monitoring soil erosion in support of achieving SDGs: A special focus on rainfall variation and farming systems vulnerability // Catena. 2024. V. 234. P. 107537. https://doi.org/10.1016/j.catena.2023.107537
  97. Shary P.A., Sharaya L.S., Mitusov A.V. Fundamental quantitative methods of land surface analysis // Geoderma. 2002. V. 107. P. 1–32. https://doi.org/10.1016/s0016-7061(01)00136-7
  98. SRTM. Available online: http://srtm.csi.cgiar.org
  99. Xu H., Hu X., Guan H., Zhang B., Wang M., Chen S., Chen M. A remote sensing based method to detect soil erosion in forests // Remote Sensing. 2019. V. 11. P. 513. https://doi.org/10.3390/rs11050513
  100. Yengoh G.T., Dent D., Olsson L., Tengberg A.E., Tucker C.J. Limits to the use of NDVI in land degradation assessment // Use of the Normalized Difference Vegetation Index (NDVI) to Assess Land Degradation at Multiple Scales. Springer Briefs in Environmental Science. Springer: Cham, Switzerland, 2015. P. 27–30. https://doi.org/10.1007/978-3-319-24112-8_4
  101. Zhang Y., Walker J.P., Pauwels V.R.N., Sadeh Y. Assimilation of wheat and soil states into the APSIM-wheat crop model: a case study // Remote Sensing. 2022. V. 14. № 1. Paper 65. P. 1–21. https://doi.org/10.3390/rs14010065
  102. Zhidkin A., Fomicheva D., Ivanova N., Dost´al T., Yurova A., Komissarov M., Kr´asa J. A detailed reconstruction of changes in the factors and parameters of soil erosion over the past 250 years in the forest zone of European Russia (Moscow region) // Int. Soil Water Conserv. Res. 2022. V. 10. № 1. P. 149–160. https://doi.org/10.1016/j.iswcr.2021.06.003
  103. Zhidkin A., Gennadiev A., Fomicheva D., Shamshurina E., Golosov V. Soil erosion models verification in a small catchment for different time windows with changing cropland boundary. // Geoderma. 2023. V. 430. P. 116322. https://doi.org/10.1016/j.geoderma.2022.116322

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».