esoilБюллетень Почвенного института имени В.В. ДокучаеваDokuchaev Soil Bulletin0136-16942312-4202V.V. Dokuchaev Soil Science Institute10.19047/0136-1694-2025-126-68-89esoil-972Research ArticleСтатьиОсобенности дистанционной диагностики агрохимических свойств пахотных почвPeculiarities of remote sensing diagnostics of agrochemical properties of arable soilsПрудниковаЕ. Ю.PrudnikovaE. Yu.

Прудникова Елена Юрьевна.

119017, Москва, Пыжевский пер, 7, стр. 2

7 Bld. 2 Pyzhevskiy per., Moscow 119017

kiryan4ik@mail.ruСавинИ. Ю.SavinI. Yu.

Савин Игорь Юрьевич.

119017, Москва, Пыжевский пер, 7, стр. 2; 115093, Москва, Подольское ш., 8

7 Bld. 2 Pyzhevskiy per., Moscow 119017; 8 Podolskoe shosse, Moscow 115093

savin_iyu@esoil.ruhttps://orcid.org/0000-0002-0463-4241ВиндекерГ. В.WindeckerG. V.

Виндекер Гретелерика Викторовна.

119017, Москва, Пыжевский пер, 7, стр. 2

7 Bld. 2 Pyzhevskiy per., Moscow 119017

gretelericka@gmail.comhttps://orcid.org/0000-0002-3621-8330ВернюкЮ. И.VernyukYu. I.

Вернюк Юрий Иванович.

119017, Москва, Пыжевский пер, 7, стр. 2

7 Bld. 2 Pyzhevskiy per., Moscow 119017

verniuk_yui@esoil.ruРебухН. Я.RebouhN. Ya.

Ребух Назих Ясер.

119017, Москва, Пыжевский пер, 7, стр. 2; 115093, Москва, Подольское ш., 8

7 Bld. 2 Pyzhevskiy per., Moscow 119017; 8 Podolskoe shosse, Moscow 115093

rebukh_nya@pfur.ruФомичеваН. В.FomichevaN. V.

Фомичева Наталья Викторовна.

119017, Москва, Пыжевский пер, 7, стр. 2

7 Bld. 2 Pyzhevskiy per., Moscow 119017

fomicheva_nv@esoil.ruКавизаН. Д.KavizaN. D.

115093, Москва, Подольское ш., 8

8 Podolskoe shosse, Moscow 115093

kaviza_nd@pfur.ruФИЦ “Почвенный институт им. В.В. Докучаева”РоссияFederal Research Centre “V.V. Dokuchaev Soil Science Institute”Russian FederationФИЦ “Почвенный институт им. В.В. Докучаева”; Институт экологии РУДНРоссияFederal Research Centre “V.V. Dokuchaev Soil Science Institute”; Institute of Environmental Engineering, RUDN UniversityRussian FederationИнститут экологии РУДНРоссияInstitute of Environmental Engineering, RUDN UniversityRussian Federation20250701202601266889Copyright © Прудникова Е.Ю., Савин И.Ю., Виндекер Г.В., Вернюк Ю.И., Ребух Н.Я., Фомичева Н.В., Кавиза Н.Д., 20262026Прудникова Е.Ю., Савин И.Ю., Виндекер Г.В., Вернюк Ю.И., Ребух Н.Я., Фомичева Н.В., Кавиза Н.Д.Prudnikova E.Y., Savin I.Y., Windecker G.V., Vernyuk Y.I., Rebouh N.Y., Fomicheva N.V., Kaviza N.D.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/972

Агрохимическое обследование пахотных почв трудоемко, затратно и требует много времени. Внедрение современных дистанционных и цифровых технологий содержит большой потенциал для преодоления данных недостатков, но требует дополнительных научных исследований. В статье приведены результаты сравнения эффективности использования разных типов дистанционных данных для моделирования основных агрохимических свойств почв на примере тестового участка в Тверской области. Проводилось полевое определение спектральной отражательной способности поверхности почв, ее одновременная съемка с использованием беспилотного летательного аппарата (БПЛА) со стандартной фотокамерой, а также анализ изображения тестового участка на спутниковых изображениях Sentinel-2. Регрессионный анализ показал, что наиболее точные модели связи данных агрохимического обследования почв могут быть получены на основе полевого спектрометрирования, менее качественные модели получены с использованием данных БПЛА, и наименее качественные модели – на основе спутниковых данных. Основной причиной этого, по-видимому, является пространственное варьирование агрохимических показателей почв и генерализованность изображения их открытой поверхности на данных БПЛА и спутниковых снимках.

Agrochemical surveys of arable soils are laborious, costly and time-consuming. The introduction of modern remote sensing and digital technologies has great potential to overcome these disadvantages, but requires additional scientific research. The article presents the results of a comparison of the efficiency of using different types of remote sensing data for spatial modeling the main agrochemical properties of soils by the example of a test site in the Tver region. The spectral reflectance of the soil surface was determined in the field, its simultaneous measurement by an unmanned aerial vehicle (UAV) with a standard camera, and additionally the test plot was analyzed on Sentinel-2 satellite images. Regression analysis showed that the most accurate predictive models of soil agrochemical properties can be obtained from field spectrometry, lower quality models are obtained from UAV data, and the lowest quality models are obtained from satellite data. The main reason for this seems to be the spatial variation of soil agrochemical parameters and the generalized representation of their open surface on UAV data and satellite images.

агрохимические свойства почврегрессионный анализБПЛАSentinel-2спектральная отражательная способность почвТверская областьГИСagrochemical soil propertiesregression analysisUAVSentinel-2spectral reflectance of soilsTver regionGISПубликация выполнена в рамках Проекта <№ 202786-2-000> Системы грантовой поддержки научных Проектов РУДН.The publication was carried out within the framework of the Project <No. 202786-2-000> of the System of Grant Support for Scientific Projects of RUDN University.ReferencesГрубина П.Г., Савин И.Ю., Прудникова Е.Ю. Возможности использования данных тепловой съемки для детектирования основных параметров плодородия пахотных почв // Бюллетень Почвенного института имени В.В. Докучаева. 2020. Вып. 105. С. 146–172. DOI: https://doi.org/10.19047/0136-1694-2020-105-146-172.Grubina P.G., Savin I.Yu., Prudnikova E.Yu., The possibilities of using thermal infrared imaging data for detecting the main parameters of arable soil fertility, Dokuchaev Soil Bulletin, 2020, Vol. 105, pp. 146–172. DOI: https://doi.org/10.19047/0136-1694-2020-105-146-172.Докучаев П.М., Жоголев А.В., Кириллова Н.П., Козлов Д.Н., Конюшкова М.В., Лозбенев Н.И., Мартыненко И.А., Мешалкина Ю.Л., Прудникова Е.Ю., Самсонова В.П. Цифровая почвенная картография. М.: РУДН, 2017. 152 с.Dokuchaev P.M., Zhogolev A.V., Kirillova N.P., Kozlov D.N., Konyushkova M.V., Lozbenev N.I., Martynenko I.A., Meshalkina Yu.L., Prudnikova E.Yu., Samsonova V.P., Tsifrovaya pochvennaya kartografiya (Digital soil mapping), Moscow: RUDN, 2017, 152 p.Лозбенев Н.И., Козлов Д.Н., Филь П.П., Хитров Н.Б., Шилов П.М. Оценка влияния вида угодья и почвообразующих пород на содержание и запасы органического углерода в мелиорированных дерновоподзолистых почвах, Тверская область // Почвоведение. 2024. № 12. С. 1705–1735.Lozbenev N.I., Kozlov D.N., Fil' P.P., Khitrov N.B., Shilov P.M., Otsenka vliyaniya vida ugod'ya i pochvoobrazuyushchikh porod na soderzhanie i zapasy organicheskogo ugleroda v meliorirovannykh dernovopodzolistykh pochvakh, Tverskaya oblast' (Assessment of the influence of the type of site and soil-forming rocks on the content and stocks of organic carbon in ameliorated sod-podzolic soils, Tver region), Pochvovedenie, 2024, No. 12, pp. 1705–1735.Методические указания по проведению комплексного мониторинга плодородия почв земель сельскохозяйственного назначения. М.: ФГНУ “Росинформагротех”, 2003. 240 с.Metodicheskie ukazaniya po provedeniyu kompleksnogo monitoringa plodorodiya pochv zemel' sel'skokhozyaistvennogo naznacheniya (Methodological guidelines for comprehensive monitoring of soil fertility of agricultural lands), Moscow: FGNU “Rosinformagrotekh”, 2003, 240 p.Прудникова Е.Ю., Савин И.Ю., Лебедева М.П., Волков Д.С., Рогова О.Б., Варламов Е.Б., Абросимов К.Н. Трансформация поверхностного слоя пахотного горизонта почв под влиянием атмосферных осадков // Почвоведение. 2001. № 11. С. 1407–1420.Prudnikova E.Yu., Savin I.Yu., Lebedeva M.P., Volkov D.S., Rogova O.B., Varlamov E.B., Abrosimov K.N., Transformatsiya poverkhnostnogo sloya pakhotnogo gorizonta pochv pod vliyaniem atmosfernykh osadkov (Transformation of the surface layer of the arable soil horizon under the influence of atmospheric precipitation), Pochvovedenie, 2001, No. 11, pp. 1407–1420.Савин И.Ю., Столбовой В.С., Иванов А.Л., Прудникова Е.Ю., Жоголев А.В., Воронин А.Я. Технологии составления и обновления почвенных карт. М.: Издательство “Перо”, 2019. 328 c.Savin I.Yu., Stolbovoi V.S., Ivanov A.L., Prudnikova E.Yu., Zhogolev A.V., Voronin A.Ya., Tekhnologii sostavleniya i obnovleniya pochvennykh kart (Technologies of compilation and updating of soil maps), Moscow: Izdatel'stvo “Pero”, 2019, 328 p.Савин 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 soil inventory and monitoring in Russia), Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa, 2012, Vol. 9, No. 5, pp. 104–115.Ben-Dor E., Banin A. Near-infrared analysis as a rapid method to simultaneously evaluate several soil properties // Soil Sci. Soc. Am. J. 1995. Vol. 59(2). P. 364–372.Ben-Dor E., Banin A., Near-infrared analysis as a rapid method to simultaneously evaluate several soilproperties, Soil Sci. Soc. Am. J., 1995, Vol. 59 (2), pp. 364–372.Heil J., Jörges C., Stumpe B. Fine-scale mapping of soil organic matter in agricultural soils using uavs and machine learning // Remote Sens. 2022. Vol. 14. 3349.Heil J., Jörges C., Stumpe B., Fine-scale mapping of soil organic matter in agricultural soils using uavs and machine learning, Remote Sens., 2022, Vol. 14, 3349.Karnieli A. Development and implementation of spectral crust index over dune sands // International Journal of Remote Sensing. 1997. Vol. 18. P. 1207–1220.Karnieli A., Development and implementation of spectral crust index over dune sands, International Journal of Remote Sensing, 1997, Vol. 18, pp. 1207–1220.Mathieu R., Pouget M., Cervelle B., Escadafal R. Relationships between satellite-based radiometric indices simulated using laboratory reflectance data and typic soil color of an arid environment // Remote sensing of environment. 1998. Vol. 66. P. 17–28.Mathieu R., Pouget M., Cervelle B., Escadafal R., Relationships between satellite-based radiometric indices simulated using laboratory reflectance data and typic soil color of an arid environment, Remote sensing of environment, 1998, Vol. 66, pp. 17–28.Nyéki A., Daróczy B., Kerepesi C., Neményi M., Kovács A.J. Spatial variability of soil properties and its effect on maize yields within field – a case study in Hungary // Agronomy. 2022. Vol. 12(2). 395. DOI: https://doi.org/10.3390/agronomy12020395.Nyéki A., Daróczy B., Kerepesi C., Neményi M., Kovács A.J., Spatial variability of soil properties and its effect on maize yields within field – a case study in Hungary, Agronomy, 2022, Vol. 12 (2), 395, DOI: https://doi.org/10.3390/agronomy12020395.Persson M. Estimating surface soil moisture from soil color using image analysis // Vadose Zone J. 2005. Vol. 4. Р. 1119–1122.Persson M., Estimating surface soil moisture from soil color using image analysis, Vadose Zone J., 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(12). 2313.Prudnikova E., Savin I., Some peculiarities of arable soil organic matter detection using optical remote sensing data, Remote Sensing, 2021, Vol. 13 (12), 2313.Viscarra Rossel R.A., 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. P. 59–75.Viscarra Rossel R.A., 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, pp. 59–75.Wetterlind J., Stenberg B., Söderström M. Increased sample point density in farm soil mapping by local calibration of visible and near infrared prediction models // Geoderma. 2010. Vol. 156 (3–4). P. 152–60.Wetterlind J., Stenberg B., Söderström M., Increased sample point density in farm soil mapping by local calibration of visible and near infrared prediction models, Geoderma, 2010, Vol. 156 (3–4), pp. 152–60.Xiao J., Shen, Y., Tateishi R., Bayaer W. Development of topsoil grain size index for monitoring desertification in arid land using remote sensing // International Journal of Remote Sensing. 2006. Vol. 27. P. 2411–2422.Xiao J., Shen, Y., Tateishi R., Bayaer W., Development of topsoil grain size index for monitoring desertification in arid land using remote sensing, International Journal of Remote Sensing, 2006, Vol. 27, pp. 2411–2422.Xu L., Zheng C.L., Wang Z.C., 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.L., Wang Z.C., 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.

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