INTERNATIONAL AGRICULTURAL JOURNAL INTERNATIONAL AGRICULTURAL JOURNAL МЕЖДУНАРОДНЫЙ СЕЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ 2587-6740 114244 10.55186/25876740_2024_67_4_364 Земельные отношения и землеустройство Land relations and land management Земельные отношения и землеустройство Detection of geologically contrasting structures of the soil cover of arable land using neural network filtering of big remote sensing data Детектирование геологически контрастных структур почвенного покрова пахотных угодий при нейросетевой фильтрации больших данных дистанционного зондирования https://orcid.org/0000-0002-8002-0698 Рухович Дмитрий Иосифович Rukhovich Dmitry Iosifovich landmap@yandex.ru

кандидат биологических наук;

candidate of sciences in biology;

 https://orcid.org/0000-0001-8268-911X Шаповалов Дмитрий Анатольевич Shapovalov Dmitry Anatol'evich shapoval_ecology@mail.ru

доктор технических наук;

doctor of technical sciences;

 https://orcid.org/0009-0000-0689-4621 Королева Полина Владимировна Koroleva Polina Vladimirovna soilmap@yandex.ru

кандидат сельскохозяйственных наук;

candidate of agricultural sciences;

 Почвенный институт им. В.В. Докучаева Москва Россия V.V. Dokuchaev Soil Science Institute Moscow Russian Federation Государственный университет по землеустройству Москва Россия State University of Land Use Planning Moscow Russian Federation Почвенный институт им. В.В. Докучаева Москва Россия V.V. Dokuchaev Soil Science Institute Moscow Russian Federation 15 08 2024 15 08 2024 4 364 367 20 06 2024 31 07 2024 https://mshj.ru/en/nauka/article/114244/view

Пахотные угодья могут иметь разную степень контрастности плодородия в пределах одного сельскохозяйственного поля. Одной из причин формирования высококонтрастных структур почвенного покрова (ВКСПП) является разная глубина подстилания четвертичных отложений пермскими отложениями. ВКСПП на чередовании четвертичных и пермских отложений распространены в республиках Татарстан и Башкортостан, Оренбургской, Самарской и Ульяновской областях. Развитие методов обработки больших данных дистанционного зондирования (БДДЗ) с использованием нейронных сетей (построение мультивременной линии почвы), позволяет вскрыть распространение ВКСПП на больших территориях с детальностью систем точного земледелия. Распределение различной продуктивности сельскохозяйственных культур пространственно совпадает с ВКСПП и определяется контрастными свойствами почвенного покрова. Наибольшие различия в продуктивности сельскохозяйственных культур отмечены для подсолнечника и составляют более 2,5 раз от одной зоны плодородия к другой. Кольцеобразный рисунок ВКСПП и неоднократное чередование колец позволяет повысить продуктивность территории только в рамках систем точного земледелия на основе БДДЗ.

Arable land can have different degrees of fertility contrast within the same agricultural field. One of the reasons for the formation of highly contrasting soil cover structures (HCSPS) is the different depths of the Permian deposits underlying the Quaternary deposits. HCSPS on alternating Quaternary and Permian deposits are common in the Republics of Tatarstan and Bashkortostan, as well as in the Orenburg, Samara, and Ulyanovsk regions. The development of methods for processing large amounts of remote sensing data (LSDD) using neural networks (construction of a multitime soil line) allows for the detection of the spread of VKSFP in large areas with the detail of precision farming systems. The distribution of different crop yields coincides spatially with the VKSFP and is determined by the contrasting properties of the soil cover. The greatest differences in crop yields were observed for sunflower, with a variation of more than 2.5 times from one fertility zone to another. The circular pattern of the VKSFP and the repeated alternation of rings can only be exploited to increase the productivity of the territory through the use of precision farming systems based on remote sensing data.

 структура почвенного покрова большие данные мультивременная линия почвы точное земледелие soil cover structure big data multi-temporal soil line precision agriculture Исследование выполнено в рамках государственного задания FGUR-2022-0009. The research was carried out within the framework of state assignment FGUR-2022-0009.

Kukutai A. Can Digital Farming Deliver on its Promise. 2016. URL: http://www.agnewscenter.com/archives.cfm?news=9903 Kukutai A. Can Digital Farming Deliver on its Promise. 2016. URL: http://www.agnewscenter.com/archives.cfm?news=9903 Фридланд В.М. Структура почвенного покрова. М.: Мысль, 1972. 423 с. Fridland V.M. Struktura pochvennogo pokrova. M.: Mysl', 1972. 423 s. Скрябина О.А. Структура почвенного покрова, методы ее изучения. Пермь: Пермская ГСХА, 2008. 151 с. Skryabina O.A. Struktura pochvennogo pokrova, metody ee izucheniya. Perm': Permskaya GSHA, 2008. 151 s. Johnson W.M. The pedon and polypedon // Soil Science Society of America, Proceedings. 1963. V. 27, pp. 212-215. Johnson W.M. The pedon and polypedon // Soil Science Society of America, Proceedings. 1963. V. 27, pp. 212-215. Webster, R. Fundamental objections to the 7th Approximation. // Journal of Soil Science. 1968. V. 19(2), pp. 354–366. DOI: 10.1111/j.1365-2389.1968.tb01546.x Webster, R. Fundamental objections to the 7th Approximation. // Journal of Soil Science. 1968. V. 19(2), pp. 354–366. DOI: 10.1111/j.1365-2389.1968.tb01546.x Козловский Ф.И. Почвенный индивидуум и методы его определения. Закономерности пространственного варьирования свойств почв и информационно-статистические методы их изучения. М.: Наука, 1970. С. 42-59. Kozlovskiy F.I. Pochvennyy individuum i metody ego opredeleniya. Zakonomernosti prostranstvennogo var'irovaniya svoystv pochv i informacionno-statisticheskie metody ih izucheniya. M.: Nauka, 1970. S. 42-59. Симакова М.С. Почвенные карты. Картографическая изученность России (топографические и тематические карты): РАН; Институт географии. Москва, 1999. С. 113-133. Simakova M.S. Pochvennye karty. Kartograficheskaya izuchennost' Rossii (topograficheskie i tematicheskie karty): RAN; Institut geografii. Moskva, 1999. S. 113-133. Kulyanitsa A.L., Rukhovich D.I., Koroleva P.V., Vilchevskaya E.V., Kalinina N.V. Analysis of the informativity of big satellite precision-farming data processing for correcting large-scale soil maps. Eurasian Soil Science. 2020. V. 53(12), pp. 1709-1725. DOI: 10.1134/S1064229320110083 Kulyanitsa A.L., Rukhovich D.I., Koroleva P.V., Vilchevskaya E.V., Kalinina N.V. Analysis of the informativity of big satellite precision-farming data processing for correcting large-scale soil maps. Eurasian Soil Science. 2020. V. 53(12), pp. 1709-1725. DOI: 10.1134/S1064229320110083 Кирюшин В.И. Управление плодородием почв и продуктивностью агроценозов в адаптивно-ландшафтных системах земледелия // Почвоведение. 2019. № 9, С. 1130-1139. DOI: 10.1134/S0032180X19070062 Kiryushin V.I. Upravlenie plodorodiem pochv i produktivnost'yu agrocenozov v adaptivno-landshaftnyh sistemah zemledeliya // Pochvovedenie. 2019. № 9, S. 1130-1139. DOI: 10.1134/S0032180X19070062 Белоусов А.А., Белоусова Е.Н. Влияние внутрипольной неоднородности почвенного плодородия на выбор элементов методики полевого опыта // Вестник КрасГАУ. 2013. № 6(81), С. 55-62. Belousov A.A., Belousova E.N. Vliyanie vnutripol'noy neodnorodnosti pochvennogo plodorodiya na vybor elementov metodiki polevogo opyta // Vestnik KrasGAU. 2013. № 6(81), S. 55-62. Wollenhaupt N.C., Wolkowski R.P. Grid soil sampling // Better Crops. 1994. V. 78(4), pp. 6-9. Wollenhaupt N.C., Wolkowski R.P. Grid soil sampling // Better Crops. 1994. V. 78(4), pp. 6-9. Yang C., Anderson G.L. Airborne Videography to Identify Spatial Plant Growth Variability for Grain Sorghum // Precision Agriculture 1, 67-79 (1999). http://doi.org/10.1023/A:1009917617316 Yang C., Anderson G.L. Airborne Videography to Identify Spatial Plant Growth Variability for Grain Sorghum // Precision Agriculture 1, 67-79 (1999). http://doi.org/10.1023/A:1009917617316 Hong S.Y., Sudduth K.A., Kitchen N.R., Drummond S.T., Palm H.L., Wiebold W.J. Estimating within-field variation in soil properties from airborne hyperspectral images // Pecora 15/Land Satellite Information IV/ISPRS Commission I/FIEOS 2002 Conference Proceeding. 2002. http://www.isprs.org/commission1/proceedings02/paper/00025.pdf Hong S.Y., Sudduth K.A., Kitchen N.R., Drummond S.T., Palm H.L., Wiebold W.J. Estimating within-field variation in soil properties from airborne hyperspectral images // Pecora 15/Land Satellite Information IV/ISPRS Commission I/FIEOS 2002 Conference Proceeding. 2002. http://www.isprs.org/commission1/proceedings02/paper/00025.pdf Robert P.C. (1982). Evaluation of some remote sensing techniques for soil and crop management. Ph.D. Dissertation, University of Minnesota, St. Paul, MN. Robert P.C. (1982). Evaluation of some remote sensing techniques for soil and crop management. Ph.D. Dissertation, University of Minnesota, St. Paul, MN. Ziliani M.G., Altaf M.U., Aragon B., Houborg R., Franz T. E., Lu Y., Sheffield J., Hoteit I., McCabe M. F. Intra-field crop yield variability by assimilating CubeSat LAI in the APSIM crop model. // Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci. 2022. XLIII-B3-2022, pp. 1045–1052. DOI: 10.5194/isprs-archives-XLIII-B3-2022-1045-2022 Ziliani M.G., Altaf M.U., Aragon B., Houborg R., Franz T. E., Lu Y., Sheffield J., Hoteit I., McCabe M. F. Intra-field crop yield variability by assimilating CubeSat LAI in the APSIM crop model. // Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci. 2022. XLIII-B3-2022, pp. 1045–1052. DOI: 10.5194/isprs-archives-XLIII-B3-2022-1045-2022 Samsonova V.P., Meshalkina J.L., Blagoveschensky Y.N., Yaroslavtsev A.M., Stoorvogel J.J. The role of positional errors while interpolating soil organic carbon contents using satellite imagery. // Precision Agric. 2018. 19, pp. 1085–1099. DOI: 10.1007/s11119-018-9575-4 Samsonova V.P., Meshalkina J.L., Blagoveschensky Y.N., Yaroslavtsev A.M., Stoorvogel J.J. The role of positional errors while interpolating soil organic carbon contents using satellite imagery. // Precision Agric. 2018. 19, pp. 1085–1099. DOI: 10.1007/s11119-018-9575-4 Bento N.L., Silva Ferraz G.A., Santana L.S., de Oliveira Faria R., da Silva Amorim J., de Lourdes Oliveira e Silva M., Silva M.M.A., Alonso D.J.C. Soil compaction mapping by plant height and spectral responses of coffee in multispectral images obtained by remotely piloted aircraft system. // Precision Agric. 2024. 25, pp. 729-750. DOI: 10.1007/s11119-023-10090-0 Bento N.L., Silva Ferraz G.A., Santana L.S., de Oliveira Faria R., da Silva Amorim J., de Lourdes Oliveira e Silva M., Silva M.M.A., Alonso D.J.C. Soil compaction mapping by plant height and spectral responses of coffee in multispectral images obtained by remotely piloted aircraft system. // Precision Agric. 2024. 25, pp. 729-750. DOI: 10.1007/s11119-023-10090-0 Liu P., Di L., Du Q., Wang L. Remote Sensing Big Data: Theory, Methods and Applications. // Remote Sensing. 2018. V. 10(5), 711. DOI: 10.3390/rs10050711 Liu P., Di L., Du Q., Wang L. Remote Sensing Big Data: Theory, Methods and Applications. // Remote Sensing. 2018. V. 10(5), 711. DOI: 10.3390/rs10050711 Rukhovich D.I., Koroleva P.V., Rukhovich D.D., Rukhovich A.D., Recognition of the bare soil using deep machine learning methods to create maps of arable soil degradation based on the analysis of multi-temporal remote sensing data. // Remote Sensing. 2022. V. 14(9), 2224. DOI: 10.3390/rs14092224 Rukhovich D.I., Koroleva P.V., Rukhovich D.D., Rukhovich A.D., Recognition of the bare soil using deep machine learning methods to create maps of arable soil degradation based on the analysis of multi-temporal remote sensing data. // Remote Sensing. 2022. V. 14(9), 2224. DOI: 10.3390/rs14092224 Номенклатура и таксономия основных типов почв Республики Татарстан / Сост. А.А. Шинкарев, А.В. Гусаров, К.Г. Гиниятуллин, Л.В. Мельников, М.К. Латыпов. Казань: Издательство Казанского государственного университета. 2008. 32 с. Nomenklatura i taksonomiya osnovnyh tipov pochv Respubliki Tatarstan / Sost. A.A. Shinkarev, A.V. Gusarov, K.G. Giniyatullin, L.V. Mel'nikov, M.K. Latypov. Kazan': Izdatel'stvo Kazanskogo gosudarstvennogo universiteta. 2008. 32 s.