Почвенные комбинации как объект цифровой почвенной картографии: лесостепь Окско-Донской низменности

На примере участка Битюго-Савала-Цнинского междуречья Окско-Донской низменности площадью 0.5 млн га показаны возможности цифрового картографирования компонентного состава микроструктур почвенного покрова лесостепной зоны. Слабопересеченный рельеф междуречья и породы с низкой фильтрационной способностью определили условия затрудненного поверхностного и внутрипочвенного стока и, как следствие, преобладание в структуре почвенного покрова полугидроморфных и гидроморфных почв черноземного ряда с участием солонцовых почв на северной границе их ареала. Особенности почвенного покрова региона выражены зависимостью долевого участия почв в составе почвенных комбинаций от морфологических особенностей мезорельефа как ведущего фактора их организации. Разнообразие почв и их внутриландшафтная изменчивость определены массивом 2 200 почвенных описаний 12 типов/подтипов почв. Наиболее значимые факторы их пространственной организации – крутизна склонов (°), относительные превышения в окрестности 2 000 м (м), превышения над базисом эрозии (м), соотношение длины и крутизны склонов (LS-фактор), отношение водосборной площади к локальной крутизне (TWI), глубина (м) и плотность (га/100 га) замкнутых понижений. Региональное разнообразие почвенного покрова сведено к десяти типам микроструктур с учетом их компонентного состава. Сравнение их границ с содержанием архивных материалов почвенного обследования показало сопоставимость и преимущества цифровой модели организации почвенного покрова по сравнению с региональным обобщением крупномасштабных почвенных карт землепользований (юг Тамбовской области). Использованный подход представляется перспективным для решения фундаментальных и прикладных задач, связанных с изучением и инвентаризацией почвенного покрова как компонента ресурсного потенциала сельскохозяйственного землепользования.

1. Величко А.А., Морозова Т.Д., Нечаев В.П., Порожнякова О.М. Палеокриогенез, почвенный покров и земледелие. М.: Наука, 1996. 150 с.

2. Единый государственный реестр почвенных ресурсов России. Версия 1.0. Коллективная монография. М.: Почвенный институт им. В.В. Докучаева Россельхозакадемии, 2014. 768 с.

3. Классификация и диагностика почв СССР. М.: Колос, 1977. 224 с.

4. Козлов Д.Н., Сорокина Н.П. Традиции и инновации в крупномасштабной почвенной картографии // Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Изд-во Почвенный ин-т им. В.В.Докучаева, 2012. С. 35–57.

5. Козлов Д.Н., Жидкин А.П., Лозбенев Н.И. Цифровое картографирование эрозионных структур почвенного покрова на основе имитационной модели смыва (северная лесостепь Среднерусской возвышенности) // Бюллетень Почвенного института имени В.В. Докучаева. 2019. № 100. С. 5–35. DOI: https://doi.org/10.19047/0136-1694-2019-100-5-35.

6. Минаев Н.В., Никитин А.А., Козлов Д.Н. Идентификация масштабных уровней организации рельефа пашни // Бюллетень Почвенного института имени В.В. Докучаева. 2019. № 96. С. 3–21. DOI: https://doi.org/10.19047/0136-1694-2019-96-3-21.

7. Мильков Ф.Н. Окско-Донское плоскоместье. Воронеж: Изд-во ВГУ, 1976. 176 с.

8. Природно-сельскохозяйственное районирование и использование земельного фонда СССР. М.: Колос, 1983. 336 с.

9. Савин И.Ю. Методология крупномасштабного картографирования почв: подходы, проблемы и перспективы // Почвоведение. 2025. № 10. С. 1243–1251. DOI: https://doi.org/10.7868/S3034561825100011.

10. Самойлова Е.М. Луговые почвы лесостепи. М.: Изд-во МГУ, 1981. 283 с.

11. Сорокина Н.П., Козлов Д.Н. Возможности цифрового картографирования структуры почвенного покрова // Почвоведение. 2009. № 2. С. 198–210.

12. Филь П.П. Влияние западинных урочищ на гидрологическое функционирование лесостепных ландшафтов Окско-Донской низменности: Автореф. дис. ... канд. с.-х. наук. М., 2025. 26 с.

13. Bell J.C., Cunningham R.L., Havens M.W. Calibration and validation of a soil-landscape model for predicting soil drainage class // Soil Science Society of America Journal. 1992. Vol. 56. No. 6. P. 1860–1866.

14. Bishop T.F.A., Minasny B., McBratney A.B. Uncertainty analysis for soilterrain models // International Journal of Geographical Information Sciences. No. 20. 2006. P. 117–134.

15. Conrad O., Hartl P., Geschke A. SAGA GIS 2.1.4 // Geoscientific Model Development. 2015. No. 8. P. 1997–2007.

16. Fil P.P., Yurova A.Y., Dobrokhotov A., Kozlov D. Estimation of infiltration volumes and rates in seasonally water-filled topographic depressions based on remote-sensing time series // Sensors. 2021. Vol. 21. P. 7403. DOI: https://doi.org/10.3390/s21217403.

17. Fridland V.M. Pattern of the Soil Cover. Israel Program for Scientific Translations. 1976. 291 p.

18. Hole F.D., Campbell J.B. Soil Landscape Analysis. 1985. 196 p.

19. Koshel S. Algorithm for Topologically Correct Gridding of Contour Data // Proceedings of Seventh International Conference on Geographic Information Science (GIScience 2012). Columbus OH, 2012. P. 1–5. DOI: https://doi.org/10.13140/RG.2.1.2131.8561.

20. Kozlov D., Lozbenev N., Levchenko E. Soil combinations as an object of DSM: a case study in chernozems area of the Russian Plain // GlobalSoilMap – Digital Soil Mapping from Country to Globe. CRC Press, 2018. 7 p.

21. Malone B.P., McBratney A.B., Minasny B. Empirical estimates of uncertainty for mapping continuous depth functions of soil attributes // Geoderma. 2011. No. 160 (3–4). P. 614–626. DOI: https://doi.org/10.1016/j.geoderma.2010.11.013.

22. McBratney A.B., Mendonça Santos M.L., Minasny B. On digital soil mapping // Geoderma. 2003. No. 117 (1–2). P. 3–52.

23. Minasny B., McBratney A.B. Digital soil mapping: A brief history and some lessons // Geoderma. 2016. Vol. 264. Part B. P. 301–311. DOI: https://doi.org/10.1016/j.geoderma.2015.07.017.

24. Qi F., Zhu A.X. Comparing three methods for modeling the uncertainty in knowledge discovery from area-class soil maps // Computers and Geosciences. Vol. 37 (9). 2011. P. 1425–1436. DOI: https://doi.org/10.1016/j.cageo.2010.10.016

25. Scarpone C., Schmidt M.G., Bulmer C.E., Knudby A. Modelling soil thickness in the critical zone for Southern British Columbia // Geoderma. 2016. No. 282. P. 59–69.

26. Smirnova M.A., Lozbenev N.I., Levchenko E.A., Fil P.P., Kozlov D.N. Chernozems of eastern european forest-steppe lowland landscapes: Morphology, classification and spatial distribution // Geoderma Regional. 2025. Vol. 41. e00965

27. Vermeulen D., Van Niekerk A. Machine learning performance for predicting soil salinity using different combinations of geomorphometric covariates // Geoderma. 2017. No. 299. P. 1–12

28. Webster R., Burrough P.A. Multiple discriminant analysis in soil survey // European Journal of Soil Science. 1974. Vol. 25 (1). P. 120–134.