Концепция линии почв и ее использование для картографирования и мониторинга почв (обзор)

Концепция линии почв предложена в 1977 г. С тех пор она достаточно широко используется для спутникового мониторинга растительности, наземного покрова и почв. Проведен критический обзор научных публикаций по использованию концепции линии почв в дистанционном зондировании. Обзор базируется на анализе публикаций, проиндексированных в наукометрических базах данных РИНЦ и Scopus. Поиск осуществлен по терминам “линия почв” и “soil AND line AND spectral AND reflection” в названиях статей, в ключевых словах и в абстрактах публикаций за все имеющиеся годы. В выборку включены следующие типы публикаций: статьи в научных журналах, обзорные статьи, главы в книгах, статьи в сборниках докладов конференций. Всего проанализировано 104 статьи. Установлено, что наиболее широко концепция линии почв используется при создании вегетационных спектральных индексов для мониторинга растительного покрова. Кроме того, она применяется для оценки состояния наземного покрова и при мониторинге почв. Лидерами по количеству публикаций в данной области знаний являются специалисты из Китая. Вместе со специалистами из США и России они опубликовали около половины всех работ. По аффилиации первого автора преобладают публикации Китайской академии наук и Почвенного института им. В.В. Докучаева (Россия). Концепция линии почв является перспективной для картографирования и мониторинга отдельных групп свойств почв, реже – отдельных свойств почв по характеру изображения их открытой поверхности. Для ее более широкого использования необходимы дополнительные исследования влияния отдельных свойств разных почв на их спектральную отражательную способность в видимом и БИК диапазонах спектра. Гипотеза о возможности спутникового картографирования и мониторинга типов (или других классификационных выделов) почв на основе концепции почвенной линии требует большого экспериментального подтверждения.

1. Кирьянова Е.Ю., Савин И.Ю. Линия почв как индикатор неоднородностей почвенного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 4. С. 310–318.

2. Королева П.В., Рухович Д.И., Рухович А.Д., Рухович Д.Д., Куляница А.Л., Трубников А.В., Калинина Н.В., Симакова М.С. Местоположение открытой поверхности почвы и линии почвы в спектральном пространстве RED-NIR // Почвоведение. 2017. № 12. С. 1435–1446.

3. Куляница А.Л., Королева П.В., Рухович Д.И., Рухович А.Д., Рухович Д.Д., Симакова М.С. Построение карт коэффициентов “а” и “b” линий почв, рассчитанных по 34 разновременным кадрам LANDSAT // Информация и космос. 2016. № 1. С. 100–114.

4. Савин И.Ю. Дешифрование почвенного покрова центрально-черноземных областей по среднемасштабным космическим снимкам: Дисс. … канд. геогр. наук. М.: Почвенный институт им. В.В. Докучаева, 1990. 300 с.

5. Савин И.Ю. Пространственные аспекты прикладного почвоведения // Бюллетень Почвенного института имени В.В. Докучаева. 2020. Вып. 101. С. 5–18. DOI: https://doi.org/10.19047/0136-1694-2020-101-5-18.

6. Украинский П.А., Землякова А.В. Определение параметров почвенной линии для автоматизированного распознавания открытой поверхности почвы на космических снимках // Международный журнал прикладных и фундаментальных исследований. 2014. № 9–1. С. 140–144.

7. Baret F., Jacquemoud S., Hanocq J.F. About the soil line concept in remote-sensing // Adv. Space Res. 1993. Vol. 13. P. 281–284.

8. Baret F., Guyot G. Potentials and limits of vegetation indexes for LAI and APAR assessment // Remote Sens. Environ. 1991. Vol. 35. P. 161–173.

9. Baret F., Guyot G., Major D. TSAVI – A Vegetation Index which Minimizes Soil Brightness Effects on LAI and APAR Estimation // Proc. 12 th Canadian Symposium on Remote Sensing and 1989 International Geoscience and Remote Sensing Symposium. IGARSS’89: Vancouver, 1989. P. 1355–1358.

10. Chen S.-M., Zou S.-Q., Mao Y.-L., Liang W.-X., Ding H. Inversion of Soil Organic Matter Content in Wetland Using Multispectral Data Based on Soil Spectral Reconstruction // Spectroscopy and Spectral Analysis. 2018. Vol. 38 (3). P. 912–917. DOI: https://doi.org/10.3964/j.issn.1000-0593(2018)03-0912-06.

11. Demattê J.A.M., Campos R.C., Alves M.C., Fiorio P.R., Nanni M.R. Visible-NIR reflectance: A new approach on soil evaluation // Geoderma. 2004. Vol. 121(1–2). P. 95–112.

12. Demattê J.A.M., Fongaro C.T., Rizzo R., Safanelli J.L. Geospatial Soil Sensing System (GEOS3): A powerful data mining procedure to retrieve soil spectral reflectance from satellite images // Remote Sensing of Environment. 2018. Vol. 212. P. 161–175. DOI: https://doi.org/10.1016/j.rse.2018.04.047.

13. Deng L., Mao Z., Li X., .. .Duan F., Yan Y. UAV-based multi-spectral remote sensing for precision agriculture: A comparison between different cameras // ISPRS Journal of Photogrammetry and Remote Sensing. 2018. Vol. 146. P. 124–136.

14. Fox G.A., Sabbagh G.J. Estimation of soil organic matter from red and near-infrared remotely sensed data using a soil line Euclidean distance technique // Soil Sci. Soc. Am. J. 2002. Vol. 66. P. 1922–1929.

15. Fox G.A., Sabbagh G.J., Searcy S.W., Yang C. An automated soil line identification routine for remotely sensed images // Soil Sci. Soc. Am. J. 2004. Vol. 68. P. 1326–1331.

16. Fox G.A., Metla R. Soil property analysis using principal components analysis, soil line, and regression models // Soil Sci. Soc. Am. J. 2005. Vol. 69. P. 1782–1788.

17. Galvao L.S., Vitorello I. Variability of laboratory measured soil lines of soils from southeastern Brazil // Remote Sens. Environ. 1998. Vol. 63. P. 166–181.

18. Gilabert M.A., González-Piqueras J., García-Haro F.J., Meliá J. A generalized soil-adjusted vegetation index // Remote Sensing of Environment. 2002. Vol. 82(2–3), pp. 303–310.

19. Gitelson A.A., Stark R., Grits U., Rundquist D., Kaufman Y., Derry D. Vegetation and soil lines in visible spectral space: A concept and technique for remote estimation of vegetation fraction // Int. J. Remote Sens. 2002. Vol. 23. P. 2537–2562.

20. Huete A.R., Post D.F., Jackson R.D. Soil spectral effects on 4-space vegetation discrimination // Remote Sens. Environ. 1984. Vol. 15. Issue 2. P. 155–165. DOI: https://doi.org/10.1016/0034-4257(84)90043-9.

21. Jaishanker R., Thomaskutty A.V., Senthivel T., Sridhar V.N. Soil line transformation based relative radiometric normalization // Int. J. Remote Sens. 2006. Vol. 27. P. 5103–5108.

22. Jiang H., Wei X., Chen Z., Zhu M., Yao Y., Zhang X., Jia K. Influence of different soil reflectance schemes on the retrieval of vegetation LAI and FVC from PROSAIL in agriculture region // Computers and Electronics in Agriculture. 2023. Vol. 212. Art. no. 108165. DOI: https://doi.org/10.1016/j.compag.2023.108165.

23. Koroleva P.V., Rukhovich D.I., Kalinina N.V., Simakova M.S., Kulyanitsa A.L., Rukhovich A.D., Rukhovich D.D., Trubnikov A.V. Characterization of soil types and subtypes in n-dimensional space of multitemporal (empirical) soil line // Eurasian Soil Science. 2018. Vol. 51. No. 9. P. 1021–1033.

24. Liu H.-J., Meng X.-T., Wang X., Bao Y.-L., Yu Z.-Y., Zhang X.-L. Soil Classification Model Based on the Characteristics of Soil Reflectance Spectrum // Spectroscopy and Spectral Analysis. Vol. 39(8). P. 2481–2485. DOI: https://doi.org/10.3964/j.issn.1000-0593(2019)08-2481-05.

25. Nakalembe C., Becker-Reshef I., Bonifacio R., Hu G., Humber M.L., Justice C.J., Keniston J., Mwangi K., Rembold F., Shukla S., Urbano F., Whitcraft A.C., Li Y., Zappacosta M., Jarvis I., Sanchez A. A review of satellite-based global agricultural monitoring systems available for Africa // Global Food Security. 2021. Vol. 29. Article 100543. DOI: https://doi.org/10.1016/j.gfs.2021.100543.

26. Prudnikova E.Yu., Savin I.Yu. The possibilities of soil line concept application for the detection of soil properties // GlobalSoilMap: Digital Soil Mapping from Country to Globe. Proc. of the GlobalSoilMap 2017 Conference. 2018. P. 97–102.

27. Prudnikova E, Savin I, Vindeker G, Grubina P, Shishkonakova E, Sharychev D. Influence of Soil Background on Spectral Reflectance of Winter Wheat Crop Canopy // Remote Sensing. 2019 Vol. 11(16). Art. no. 1932. DOI: https://doi.org/10.3390/rs11161932.

28. Qin Q., You L., Zhao Y., Zhao S., Yao Y. Soil line automatic identification algorithm based on two-dimensional feature space // Transactions of the Chinese Society of Agricultural Engineering. 2012. Vol. 28(3). P. 167–171. DOI: https://doi.org/10.3969/j.issn.1002-6819.2012.03.029.

29. Richardson A.J., Wiegand C. Distinguishing vegetation from soil background information (by gray mapping of Landsat MSS data) // Photogramm. Eng. Remote Sens. 1977. Vol. 43. P. 1541–1552.

30. Shoshany M., Roitberg E., Goldshleger N., Kizel F. Universal quadratic soil spectral reflectance line and its deviation patterns' relationships with chemical and textural properties: A global data base analysis // Remote Sensing of Environment. 2022. Vol. 280. Art. no. 113182. DOI: https://doi.org/10.1016/j.rse.2022.113182.

31. “Soil line” A Dictionary of Earth Sciences. Retrieved May 16, 2024 from Encyclopedia.com. URL: https://www.encyclopedia.com/science/dictionaries-thesauruses-pictures-and-press-releases/soil-line.

32. Thoma D., Gupta S., Bauer M. Evaluation of optical remote sensing models for crop residue cover assessment // J. Soil Water Conserv. 2004. Vol. 59. P. 224–233.

33. Wang X., Wang M., Wang S., Wu Y. Extraction of vegetation information from visible unmanned aerial vehicle images // Transactions of the Chinese Society of Agricultural Engineer-ing. 2015. Vol. 31(5). P. 152–159.

34. Wu X.-P., Xu H.-Q. Cross-Comparison between GF-2 PMS2 and ZY-3 MUX Sensor Data // Spectroscopy and Spectral Analysis. 2019. Vol. 39(1). P. 310–318. DOI: https://doi.org/10.3964/j.issn.1000-0593(2019)01-0310-09.