esoilБюллетень Почвенного института имени В.В. ДокучаеваDokuchaev Soil Bulletin0136-16942312-4202V.V. Dokuchaev Soil Science Institute10.19047/0136-1694-2022-111-77-96esoil-702Research ArticleСтатьиРаспознавание пахотных почв по фотографиям, получаемым в рамках краудсорсинговых технологийRecognition of arable soils from photographs obtained as part of crowdsourcing technologieshttps://orcid.org/0000-0001-7743-8607ПрудниковаЕ. Ю.PrudnikovaE. Yu.kiryan4ik@mail.ruhttps://orcid.org/0000-0002-8739-5441СавинИ. Ю.SavinI. Yu.savin_iyu@esoil.ruhttps://orcid.org/0000-0002-0463-4241ВиндекерГ. В.VindekerG. V.gretelericka@gmail.comФИЦ "Почвенный институт имени В.В. Докучаева", Российский университет дружбы народовРоссияFederal Research Centre “V.V. Dokuchaev Soil Science Institute” Institute of Ecology, RUDN UniversityRussian FederationФИЦ "Почвенный институт имени В.В. Докучаева"РоссияFederal Research Centre “V.V. Dokuchaev Soil Science Institute”Russian Federation20222509202201117796Copyright © Прудникова Е.Ю., Савин И.Ю., Виндекер Г.В., 20222022Прудникова Е.Ю., Савин И.Ю., Виндекер Г.В.Prudnikova E.Y., Savin I.Y., Vindeker G.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://bulletin.esoil.ru/jour/article/view/702

В статье рассматриваются возможности использования фотографий, получаемых при использовании краудсорсинговых технологий для оперативной инвентаризации пахотных почв. Объектом исследования выступает спектральная отражательная способность открытой поверхности пахотных почв тестовых участков, измеренная с помощью спектрорадиометра HandHeld-2, регистрирующего отражение в диапазоне 325–1 075 нм, и их изображение на фотографиях, полученных обычными фотокамерами. Тестовые участки расположены в Тульской, Московской и Тверской областях. Почвы тестовых участков – дерново-подзолистые, серые лесные, черноземы выщелоченные. На основе анализа фотографий поверхности и информации, полученной с помощью спектрорадиометра, был рассчитан набор спектральных параметров в цветовых системах RGB, YMC и HSI, а также их соотношения (45 параметров). Данные параметры использовались для разделения анализируемых типов почв с помощью деревьев классификации. Точность классификации по результатам валидации варьирует в пределах 63–100%. При этом параметры цветовых систем HSI и YMC оказались более информативны, чем параметры цветовой системы RGB. Установленные правила классификации в дальнейшем могут применяться для определения классификационного положения почв по изображениям, собранным с помощью краудсорсинговых технологий.

The study focuses on the possibilities of using photographs obtained using crowdsourcing technologies for the operational inventory of arable soils. The object of the study is the spectral reflectance of the open surface of arable soils of the test plots, measured using a HandHeld-2 spectroradiometer operating in the range of 325–1 075 nm, and their image in photographs taken with conventional cameras. Test sites are located in the Tula, Moscow and Tver regions. The soils of the test plots are sod-podzolic, gray forest, and leached chernozems. Based on the analysis of photographs of the surface and information obtained using a spectroradiometer, a set of spectral parameters in the RGB, YMC and HSI color systems, as well as their ratios (45 parameters), was calculated. These parameters were used to separate the analyzed soil types using classification trees. The accuracy of classification based on the results of validation varies from 63–100%. At the same time, the parameters of the HSI and YMC color systems turned out to be more informative than the parameters of the RGB color system. The established classification rules can later be used to determine the classification position of soils from images collected using crowdsourcing technologies.

инвентаризация почвкраудсорсингдистанционные данныедеревья принятия решенийsoil inventorycrowdsourcingremote datadecision treesМинобрнауки РФ соглашение № 075-15-2022-321Ministry of Education and Science of the Russian Federation Agreement No. 075-15-2022-321ReferencesСавин И.Ю., Симакова М.С. Спутниковые технологии для инвентаризации и мониторинга почв в России // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 5. С. 104–115.Savin I. Yu., Simakova M. S., Sputnikovye tekhnologii dlya inventarizatsii i monitoringa pochv v Rossii (Satellite technologies for inventory and monitoring of soils in Russia), Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa, 2012, Vol. 9, No. 5, pp. 104–115.Chen F., Kissel D.E., West L.T., Adkins W. Field-scale mapping of surface soil organic carbon using remotely sensed imagery // Soil Science Society of America Journal. 2000. Vol. 64. No. 2. P. 746–753.Chen F., Kissel D.E., West L.T., Adkins W., Field-scale mapping of surface soil organic carbon using remotely sensed imagery, Soil Science Society of America Journal, 2000, Vol. 64, No. 2, pp. 746–753.Choodum A., Kanatharana P., Wongniramaikul W., Nic Daeid N. Using the iPhone as a device for a rapid quantitative analysis of trinitrotoluene in soil // Talanta. 2013. Vol. 115. P. 143–149.Choodum A., Kanatharana P., Wongniramaikul W., Nic Daeid N., Using the iPhone as a device for a rapid quantitative analysis of trinitrotoluene in soil, Talanta, 2013, Vol. 115, pp. 143–149.Dou X., Wang X., Liu H., Zhang X., Meng L., Pan Y., Yu Z., Cui Y. Prediction of soil organic matter using multi-temporal satellite images in the Songnen Plain, China // Geoderma. 2019. Vol. 356. P. 113896.Dou X., Wang X., Liu H., Zhang X., Meng L., Pan Y., Yu Z., Cui Y., Prediction of soil organic matter using multi-temporal satellite images in the Songnen Plain, China, Geoderma, 2019, Vol. 356, p. 113896.Han P., Dong D., Zhao X., Jiao L., Lang, Y. A smartphone-based soil color sensor: For soil type classification // Computers and Electronics in Agriculture. 2016. Vol. 123. P. 232–241.Han P., Dong D., Zhao X., Jiao L., Lang, Y., A smartphone-based soil color sensor: For soil type classification, Computers and Electronics in Agriculture, 2016, Vol. 123, pp. 232–241.Levin N., Ben-Dor E., Singer A. A digital camera as a tool to measure colour indices and related properties of sandy soils in semi-arid environments // International Journal of Remote Sensing. 2005. Vol. 26. P. 5475–5492.Levin N., Ben-Dor E., Singer A., A digital camera as a tool to measure colour indices and related properties of sandy soils in semi-arid environments, International Journal of Remote Sensing, 2005, Vol. 26, pp. 5475–5492.Persson M. Estimating surface soil moisture from soil color using image analysis // Vadose Zone Journal. 2005. Vol. 4. P. 1119–1122.Persson M., Estimating surface soil moisture from soil color using image analysis, Vadose Zone Journal, 2005, Vol. 4, pp. 1119–1122.Prudnikova E., Savin I. Some peculiarities of arable soil organic matter detection using optical remote sensing data // Remote Sensing. 2021. Vol. 13. No. 12. P. 2313.Prudnikova E., Savin I., Some peculiarities of arable soil organic matter detection using optical remote sensing data, Remote Sensing, 2021, Vol. 13, No. 12, p. 2313.Puzachenko Yu.G., Aleshchenko G.M., Puzachenko M.Yu., Kozlov D.N. Soil structure analysis with the use of digital color images // Eurasian Soil Science. 2004. Vol. 37. No. 2. P. 109–121.Puzachenko Yu.G., Aleshchenko G.M., Puzachenko M.Yu., Kozlov D.N., Soil structure analysis with the use of digital color images, Eurasian Soil Science, 2004, Vol. 37, No. 2, pp. 109–121.Rossel R.V., Fouad Y., Walter C. Using a digital camera to measure soil organic carbon and iron contents // Biosystems Engineering. 2008. Vol. 100. P. 149–159.Rossel R.V., Fouad Y., Walter C., Using a digital camera to measure soil organic carbon and iron contents, Biosystems Engineering, 2008, Vol. 100, pp. 149–159.Rossel R.V., Walvoort D.J.J., McBratney A.B., Janik L.J., Skjemstad J.O. Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties // Geoderma. 2006. Vol. 131. No. 1–2. P. 59–75.Rossel R. V., Walvoort D. J. J., McBratney A. B., Janik L. J., Skjemstad J. O., Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties, Geoderma, 2006, Vol. 131, No. 1–2, pp. 59–75.Xu L., Zheng C., Wang Z., Nyongesah M.J. A digital camera as an alternative tool for estimating soil salinity and soil surface roughness // Geoderma. 2019. Vol. 341. P. 68–75.Xu L., Zheng C., Wang Z., Nyongesah M.J., A digital camera as an alternative tool for estimating soil salinity and soil surface roughness, Geoderma, 2019, Vol. 341, pp. 68–75.Zhang Y., Hartemink A.E. A method for automated soil horizon delineation using digital images // Geoderma. 2019. Vol. 343. P. 97–115.Zhang Y., Hartemink A.E., A method for automated soil horizon delineation using digital images, Geoderma, 2019, Vol. 343, pp. 97–115.

The authors declare that there are no conflicts of interest present.