УДК: 
DOI: 
10.22389/0016-7126-2019-954-12-31-41
1 Чурсин И.Н.
2 Алешина А.Р.
3 Горохова И.Н.
Год: 
№: 
954
Страницы: 
31-41

Научный геоинформационный центр РАН

1, 
2, 

Почвенный институт имени В. В. Докучаева

3, 
Аннотация:
В статье приведены результаты картографических исследований длительно орошаемых почв, выполненных с использованием космических изображений со спутников Landsat-8 и «Канопус-В», на примере одного из орошаемых участков юга России (Светлоярская оросительная система, Волгоградская область). Рассмотрены природные особенности и история развития изучаемой территории, представлены результаты полевых исследований, а также визуальный анализ дистанционной информации, позволивший разработать дешифровочные признаки орошаемых почв и сельскохозяйственных культур. На базе разработанных дешифровочных признаков, которые использованы для создания выборок, проведена классификация дистанционного изображения с применением алгоритма CART (деревья решений). Процесс классификации состоит из двух технологических уровней с предварительной подготовкой снимка. На первом уровне классифицированы сельскохозяйственные культуры, на втором уровне выделены пятна на полях, характеризующие орошаемые почвы. По результатам классификации созданы карты сельскохозяйственных культур и орошаемых почв.

Список литературы: 
1.   Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А. Состояние и перспективы развития методов спутникового картографирования растительного покрова России // Современные проблемы дистанционного зондирования Земли из космоса. – 2015. – Т. 12. – № 5. – С. 203–221.
2.   Горохова И. Н. Оценка засоления орошаемых почв Нижнего Поволжья с использованием аэрофотоснимков: Автореф. дис. на соиск. уч. степ. канд. техн. наук: 06.01.02 – М.: Гипроводхоз, – 1992. – 25 c.
3.   Горохова И. Н., Панкова Е. И. Метод дистанционного контроля за состоянием орошаемых земель юга России // Аридные экосистемы. – 1997. – Т. 3. – № 5. – С. 26–34.
4.   И.В. Васильев, Г.Ю. Елизарова, С.Г. Мирошниченко Государственный (национальный) доклад «О состоянии и использовании земель в Российской Федерации в 2014 году» – М.: Росреестр, – 2015. – 227 c. URL: rosreestr.ru/site/activity/gosudarstvennoeupravlenie-v-sfere-ispolzovaniya-i-okhrany-zemel/ gosudarstvennyy-monitoring-zemel/sostoyanie-zemelrossii/gosudarstvennyy-natsionalnyy-doklad-o-sostoyaniii-ispolzovanii-zemel-v-rossiyskoy-federatsii/
5.   Дегтярева Е. Т., Жулидова А. Н. Почвы Волгоградской области – Волгоград: Ниж.-Волж. кн. изд-во, – 1970. – 319 c.
6.   Иванов М. А., Прищепов А. В., Голосов В. Н., Залялиев Р. Р., Ефимов К. В., Кондратьева А. А., Киняшова А. Д., Ионова Ю. К. Методика картографирования динамики пахотных угодий в бассейнах рек Европейской территории России за период 1985–2015 гг // Современные проблемы дистанционного зондирования Земли из космоса. – 2017. – Т. 14. – № 5. – С. 161–171. DOI: 10.21046/2070-7401-2017-14-5-161-171.
7.   Классификация и диагностика почв СССР – М.: Колос, – 1977. – 225 c.
8.   Мандреева Е. Г., Дашиева Д. С. Разработка алгоритма автоматизированного дешифрирования сельскохозяйственных угодий // Земельные и водные ресурсы: мониторинг эколого-экономического состояния и модели управления: Материалы Междунар. науч.-практ. конф., посвящ. 10-летию Ин-та землеустройства, кадастров и мелиорации (23–25 апреля 2015 г.). – Улан-Удэ: Изд-во БГСХА им. В. Р. Филиппова, – 2015. – С. 148–152.
9.   Новикова А. Ф., Гэпин Ло, Конюшкова М. В. Динамика процессов засоления-рассоления почв участка «Червленое» Светлоярской оросительной системы в ирригационный и постирригационный периоды // Бюллетень почвенного института им. В. В. Докучаева. – 2009. – № 63. – С. 16–24.
10.   Панкова Е. И., Новикова А. Ф. Мелиоративное состояние и вторичное засоление орошаемых земель Волгоградской области // Почвоведение. – 2004. – № 6. – С. 731–744.
11.   Савин И. Ю., Отаров А., Жоголев А. В., Ибраева М. А., Дуйсеков С. Выявление многолетних изменений площади засолённых почв Шаульдерского орошаемого массива по космическим снимкам Landsat // Бюллетень Почвенного института им. В. В.Докучаева. – 2014. – № 74. – С. 49–65. DOI: 10.19047/0136-1694-2014-74-49-65.
12.   Терехин Э. А. Оценка и автоматизированное картографирование современной лесистости овражно-балочных систем Белгородской области на основе спутниковых данных // Научные ведомости БелГУ. Сер.: Естественные науки. – 2019. – Т. 43. – № 2. – С. 173–181. DOI: 10.18413/2075-4671-2019-43-2-173-181.
13.   Чистяков С. П. Случайные леса: обзор // Тр. Карельского научного центра РАН. – 2013. – № 1. – С. 117–136.
14.   Abbas A., Khan S., Hussain N., Hanjra M. A., Akbar S. (2013) Characterizing soil salinity in irrigated agriculture using a remote sensing approach. Physics and Chemistry of the Earth. Part A/B/C pp. 55-57.
15.   Bhumika G., Aditya R., Akshay J., Arpit A., Naresh D. (2017) Analysis of Various Decision Algorithms for Classification in Data Mining // International Journal of Computer Applications. 163, 8, pp. 15-19. DOI: 10.5120/ijca2017913660.
16.   Breiman L., Friedman J., Stone C. J., Olshen R. A. (1984) Classification and regression trees. Boca Raton: CRC Press 366 p.
17.   Ildefonso P. S. (2014) Advances in the prognosis of soil sodicity under dryland and irrigated condition // International Soil and Water Conservation Research. 2, 4, pp. 50-63.
18.   Jianli D., Danlin Yu. (2014) Monitoring and evaluating spatial variability of soil salinity in dry and wet seasons in the Werigan-Kuqa Oasis, China, using remote sensing and electro-magnetic induction instruments // Geoderma. 235-236, pp. 316-322. DOI: 10.1016/j.geoderma.2014.07.028.
19.   Platonov A, Ibrakhimov M. (2014) Using satellite images for multi-annual soil salinity mapping in the irrigated areas of Syrdarya province. Innоvations for sustainability and food aecurity in arid and semiarid lands. 2nd International Conference on Arid Lands Studies // Abstract book. Samarkand. 114 p.
20.   Taghizadeh-Mehrjardi R., Minasny B., Sarmadian F., Malone B. P. (2013) Digital mapping of soil salinity in Ardakan region, central Iran // Geoderma. 213, pp. 15-28. DOI: 10.1016/j.geoderma.2013.07.020.
21.   Yuguo Qian, Weiqi Zhou, Jingli Yan, Weifeng Li, Lijian Han (2015) Comparing Machine Learning Classifiers for Object-Based Land Cover Classification Using Very High Resolution Imagery // Remote sensing. 7, pp. 153-158. DOI: 10.3390/rs70100153.
Образец цитирования:
Чурсин И.Н., 
Алешина А.Р., 
Горохова И.Н., 
Картографирование по изображениям со спутников Landsat-8 и «Канопус-В» орошаемых почв Волгоградской области на участке Светлоярской оросительной системы // Геодезия и картография. – 2019. – № 12. – С. 31-41. DOI: 10.22389/0016-7126-2019-954-12-31-41
СТАТЬЯ
Поступила в редакцию: 16.07.2019
Принята к публикации: 10.10.2019
Опубликована: 31.12.2019

Содержание номера

2019 декабрь DOI:
10.22389/0016-7126-2019-954-12

QR-код страницы

QR-код страницы