Digital Updating of the Traditionally Compiled Soil Maps

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The new approach for the updation of the traditional paper soil maps was provided. It is based on the imitation modeling of the traditional expert-based approaches for soil mapping. The result of the probe of our approach for soil mapping on the example of test site in the center of european part of Russia was given. The open-source script program IMSOIL was developed for soil maps updation on the R programming language. In the comparison to the others in our approach the expert-based knowledge of soil geography are also incorporated with the results of statistical data analysis. The updated soil map had much better consistency with the up-to-date soil forming factors data than the traditional paper soil map. The suggested approach of the imitation of soil mapping in geoinformational system includes using the good quality soil geography data and quantitative rules for soil mapping. The models in the form of decision trees can be analyzed by an expert, and the improvements to the covariates and obtained models can be made by him. The form of the decision trees of the soil mapping rules allowed to save up traditional qualitative description of the soil geography in the formalised representation and to integrate it with the unambiguous quantitative rules for soil mapping. They are based on the satellite data and thematic maps. Such a method allows automatically extracting relationships of the soils with the soil forming factors. The updation of the soil maps is accompanied by the probability map.

Texto integral

Acesso é fechado

Sobre autores

A. Zhogolev

Dokuchaev Soil Science Institute

Autor responsável pela correspondência
Email: zhogolev_av@esoil.ru
ORCID ID: 0000-0003-2225-7037
Rússia, Moscow, 119017

I. Savin

Dokuchaev Soil Science Institute; Lomonosov Moscow State University

Email: zhogolev_av@esoil.ru

Soil Science Faculty

Rússia, Moscow, 119017; Moscow, 119991

Bibliografia

  1. Барталев С.А., Лупян Е.А. Исследования и разработки ИКИ РАН по развитию методов спутникового мониторинга растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. Т. 10. № 1. 2013. С. 197.
  2. Дворов И.М. Природные ресурсы Рязанской области. М.: Наука, 1965. 234 с.
  3. Добровольский Г.В., Никитин Е.Д. Сохранение почв как незаменимого компонента биосферы. М.: Наука, 2000. 179 с.
  4. Единый государственный реестр почвенных ресурсов России. Версия 1.0. М.: Почв. ин-т им. В.В. Докучаева, 2014. 856 с.
  5. Жоголев А.В., Савин И.Ю. Автоматизированное обновление среднемасштабных почвенных карт // Почвоведение. 2016. № 11. С. 1319–1327. https://doi.org/10.7868/S0032180X16110125
  6. Жоголев А.В., Савин И.Ю. Программа автоматизированного обновления почвенных карт IMSOIL // Свидетельство о регистрации программы для ЭВМ RU 2022664142, 25.07.2022. Заявка № 2022663764 от 25.07.2022.
  7. Зайдельман Ф. Р. Мелиорация почв. М.: Изд-во Моск ун-та, 2003. 448 с.
  8. Застрожнов, А.С., Шкатова В.К., Астахов В.И., Пестова Л.Е., Чуйко М.А., Гусев Е.А. Новая карта четвертичных отложений России масштаба 1 : 2500000 // Пути эволюционной географии. М., 2016. С. 97–100.
  9. Иванов А.Л., Савин И.Ю., Столбовой В.С., Духанин Ю.А., Козлов Д.Н., Баматов И.М. Глобальный климат и почвенный покров – последствия для землепользования России // Бюл. Почв. ин-та им. В.В. Докучаева. 2021. Вып. 107. С. 5–32. https://doi.org/10.19047/0136-1694-2021-107-5-32
  10. Кирюшин В.И. Задачи оптимизации землепользования в России // Бюл. Почв. ин-та им. В.В. Докучаева. 2023. Вып. 116. С. 5–25. https://doi.org/10.19047/0136-1694-2023-116-5-25
  11. Конюшков Д.Е., Ананко Т.В., Герасимова М.И., Лебедева И.И. Актуализация содержания почвенной карты РСФСР масштаба 2.5 млн в формате классификации почв России для создания новой цифровой карты // Бюл. Почв. ин-та им. В.В. Докучаева. 2020. Вып. 102. С. 21–48. https://doi.org/10.19047/0136-1694-2020-102-21-48
  12. Конюшков Д.Е., Хохлов С.Ф., Контобойцева А.А., Савицкая Н.В. Государственная почвенная карта и ее создатели // Бюл. Почв. ин-та им. В.В. Докучаева. 2015. Вып. 81. С. 12–44. https://doi.org/10.19047/0136-1694-2015-81-12-44
  13. Почвенная карта РСФСР масштаба 1 : 2 500 000 / Под ред. Фридланда В.М. М.: ГУГК, 1988. 16 листов.
  14. Программы для ЭВМ. Базы Данных. Топологии интегральных микросхем. Официальный Бюллетень Федеральной Службы по интеллектуальной собственности (РОСПАТЕНТ). 25.07.2022. Бюл. № 8. https://www1.fips.ru/ofpstorage/BULLETIN/PrEVM/2022/08/20/INDEX.HTM
  15. Руководство по среднемасштабному картографированию почв на основе ГИС. М.: Изд-во Почв. ин-та им. В.В. Докучаева. 2008. 241 с.
  16. Савин И.Ю. Проблема масштаба в современной почвенной картографии // Бюл. Почв. ин-та им. В.В. Докучаева. 2019. Вып. 97. С. 5–20. https://doi.org/10.19047/0136-1694-2019-97-5-20
  17. Савин И.Ю., Жоголев А.В., Прудникова Е.Ю. Современные тренды и проблемы почвенной картографии // Почвоведение. 2019. № 5. С. 517–528. https://doi.org/10.1134/S0032180X19050101
  18. Савин И.Ю. Имитация традиционного картографирования в ГИС. Цифровая почвенная картография: теоретические и экспериментальные исследования. 2012.
  19. Сапожников П.М. Основные проблемы при проведении государственной кадастровой оценки земель сельскохозяйственного назначения // Имущественные отношения в РФ. 2019. № 12 (219). https://cyberleninka.ru/article/n/osnovnye-problemy-pri-provedenii-gosudarstvennoy-kadastrovoy-otsenki-zemel-selskohozyaystvennogo-naznacheniya (дата обращения: 25.08.2024).
  20. Симакова М.С., Андроников В.Л. Почвенные карты // Картографическая изученность России. М.: Изд-во ин-та географии Рос. А.Н. 1999. С. 113-133.
  21. Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почв. ин-та им. В.В. Докучаева. 2012. 333 с.
  22. Breiman L., Friedman J., Olshen R., Stone, C. Classification and regression trees / London: CRC press, 1984. 368 p. https://doi.org/10.1201/9781315139470
  23. Danielson J.J., Gesch D.B. Global multi-resolution terrain elevation data 2010 (GMTED2010). No. 2011-1073. US Geological Survey, 2011. https://doi.org/10.3133/ofr20111073
  24. Grubinger T., Zeileis A., Pfeiffer, K.P. Evtree: Evolutionary Learning of Globally Optimal Classification and Regression Trees in R // Journal of Statistical Software. 2014. V. 61. P. 1–29. https://doi.org/10.18637/jss.v061.i01
  25. Hengl T. Finding the right pixel size // Computers & geosciences. V. 32. № 9. 2006. P. 1283–1298. https://doi.org/10.1016/j.cageo.2005.11.008
  26. Lagacherie P. Digital Soil Mapping: A State of the Art / Digital Soil Mapping with Limited Data. Dordrecht: Springer, 2008. P. 3–14. https://doi.org/10.1007/978-1-4020-8592-5_1
  27. McBratney A.B., Santos M.L.M., Minasny B. On digital soil mapping // Geoderma. 2003. V. 117(1–2). P. 3–52. https://doi.org/10.1016/S0016-7061(03)00223-4
  28. Minasny B., McBratney A.B. Digital soil mapping: A brief history and some lessons // Geoderma. V. 264. Part B. 2016. P. 301–311. https://doi.org/10.1016/j.geoderma.2015.07.017
  29. Mulder V.L., De Bruin S., Schaepman M.E., Mayr T.R. The use of remote sensing in soil and terrain mapping—A review // Geoderma. 2011. V. 162 (1-2). P. 1–19.
  30. Quinlan J.R. Data mining tools See5 and C5.0. // https://www.rulequest.com/see5-info.html – 2004 (дата обращения: 1312.2024).
  31. Zhogolev A., Savin I. Soil mapping based on globally optimal decision trees and digital imitations of traditional approaches // ISPRS Int. J. Geo-Information. 2020. V. 9. № 11. P. 664. https://doi.org/10.3390/ijgi9110664
  32. Zhu AXing Z.A.X., Moore A.C., Smith M.P., Liu J., Burt J.E., Qi F., Simonson D., Hempel J., Lubich K. Advances in information technology for soil surveys: the SoLIM effort / Innovative Techniques in Soil Survey: Developing the Foundation for a New Generation of Soil Resource Inventories and Their Utilization. Bangkok: Land Development Department, 2004. P. 25–42.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar
2. Fig. 1. The initial soil map for the territory of the test site near the Ryazan region: prevailing soils: 1 – sod-deep podzolic deep-clay, 2 – sod-pale podzolic, 3 – alluvial dark humus, 4 and 5 – sod-podzols illuvial-ferruginous, 6 and 7 – agrochernozems clay-illuvial, 8 – peat-podzols gleev illuvial-humus, 9 – peat oligotrophic, 10 – peat mesotrophic, 11 – peat-podzols are gley illuvial-humus, 12 – peat eutrophic, 13 – clay-illuvial quasi-gleevate agrochernozems, 14 – clay-illuvial agrochernozems, 15 – agrochernozems are clay-illuvial podzolic, 16 – sod-shallow and shallow podzolic, 17 - gray, 18 and 19 – agrotemporous gray, 20 – quasi–gleamy agrochernozems, 21 – illuvial-humus and illuvial-ferruginous podzols.

Baixar (336KB)
Metadados
3. Fig. 2. Part of the initial classification and regression tree with the following soils: 37_Tpgg – peat-podzolic gley, 2_Atg – dark humus alluvial, 93_ACH_kvg – quasi–gleevate agrochernozems, 39_Tpgg_ig - peat–podzolic gley, 37_Tpgg_ig - peat-podzolic gley illuvial–gley, 31_Pdizh - sod- podzolic illuvial–glandular, 13_Pdizh - sod-podzolic illuvial-ferruginous with peat mesotrophic. The following designations are used: DEM is the height on the digital terrain model, SLP is the slope in degrees, FRST is the forest mask, TPI is the topographic position (positive is a local increase, negative is a local decrease), N is the number of points in the training sample, Err is the prediction error for the training sample.

Baixar (186KB)
Metadados
4. Fig. 3. Fragment of the soil map according to the model without correction (left) and according to the model after expert correction of the decisive rules (right) (identical soils are shown in one color).

Baixar (444KB)
Metadados
5. Fig. 4. A general view of the soil map of the test site and a map of the probability of correct soil prediction, the soil numbers in the legend correspond to Fig. 1.

Baixar (1MB)
Metadados
6. Fig. 5. Comparison of the original and constructed updated soil maps with the current maps of soil formation factors: the constructed updated soil map is on the top left (a), the original soil map is on the top right (b), the digital relief model is on the bottom left (b), the vegetation class map is on the bottom right (d), the soil numbers in the legend corresponds to Fig. 1.

Baixar (985KB)
Metadados

Declaração de direitos autorais © Russian Academy of Sciences, 2025

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».