Preview

Бюллетень Почвенного института имени В.В. Докучаева

Расширенный поиск

Сравнение методов цифрового анализа изображений для морфометрической характеристики почвенных агрегатов в шлифах

https://doi.org/10.19047/0136-1694-2020-104-199-222

Полный текст:

Аннотация

Работа посвящена исследованию применимости методов полуавтоматической сегментации микрофотографий для морфометрической характеристики почвенных агрегатов в шлифах из насыпных образцов. Объект исследования - чернозем типичный пахотный (Курская область). Агрегаты были выделены методом мокрого просеивания из насыпного образца верхних 10 см пахотного горизонта после размыва модельным мелководным потоком на большом эрозионном лотке. Из агрегатов, свободно рассыпанных на стекло и закрепленных полиэфирной смолой, были изготовлены шлифы, обработка снимков которых проводилась двумя сравниваемыми способами: Adobe Photoshop + CTan и Thixomet Pro. Большое количество срезов нативных агрегатов под разными углами в среднем сечении позволяет статистически оценить форму агрегатов. Получены данные по морфометрическим показателям агрегатов: фактор формы, степень округлости и коэффициент изрезанности поверхности агрегатов. Оценка сходимости результатов, полученных способом Photoshop + CTan тремя исследователями, проводилась путем сравнения выборок по t-критерию Стьюдента и U-критерию Манна - Уитни. Оценка сходимости усредненных результатов, полученных способом Photoshop + CTan, и результатов, полученных с использованием Thixomet Pro, проводилась по U-критерию Манна - Уитни. Значимых различий между параметрами одних и тех же агрегатов, полученных с помощью сочетания программ Adobe Photoshop и CTan разными исследователями, не обнаружено. Значимых различий между параметрами одних и тех же агрегатов, полученными сравниваемыми способами, не обнаружено. Можно заключить, что достоверность определения морфометрических параметров почвенных агрегатов с помощью Thixomet Pro соизмерима с достоверностью результатов при работе со снимками шлифов в CTan после бинаризации в Adobe Photoshop. Способ получения данных о морфометрических параметрах почвенных агрегатов с помощью Thixomet Pro полностью исключает возможность субъективной ошибки, показывает высокую степень автоматизации, воспроизводимости и достоверности полученных результатов и является более быстрым.

Об авторах

О. О. Плотникова
ФИЦ Почвенный институт им. В.В. Докучаева; МГУ им. М.В. Ломоносова
Россия

Лаборатория минералогии и микроморфологии почв, и.о. м.н.с.

119017, Москва, Пыжевский пер, 7, стр. 2; 119991, Москва, Ленинские горы, 1



Т. В. Романис
ФИЦ Почвенный институт им. В.В. Докучаева
Россия

Лаборатория минералогии и микроморфологии почв, и.о. м.н.с.

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



П. Г. Куст
ФИЦ Почвенный институт им. В.В. Докучаева
Россия

Лаборатория минералогии и микроморфологии почв, и.о. м.н.с.

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



Список литературы

1. Вадюнина А.Ф., Корчагина З.А. Методы исследования физических свойств почв. М.: Агропромиздат. 1986. 416 с.

2. Дмитриев Е.А. Математическая статистика в почвоведении. М.: Книжный дом Либроком, 2009. 327 с.

3. Классификация и диагностика почв СССР. М.: Колос, 1977. 221 с.

4. Королюк Т.В. Почвенная интерпретация космических изображений в системе методов ЦПК // В кн. Цифровая почвенная картография: теоретичсекие и экспериментальные исследования. М.: Почвенный ин-т им. В.В. Докучаева. 2012. С. 125-140.

5. Плотникова О.О., Лебедева М.П., Демидов В.В., Карпова Д.В. Сравнение микроморфометрических показателей агрегатов несмытого и среднесмытого пахотного чернозема типичного в лабораторном эрозионном эксперименте // Почвоведение. 2019. № 10. С. 1225-1233. DOI: 10.1134/S0032180X19100095.

6. Польский М.Н. О некоторых новых путях изучения порозности и структуры почвы // Почвоведение. 1955. № 5. С. 29-43.

7. Симакова М.С. От визуального дешифрирования аэрофотоснимков и полевого картографирования почв до автоматизированного дешифрирования и картографирования по космическим снимкам // Бюллетень Почвенного института имени В.В. Докучаева. 2014. № 74. С. 3-19. DOI: 10.19047/0136-1694-2014-74-3-19.

8. Скворцов Г.Е., Панов В.А., Поляков В.А., Федин Л.А. Микроскопы. Л.: Изд-во “Машиностроение”, 1989. 512 с.

9. Скворцова Е.Б. Строение порового пространства естественных и ан-тропогенноизмененных почв: Автореф. дис. ... канд. геогр. наук.: 03.00.27. М., 1999. 44 с.

10. Соболев Р.Н. Методы оптического исследования минералов. М.: Недра, 1990. 288 с.

11. Тропченко А.А., Тропченко А.Ю. Методы вторичной обработки и распознавания изображений. СПб: Университет ИТМО, 2015. 215 с.

12. Турсина Т.В., Скворцова Е.Б., Кулинская Е.В., Грачева М.В. Микро-морфометрический анализ пористости почв // Почвоведение. 1985. № 4. С. 60-69.

13. Феофарова И.И. Микроморфологическая характеристика такыров // Такыры Западной Туркмении и пути их сельскохозяйственного освоения. М., 1956. С. 351-380.

14. Чжуан Я., Хартеминк А.Е., Хуан Ц. Количественная характеристика фракций крупнозема из почвенных образцов с использованием цифровых фотоснимков // Почвоведение. 2019. № 8. С. 956-965. DOI: 10.1134/S0032180X19080173.

15. Amada S., Imagawa K., Aoki S. Splat Profile of impinging droplets on rough substrates: influence of surface roughness // Surface and Coatings Technology. 2002. Vol. 154. P. 27-33. DOI: 10.1016/S0257-8972(01)01517-1.

16. Angulo K., Gil D., Espitia H. Method for Edges Detection in Digital Images Through the Use of Cellular Automata // Advances in Intelligent Systems and Computing book series. 2020. Vol. 1078. P. 3-21. DOI: 10.1007/978-3030-33614-1 1. 17. Asmussen P., Conrad O., Gunther A., Kirsch M, Riller U. Semi-automatic segmentation of petrographic thin section images using a “seeded-region growing algorithm” with an application to characterize wheathered subarkose sandstone // Computers & Geosciences. 2015. Vol. 83. P. 89-99. DOI: 10.1016/j.cageo.2015.05.001.

17. Bryk M. Macrostructure of diagnostic B horizons relative to underlying BC and C horizons in Podzols, Luvisol, Cambisol, and Arenosol evaluated by image analysis // Geoderma. 2016. Vol. 263. P. 86-103. DOI: 10.1016/j.geoderma.2015.09.014.

18. Dorronsoro C. Micromorphometria de suelos. Aplicaciones // An. Edafol. Y agrobiol. 1988. Vol. 47. No. 1-2. P. 503-530.

19. Gorbov S.N., Bezuglova O.S., Abrosimov K.N., Skvortsova E.B., Tagiver-diev S.S., Morozov I.V. Physical Properties of soils in Rostov agglomeration // Eurasian Soil Science. 2016. Vol. 49. P. 898-907. DOI: 10.1134/S106422931606003X.

20. Ivanov A.L., Shein E.V., Skvortsova E.B. Tomography of soil pores: from morphological characteristics to structural-functional assessment of pore space // Eurasian Soil Science. 2019. Vol. 52. No. 1. P. 50-57. DOI: 10.1134/S106422931901006X.

21. Jongerius A., Schoonderbeek D., Jager A., Kowalinski St. Electro-optical soil porosity investigation by means of Quantimet-B equipment // Geoderma. 1972. Vol. 7. P. 177-198.

22. Kubiena W. (Ed.). Die micromorphmetrishe Bodenanalyse. Stuttgart. 1967. 196 p.

23. Li P-N., Li H., Wu M-L., Wang S-Y., Kong Q-Y., Zhang Z., Sun Y., Liu J., Lv D-C. A Cost-Effective Transparency-Based Digital Imaging for Efficient and Accurate Wound Area Measurement // PLoS ONE. 2012. Vol. 7. Iss. 5. e38069. DOI: 10.1371/joumal.pone.0038069.

24. Marcelino V., Cnudde V., Vansteelandt S., Card F. An evaluation of 2Dimage analysis techniques for measuring soil microporosity // European Journal of Soil Science. 2007. Vol. 58. P. 133-140. DOI: 10.1111/j.1365-2389.2006.00819.x.

25. Mermut A.R., Norton L.D. Preface // Geoderma. Vol. 53. Iss. 3-4. P. iii-iv. DOI: 10.1016/0016-7061(92)90053-A.

26. Pusda-Chulde M.R., Salazar-Fierro FA., Sandoval-Pillajo L., Herrera-Granda E.P., Garda-Santillan I.D., De Giusti A. Image Analysis Based on Heterogeneous Architectures for Precision Agriculture: A Systematic Literature Review // Advances in Intelligent Systems and Computing book series. 2020. Vol. 1078. P. 51-70. DOI: 10.1007/978-3-030-33614-1 4.

27. Rodriguez J., Edeskar T., Knutsson S. Particle shape quantities and measurement techniques: a review // Electronic Journal of Geotechnical Engineering. 2013. Vol. 18. P. 169-198.

28. Russ J.C. The image processing handbook (5th edition). USA, Taylor & Francis Group, LLC. 2007. 818 p.

29. San Jose Martinez F., Munoz Ortega F.J., Caniego Monreal F.J., Kravchenko A.N., Wang W. Soil aggregate geometry: Measurements and morphology // Geoderma. 2015. Vol. 237-238. P. 36-48. DOI: 10.1016/j.geoderma.2014.08.003.

30. Savin I.Y., Prudnikova E.Y., Vasilyeva N.A., Veretelnikova I.V., Bairamov A.N. The color of soils as a basis for proximal sensing of their composition // Dokuchaev Soil Bulletin. 2016. Vol. 86. P. 46-52. DOI: 10.19047/0136-16942016-86-46-52.

31. Sauzet O., Cammas C., Gilliot J.M., Bajard M., Montagne D. Development of a novel image analysis procedure to quantify biological porosity and illuvial clay in large soil thin sections // Geoderma. 2017. Vol. 292. P. 135-148. DOI: 10.1016/j.geoderma.2017.01.004.

32. Skvortsova E.B., Rozhkov V.A. Morphometric profiles of pore space in loamy soils of the forest and steppe zones of European Russia // Eurasian Soil Science. 2011. Vol. 4. No. 10. P. 1209-1221. DOI: 10.1134/S1064229311100140.

33. Stoops G. Guidelines for analysis and description of soil and regolith thin sections. Soil Sci. Soc. Am. Madison, Wisconsin. 2003. 184 p. DOI:

34. 2136/2003. guidelinesforanalysis.

35. Stoops G. Micromorphology as a Tool in Soil and Regolith Studies // Interpretation of Micromorphological Features of Soils and Regoliths. 2018. P. 1-19. DOI: 10.1016/b978-0-444-63522-8.00001-2.

36. Takashimizu Y., Iiyoshi M. New parameter of roundness R: circularity corrected by aspect ratio // Progress in Earth and Planetary Science. 2016. Vol. 3. Article No. 2. DOI: 10.1186/s40645-015-0078-x.

37. Wang Q., Hartemink A. E., Jiang Z., Jin N., Sun Z. Digital soil morpho-metrics of crotovinas in a deep Alfisol derived from loess in Shenyang, China // Geoderma. 2017. Vol. 301. P. 11-18. DOI: 10.1016/j.geoderma.2017.04.010.

38. Working Group WRB, I. 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 No. 106. FAO, Rome, 2015.

39. Wang Z, Liang X, Wu Z, Lin J, Huang J. A novel method for measuring anterior segment area of the eye on ultrasound biomicroscopic images usingPhotoshop // PLoS ONE. 2015. Vol. 10. Iss. 3. e0120843. DOI: 10.1371/journal.pone.0120843.

40. Zhao Y., Han Q., Zhao Y., Liu J. Soil pore identification with the adaptive fuzzy C-means method based on computed tomography images // Journal of Forestry Research. 2019. Vol. 30. P. 1043-1052. DOI: 10.1007/s11676-018-0725-3.


Для цитирования:


Плотникова О.О., Романис Т.В., Куст П.Г. Сравнение методов цифрового анализа изображений для морфометрической характеристики почвенных агрегатов в шлифах. Бюллетень Почвенного института имени В.В. Докучаева. 2020;(104):199-222. https://doi.org/10.19047/0136-1694-2020-104-199-222

For citation:


Plotnikova O.O., Romanis T.V., Kust P.G. Comparison of digital image analysis methods for morphometric characterization of soil aggregates in thin sections. Dokuchaev Soil Bulletin. 2020;(104):199-222. (In Russ.) https://doi.org/10.19047/0136-1694-2020-104-199-222

Просмотров: 156


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0136-1694 (Print)
ISSN 2312-4202 (Online)