Использование ГИС-технологий в изучении эколого-ландшафтных систем земледелия Шатковского района Нижегородской области



В статье рассмотрены современные проблемы деградации сельскохозяйственных земель, а так же особенности их изучения с помощью географических информационных систем. Предложена схема алгоритма растра регрессионной модели, которая позволит повысить эффективность природопользования.

Ключевые слова: географическая информационная система, цифровая модель рельефа, регрессионный анализ, растр регрессионной модели.

Интенсивное развитие экономики, производства и самого социума в настоящее время оказывает неизгладимый вклад на развитие любой науки. Уже на рубеже нашего столетия на первый план выступают науки прикладного характера, имеющие специализированный круг исследований. География, как и любая другая наука, всегда следовала новейшим тенденциям развития. На сегодняшний день изучение географии сопряжено с изучением информатики — одной из передовых и современных наук нашего общества. Именно тесное взаимодействие географии с информатикой порождает целую науку, названную геоинформатикой. Как наука, геоинформатика имеет свой объект исследования, которым выступает географическая информационная система (ГИС).

ГИС позволяет оперировать большим объемом информации, осуществлять ее сбор, хранение, анализ, а также визуализацию пространственных объектов. Эта особенность дает уникальные возможности для применения ГИС в решении широкого спектра задач, в частности, для разработки оптимальной системы землепользования [1].

Актуальность проведения работы обуславливается тем, что данная разработка позволит повысить эффективность сельскохозяйственного производства. Многофакторность данной проблемы заключается в необходимости оперирования большими объемами информации и нуждается во внедрении прогрессивных методов обработки данных. Современное развитие геоинформационных систем позволяет не только хранить, обрабатывать и анализировать данные, но и моделировать развитие различных процессов, протекающих в ландшафте. Применение таких моделей может обеспечить прогностическую функцию схемам эколого-ландшафтного планирования систем земледелия и повысить их эффективность в использовании [2].

Целью нашего исследования, тема которого «Использование ГИС-технологий в изучении эколого-ландшафтных систем земледелия Шатковского района Нижегородской области», является разработка геоморфологического каркаса с применением ГИС-технологий для задач эколого-ландшафтного планирования.

Для достижения поставленной цели мы руководствовались целым комплексом задач:

1. Предварительная подготовка базы данных и проведение их технической предобработки: картографический материал в оцифрованном виде и цифровая модель рельефа;
2. Разработка прогностической модели развития ландшафта на основе морфодинамических параметров и определение ее эффективности с помощью статистического геоинформационного анализа;
3. Создание актуальной схемы алгоритма растра регрессионной модели.

Объектом исследования был выбран Шатковский район Нижегородской области, имеющий длительную историю хозяйственного освоения, что, в свою очередь, повлияло на развитие почвенно-деградационных процессов. Ландшафт района практически полностью утратил свой первоначальный облик. Поэтому получение качественной геопространственной информации о современном состоянии рельефообразующих процессов, характере их пространственного распределения, интенсивности развития является крайне необходимым для обеспечения экологической безопасности в ходе хозяйственной деятельности. Географическое положение Шатковского района отличается ландшафтной контрастностью, что дает возможность проведения сопоставительных исследований, результаты которых могут быть экстраполированы на большую часть Северного Приволжья.

Благодаря данным агрохимического центра ФГУ ЦАС «Нижегородский», расположенный в областном центре Нижний Новгород, нами была получена информация о почвенных выделах и сетки сельскохозяйственных угодий. Это послужило основой для создания растра регрессионной модели Шатковского района.

В настоящее время основным способом представления формы земной поверхности является цифровая модель рельефа (ЦМР). Этоматематическое представление участка земной поверхности, полученное путем обработки материалов топографической съемки. Она может использоваться в качестве геопространственной основы при прогнозировании опасных процессов и явлений, для оценки скорости протекания экзодинамических процессов и т. д. Оптимальным вариантом для реализации целей нашего проекта является использование свободно распространяемых ЦМР. С помощью доступных глобальных ЦМР можно получать выходные данные в масштабе от 1:100 000. В работе для генерации ЦМР Шатковского района были использованы данные гидрографического архива HIDROSHEDS, разработанного на базе SRTM, покрывающий изучаемую территорию. Это набор данных по топографии речных бассейнов и гидрографической сети, созданных во Всемирном фонде дикой природы (WWF) [4–5].

В исходном виде модель содержит артефакты, т. е. пустоты и прочие ошибки и требует значительной корректировки и подготовки для проведения на ее основе дальнейших исследований. Поэтому нами была проведена первичная предобработка ЦМР с помощью модулей динамических библиотек геоинформационной системы SAGA, обладающей значительным аналитическим потенциалом в ландшафтных исследованиях [3].

С любой цифровой моделью рельефа можно получить разнообразные параметры, которые принято разделять на следующие группы:

 морфометрические – описывают морфологические особенности территории, определяющие скорость и интенсивность потоков вещества и энергии, динамику склоновых процессов;

 гидрологические–используются для оценки поверхностного стока, степени увлажнения почвы и перемещения обломочного материала;

 топоклиматические– данная группа показателей характеризует влияние земной поверхности на особенности распределения солнечной радиации, температурного поля и воздействия ветра;

Для целей исследования был создан набор морфометрических, гидрологических и топоклиматических характеристик территории на основе ЦМР Шатковского района с помощью формализованных вычислительных процедур модулей ГИС SAGA, а именно:

 Curvature — кривизна склона;

 Direct Insolation — прямая инсоляция;

 LS Factor — показатель топографических предпосылок к развитию плоскостного смыва;

 Mass Balance Index — баланс геомасс, используется для прогнозирования опасных склоновых процессов;

 Melton Ruggedness Number — характер пересеченности местности;

 MRRTF — абсолютная высота;

 MRVBF — позволяет дифференцировать территорию речного бассейна по степени осадконакопительных свойств и применяется в основном для уточнения границ пойменных территорий;

 Surface Area — площадь местности;

 Topographic Position Index — предназначен для деления ландшафта на отдельные классы по положению на склоне;

 Topographic Wetness Index — топографический индекс влажности предназначен для оценки геоморфологических предпосылок развития переувлажненных земель [6].

В данном исследовании определялась возможность предсказания распространения почвенных разностей с помощью модели, созданной на основе данных параметров. В качестве метода статистической проверки результатов применялся геоинформационный регрессионный анализ и определение детерминированности распространения почв исследуемыми параметрами. Для создания модели логической регрессии проводилось сравнение традиционных почвенных карт с группой факторов-предикторов [7].

С помощью модуля GIS SAGA проводился перевод векторного формата в цифровой растр, который в дальнейшем был загружен в QGIS для создания точечного слоя содержащий данные по типу почв для ряда сельскохозяйственных угодий Шатковского района (ООО «Эра», СПК «Шатки», «Алемаевское», ООО Шараповское «Рассвет»).

В программном комплексе GIS SAGA была опробована возможность создания регрессионной модели, описывающей развитие почвенного покрова сельскохозяйственных угодий всего Шатковского района. Данный программный комплекс рассчитывает не только коэффициент регрессии, но и при положительном результате анализа создает топографическую основу регрессионной модели. В нашем случае показатель линейной регрессии составил 34,0 %, учитывая, что кроме рельефа в формировании почвы играют важное участие такие факторы, как климат, растительность, почвообразующие породы. В связи с этим матрица почвенных разностей на 1/3 зависит от геоморфологических особенностей рельефа.

В ходе исследования были также установлены именно те предикторы, которые в действительности влияют на формирование почв. Из 10 их оказалось только 5 (Topographic Position Index, Topographic Wetness Index, MRVBF, Surface Area, Direct Insolation).

Кроме того нами была предпринята попытка создания регрессионной модели для выявления влияния геоморфологических условий (через данные предикторы) на процесс сокращения сельскохозяйственных угодий и перевода их в залежи. Ни один из них не показал достоверного результата, и построение модели оказалось невозможным. Это говорит о том, что геоморфологические особенности не повлияли на этот процесс, а скорее всего, играет роль социально-экономических показателей [8].

Ход нашего исследования можно представить в виде актуальной схемы создания растра регрессионной модели, которая поможет более быстро и наглядно применяться для рационального земледелия (рисунок 1).

Рис.1. Актуальная схема создания растра

На основе проведенных исследований мы пришли к выводу, что для предотвращения деградации структурных компонентов ландшафта и, в частности, почв следует учитывать особенности литогенной основы, такие как величина уклона, экспозиция склона, гипсометрия, зональность, увлажнение и многое другое.

Выводы:

1. Первичная база данных о почвенных выделах и сетки сельскохозяйственных угодий была получена из агрохимического центра ФГУ ЦАС «Нижегородский» в готовом виде. С помощью доступных ЦМР мы получили ЦМР Шатковского района и провели техническою предобработку с помощью модуля GIS SAGA.
2. С помощью ЦМР Шатковского района мы получили, а затем создали свой набор морфометрических, гидрологических и топоклиматических данных, легшие в основу создания прогностической модели развития ландшафта. Было определено, что эффективность линейной регрессии составил 34,0 %.
3. Этапы исследования были представлены в виде актуальной схемы алгоритма растра регрессионной модели.

Литература:

1. Ерофеев A. A. Определение структуры бассейновых геосистем на основе геоинформационного моделирования (на примере бассейнов малых рек Томска и его окрестностей) / А. А. Ерофеев // Вестн. Том. гос. ун-та — 2012. — № 363. — С. 192–195.
2. Кравцов С. В. Эффективность эколого-ландшафтных систем земледелия в решении почвоохранных задач / С. В. Кравцов, Ф. Н. Лисецкий, Д. В. Марциневская // Ecology — 2006. № 1.– С. 79–92.
3. Методические аспекты создания цифровой модели рельефа Архангельской области на основе ASTER GDEM V.2 / авт.: Е. В. Полякова, Ю. Г. Кутинов, А. Л. Минеев и др.; Современные проблемы науки и образования. — 2015. — № 2–2. — С. 13–17.
4. Подготовка цифровой модели рельефа для исследования экзогенных процессов северных территорий Российской Федерации / А. Л. Минеев, Ю. Г. Кутинов, З. Б. Чистова и др. // Планета Земля — 2015. — № 3(21). — С. 279–291.
5. Польшакова Н. В. Использование геоинформационных технологий в мониторинге сельскохозяйственных земель / Н. В. Польшакова, Е. И. Котова, К. С. Черникова // Актуальные проблемы гуманитарных и естественных наук — 2014. — № 12–2 — С. 23–25.
6. Hengl A. Generic framework for spatial prediction of soil variables based on regression-kriging / T. Hengl, G. B. M. Heuvelink, A. Stein — Geoderma, 2004. — 120: 75–93.
7. Hengl T. Geomorphometry: Concepts, Software, Applications / Т. Hengl, H. I. Reuter — Amsterdam: Elsevier, 2009. — 796 с.
8. Soil landscape modelling and spatial prediction of soil attributes / P. E. Gessler, I. D. Moore, N. J. McKenzie i dr. // Int. J. Geogr. Inf. Syst, — 1995. — № 1. — С. 12–18.