Спосіб структурного моделювання латеральної неоднорідності ґрунтів

Номер патенту: 103549

Опубліковано: 25.12.2015

Автор: Биндич Тетяна Юріївна

Є ще 2 сторінки.

Дивитися все сторінки або завантажити PDF файл.

Формула / Реферат

Спосіб структурного моделювання латеральної неоднорідності ґрунтів, що містить використання даних космічної багатозональної зйомки у видимій та ближній інфрачервоній частині спектру, обробку одержаних результатів методом кластерного аналізу для класифікації космічного зображення та наземні дослідження з використанням приладів глобального позиціонування, за яким в ГІС одержують карту яскравостей ґрунтових ареалів, які прив'язують до системи географічних координат та на кожній з них закладають ґрунтовий розріз та додатково проводять відбір проб з поверхневого шару ґрунту, за якими визначають ґрунтові відмінності, який відрізняється тим, що за сумісним аналізом даних класифікації космічного зображення та польового обстеження ґрунтів визначають взаємозалежність оптичних характеристик поверхні ґрунту та його основних генетично обумовлених властивостей, створюють просторову модель ґрунтових показників та за допомогою ГІС ідентифікують їх кількісні значення для кожного елементу зображення в межах окремих виділів та класів ґрунтів, що дозволяє отримати найбільш вірогідну модель латеральної неоднорідності ґрунтів.

Текст

Реферат: Спосіб структурного моделювання латеральної неоднорідності ґрунтів містить використання даних космічної багатозональної зйомки у видимій та ближній інфрачервоній частині спектру. Виконують обробку одержаних результатів методом кластерного аналізу для класифікації космічного зображення та наземні дослідження з використанням приладів глобального позиціонування. За дослідженням в ГІС одержують карту яскравостей ґрунтових ареалів, які прив'язують до системи географічних координат та на кожній з них закладають ґрунтовий розріз. Додатково проводять відбір проб з поверхневого шару ґрунту, за якими визначають ґрунтові відмінності. За сумісним аналізом даних класифікації космічного зображення та польового обстеження ґрунтів визначають взаємозалежність оптичних характеристик поверхні ґрунту та його основних генетично обумовлених властивостей. Створюють просторову модель ґрунтових показників та за допомогою ГІС ідентифікують їх кількісні значення для кожного елементу зображення в межах окремих виділів та класів ґрунтів, що дозволяє отримати найбільш вірогідну модель латеральної неоднорідності ґрунтів. UA 103549 U (12) UA 103549 U UA 103549 U 5 10 15 20 25 30 35 40 45 50 55 60 Корисна модель належить до ґрунтознавства та географії ґрунтів та може бути застосована у сільському господарстві та землекористуванні для оцінювання неоднорідності ґрунтового покриву (ҐП) для вивчення генезису ґрунтів та ґрунтотворних процесів, вдосконалення класифікації та діагностування ґрунтів, сучасного картографування локальних структур ҐП, вирішення завдань географічного та ґрунтового районування, для планування, управління та визначення ефективності меліоративних, агрохімічних, ґрунтоохоронних заходів та польових ґрунтових досліджень, вивчення часової динаміки змін ҐП, точного розрахунку та обліку врожайності сільськогосподарських культур для окремого господарства або поля, моніторингу земельних ресурсів країни, об'єктивного оцінювання та бонітування ґрунтів. Відомим аналогом є спосіб агрофізичної оцінки ҐП, який полягає у використанні даних детального агрофізичного обстеження ґрунтів за загальноприйнятими методами для побудови та аналізу прогнозних імовірнісних розрахунків водно-повітряного режиму ґрунтів на основі використання індексу оптимальності режиму (ІОР) як основного критерію оцінки [Гончаров В.М. Использование методов математического моделирования при агрофизической оценке почвенного покрова//Вестник Оренбургского государственного университета.-2008. - №10 (92). С. 161-167]. На основі побудови та аналізу розподілу основних показників водно-повітряного режиму визначають чинники, що мають домінуючий вплив на агрофізичний стан досліджених ґрунтів. Зокрема, визначено, що під час формування агрофізичних умов в дерново-підзолистих ґрунтах Іванівської області Росії, основна роль належить глибині залягання піщаної товщі і рівню ґрунтових вод, які мають високі значення ІОР. Також встановлено, що для ґрунтів, які сформовано в умовах близького залягання ґрунтових вод, де висока ймовірність перезволоження, ІОР знижується до 0.74-0.78. Для умов Володимирського Опілля, де ҐП має, в цілому, сприятливий агрофізичний стан та високе значення ІОР (ІОР = 0.99-0.88), застосування цього способу дозволило виділити зони, які приурочені до сірих лісових ґрунтів з другим гумусовим горизонтом, які характеризуються найліпшим для росту та розвитку сільськогосподарських рослин водно-повітряним режимом (ІОР = 1.00). Основним недоліком аналога є той факт, що завдання агрофізичної оцінки території з високою просторовою неоднорідністю ҐП проведено на основі даних точкового відбору проб ґрунту та закладки ґрунтових розрізів, що підвищує вірогідність появи похибок, які знижують точність визначення виділів ґрунту, які характеризуються подібними значеннями ІОР. Відомим аналогом є спосіб ймовірнісно-статистичного моделювання властивостей ґрунту, який використано для достовірної оцінки їх варіабельності та змін стану ґрунтів з часом [Михеева И.В. Изменение вероятностных распределений фракций гранулометрического состава каштановых почв Кулундинской степи под воздействием природных и антропогенных факторов // Почвоведение.-2010. - №12. - С. 1456-1467], який складається у ідентифікації математичних функцій та параметрів імовірнісних розподілів для основних показників ґрунту за статистичним аналізом даних, отриманих в ході великомасштабних ґрунтових обстежень. Використання цього способу дозволило оцінити варіабельність вмісту гранулометричних фракцій у різновидах каштанового ґрунту південного заходу Кулундинского степу, що сформовані на стародавніх озерно-алювіальних відкладах, та визначити три категорії їх мінливості залежно від ступеня неоднорідності факторів ґрунтоутворення (неоднорідність, варіабельність та флуктуації). При цьому, ідентифікація математичних функцій ймовірнісностатистичних розподілів проведено шляхом перебору багатьох видів функцій розподілу з використанням декількох статистичних критеріїв, що забезпечило однозначний вибір функцій розподілу, який найбільш близько апроксимує фактичні дані. Недоліком аналога є використання в якості інформаційної основи застарілих даних великомасштабного обстеження ґрунтів, отримання яких є трудомістким та фінансово витратним процесом, що технологічно ускладнює оперативне оцінювання та моделювання латеральної неоднорідності ґрунтів для значних за площею територій. Крім того, традиційні методи польового обстеження ҐП не забезпечують отримання чисельної, дійсно континуальне розподіленої інформації, що призводить до суттєвих похибок як під час аналізу та інтерпретації цих даних, так й під час кількісного оцінювання латеральної неоднорідності ґрунтів. Найближчим аналогом до корисної моделі є спосіб визначення неоднорідності ҐП [Патент на корисну модель UA №19179 Спосіб визначення неоднорідності ґрунтового покриву], який передбачає використання даних космічної багатозональної зйомки високого просторового розрізнення в якості первинної кількісної інформації про ҐП, які обробляються загально статистичними методами та класифікують за методом кластерного аналізу, а також сумісно обробляються з даними наземних досліджень ґрунтів за кореляційним, регресійним та кластерним аналізами для складання в геоінформаційних системах (ГІС) карти яскравостей виділів ґрунтів, які відрізняються параметрами окремих властивостей ґрунтів, кількістю та 1 UA 103549 U 5 10 15 20 25 30 35 40 45 50 55 особливостями контурів, що узагальнено характеризують ступінь неоднорідності (або складності) ҐП. Основні недоліки найближчого аналога полягають у недостатній інформативності отриманих узагальнених характеристик неоднорідності ҐП (кількість структурних елементів ҐП та співвідношення їх площ, інформаційні показники складності ҐП) та неможливістю точного визначення мінливості абсолютних значень параметрів ґрунту для окремих складових ҐП. В основу корисної моделі поставлена задача вдосконалення способу визначення неоднорідності ҐП шляхом структурно-параметричного моделювання просторового розподілу властивостей ґрунтів та отримання об'єктивної, точної та детальної інформації про структуру латеральної неоднорідності ґрунтів для прийняття обґрунтованих рішень щодо ефективного використання сільськогосподарських угідь. Поставлена задача вирішується тим, що спосіб структурного моделювання латеральної неоднорідності ґрунтів містить використання даних космічної багатозональної зйомки у видимій та ближній інфрачервоній частині спектру, обробку одержаних результатів методом кластерного аналізу для класифікації космічного зображення та наземні дослідження з використанням приладів глобального позиціонування, за яким в ГІС одержують карту яскравостей ґрунтових ареалів, які прив'язують до системи географічних координат та на кожній з них закладають ґрунтовий розріз та додатково проводять відбір проб з поверхневого шару ґрунту, за якими визначають ґрунтові відмінності, згідно з корисною моделлю, за сумісним аналізом даних класифікації космічного зображення та польового обстеження ґрунтів визначають взаємозалежність оптичних характеристик поверхні ґрунту та його основних генетично обумовлених властивостей, створюють просторову модель ґрунтових показників та за допомогою ГІС ідентифікують їх кількісні значення для кожного елементу зображення в межах окремих виділів та класів ґрунтів, що дозволяє отримати найбільш вірогідну модель латеральної неоднорідності ґрунтів. Такий підхід до моделювання латеральної неоднорідності ґрунтів за даними багатоспектрального космічного сканування високого просторового розрізнення засновано на випадковій природі оптичних характеристик ҐП (як результату процесу отримання спектральних характеристик об'єктів земної поверхні), що дозволяє розглядати космічне зображення ґрунтів як випадкове поле оптичної щільності та зумовлює необхідність використання для його опису математичного апарату теорії ймовірностей, та, зокрема, закону розподілу в якості основної характеристики випадкової величини. Слід відзначити, що структурно-параметрична ідентифікація випадкової величини засновано на виборі такої моделі закону розподілу ймовірностей, яка найкращим чином відповідає результатам експериментальних спостережень. Істинний закон розподілу, завдяки сукупній дії різноманітних похибок конкретної вимірювальної системи та первинній обробки зображення, може залишитися невідомим, не дивлячись на спроби його визначення. Однак на підставі даних вимірювань та теоретичних міркувань можна підібрати вірогідну модель, яка найкращим чином наближається до істинного закону розподілу ознаки. Якщо побудована модель визначена адекватною (тобто при застосовувані визначених статистичних критеріїв не відхилена), то на її основі можна визначити необхідні для споживача імовірнісні характеристики випадкової величини, які відрізняються від істинних значень тільки за рахунок систематичної складової похибки вимірювань. Корисну модель виконують наступним чином. На підготовчому етапі проводиться географічна прив'язка багатоспектрального космічного знімку з використанням ГІС для дослідженої території. Для визначення полів, які мали відкриту (орну) ґрунтову поверхню, проводиться розрахунок зонального відношення або вегетаційних індексів, за яким створюється цифрова карта території сільськогосподарських угідь, поверхня яких не була закритою рослинністю у момент зйомки. Надалі саме для цих ділянок (або полігонів) проводиться моделювання неоднорідності ҐП. Також на цьому етапі проводиться максимально можливий збір тематичної інформації про територію та її схематичне ув'язування з основними дешифрувальними ознаками: яскравістю та структурою зображення (розміри і форми контурів, розподіл яскравості в них), загально статистичний аналіз його цифрової інформації. За результатами такого загального статистичного аналізу, шляхом експертного оцінювання, обґрунтовують критерії дискретизації космічного зображення для наступного етапу цифрової обробки - класифікації. Цифрова обробка багатоспектрального зображення з метою його класифікації включає кластерний аналіз за різними методами, в алгоритм якого закладено можливість вірної класифікації навіть змішаних за показниками яскравості та структури елементів зображення у 2 UA 103549 U 5 10 15 20 25 30 35 40 45 50 55 60 різних діапазонах сканування. Результатом цієї процедури є цифрова карта виділів ґрунтів, що прив'язані в системі географічних координат та мають подібні оптичні характеристики. На її основі розробляється оптимальна система відбору проб ґрунту для польового етапу, яка включає точне визначення всіх точок відбору зразків з поверхневого шару ґрунту, а також точок закладання ґрунтових розрізів з забезпеченням відбору суто індивідуальних проб ґрунту в кількості, що дозволяє проводити заплановані види аналітичних досліджень та статистичний опис кожної з градацій (або інтервалу градацій) оптичної яскравості зображення. На наступному етапі проводиться польова зйомка та ґрунтове обстеження полігонів, при якому всі точки відбору зразків прив'язуються до системи географічних координат за допомогою приладів глобального позиціонування (GPS), здійснюється відбір ґрунтових проб з поверхневого шару ґрунту та з кожного генетичного горизонту (близько 0,5 кг) під час морфологічного опису вертикальної будови ґрунтів в межах визначених контурів з метою їх точного діагностування. В камеральних умовах проводяться аналітичні дослідження відібраних в полі проб, створюють узагальнені файли статистичної та обліково-довідкової інформації, які об'єднують дані за окремими ґрунтовими показниками й за показниками оптичної яскравості у різних діапазонах спектру для всіх точок відбору проб у табличній формі (матричній), з вичерпною інформацією про географічні прив'язки. На основі результатів статистичного аналізу всього масиву кількісної інформації результатів (в основному, дисперсійного та кореляційного аналізу) робиться загальний висновок про достовірність та тісноту взаємозв'язку між показниками оптичної яскравості та параметрами основних, генетично обумовлених показників ґрунту. У випадку значної кореляції космічне зображення вважається придатним для моделювання латеральної неоднорідності ґрунтів та використовується для розрахунку регіональних математичних моделей які описують взаємозалежність окремих ґрунтових показників з оптичними характеристикамиповерхневого шару ґрунту. З використанням отриманих математичних залежностей в ГІС розраховуються значення параметрів ґрунту для кожного елементу зображення - пікселю, що дозволяє отримати електронну карту метризованих властивостей ґрунту для території дослідних полігонів. Отримана в такий спосіб карта просторового розподілу окремого показнику ґрунту надалі розглядається як фрагмент безперервного скалярного поля окремої властивості ґрунту, основною характеристикою якого є його мінливість у просторі. На наступному етапі в ПС, в автоматичному режимі вилучаються кількісні значення властивостей ґрунтів для кожного класу ґрунтових виділів та кожного ареалу ґрунту, який було визначено під час класифікації зображення на підготовчому етапі. Отримані дані зберігаються у табличній формі та використовуються для побудови гістограми та аналізу кількісних значень показників ґрунту з метою визначення закону їх розподілу, який найкращим чином відповідає фактичним даним. До основних процедур ймовірнісно-статистичного моделювання неоднорідності ґрунтів відносяться: перевірка розподілу на відповідність до типу нормального розподілу ознаки; підгонка експериментального розподілу та визначення виду функцій ймовірнісних розподілів, які близько описують статистичний розподіл метризованого показнику ґрунту шляхом перебору відомих функцій розподілу (нормального, Вейбули, логнормального, Коші, сімейства Джонсона, сімейства експоненційних, екстремальних значень, бета-розподілу тощо); оцінювання статистик 2 параметричних та непараметричних критеріїв (критерій х Пирсона, критерій відношення правдоподібності, критерій Колмогорова); визначення за сукупністю значень найкращого виду розподілу, при якому досягнуто максимальне значення ймовірності. Сучасною технологічною основою для аналізу та обробки скалярних полів будь-яких параметрів ґрунтів є аналітичні процедури ГІС, які дозволяють в напівавтоматичному режимі застосовувати комплекс методів щодо обирання найкращого закону розподілу ознаки ґрунту, а також сучасні програмні пакети для статистико-математичної обробки даних (Statistica, Matlab тощо). Приклад здійснення корисної моделі проведено на основі даних багатозонального сканеру малого супутника "Січ-2", який забезпечував зйомку в діапазонах 0,51-0,559 мкм; 0,61-0,668 мкм; 0,80-0,889 мкм, з роздільною здатністю 8 метрів. Територіальним об'єктом вибрано полігон "Розівка", який розташовано в Ясинуватському районі Донецької області. Територія цього полігону відноситься до Донецької фізико-географічної області Лівобережно-Дніпровської північно-степової провінції, Північної степової підзони згідно фізико-географічного районування України. В тектонічному відношенні цей фізико-географічний район має складну будову, в якій приймає участь комплекс відкладів (карбону, тріасу, пермі, ІОР, крейдового періоду, палеогену 3 UA 103549 U 5 10 15 20 25 30 35 40 45 50 55 60 та антропогену). В долинах річок, в балках та ярах ці відклади виходять на денну поверхню, в той час як на вододілах вони вкриті лесом та лесовими суглинками, елювіально-делювіальними відкладами, на акумулятивних терасах долин річок - алювіальними, іноді - еоловими відкладами. В орографічному відношенні, поверхня цього фізико-географічного району слабко хвиляста, яружно-балочного типу. Густина яружно-балочної мережі коливається в значних 2 межах від 0,50 до 1,0 км/км . ҐП цього фізико-географічного району представлено переважно звичайними середньо гумусними чорноземами, які сформовано на лесах та частково на продуктах вивітрювання корінних порід. По схилам річкових долин, ярів та балок переважають середньо та сильно еродовані ґрунти, іноді повністю змиті з відслоненнями корінних порід. Розгляд матеріалів космічного сканування вирішував завдання диференціації відмін ҐП полігону та параметризації їх неоднорідності за показником загального вмісту гумусу в ґрунті, який є прямою дешифрувальною ознакою ґрунтів. Під час попереднього аналізу, контрастність космічного зображення полігону пов'язувалася, в основному, з неоднорідністю ґрунтоутворюючих порід та інтенсивністю прояву такого деградаційної процесу в ґрунтах, як ерозія. Загальний статистичний аналіз зображення дозволив визначити доречність його класифікації на рівні 4 класів, які значимо відрізнялися один від одного за показниками оптичної яскравості ґрунтів. За результатами кластерного аналізу космічного зображення за методом Ксередніх отримано цифрову карту ґрунтових виділів полігону, яка представлена на Фіг. 1. Отримана карта була використана для розробки системи відбору проб ґрунту та планування місць закладки ґрунтових розрізів для польового етапу робіт. За даними опису ґрунтових розрізів підтверджена ефективність даних багатоспектрального космічного сканування для діагностики чорнозему звичайного, що сформовано на різних ґрунтотворних породах (на лесі, на червоно-бурих глинах, елювії нелесових порід), а також різного ступеня змитості (слабо, середньо і сильно змиті види), в основному, слабкогумусованих. Зокрема, визначено, що представлені на Фіг. 1 ареали відповідають межам розподілу: ареал 1 - чорнозему звичайному середньогумусному на лесі та лесоподібних ґрунтоутворюючих породах слабкозмитому; ареал 2 чорнозему звичайному середньогумусному важкосуглинковому глибокоскипаючому на лесі та лесоподібних породах, намитому; ареал 3 - чорнозему звичайному на елювії нелесових порід, сильнозмитому; ареал 4 - чорнозему звичайному малогумусному важкосуглинковому на червоно-бурих глинах, середньозмитому. За результатами аналітичного дослідження проб ґрунту склали базу даних для даного регіону, яка використана для пошуку найкращої математичної моделі та описує взаємозалежність між яскравістю космічного зображення ґрунту в інфрачервоному діапазоні спектру та загальним вмістом гумусу в ґрунті, що представлена на Фіг. 2. Верифікація отриманої моделі показала, що відхилення розрахункових значень не перевищувало похибки аналітичного методу визначення гумусу та дозволяє використовувати отримане нами рівняння для просторового моделювання загального вмісту гумусу у ґрунтах дослідного полігону, результатом якого є цифрова карта загального вмісту гумусу у ґрунті, яка представлена на Фіг. 3 її використання дозволяє встановити значення загального вмісту гумусу для кожного елементу зображення (пікселю), при цьому, найнижчі його значення відображаються більш темним відтінком сірого, більш значні - світлим відтінком. Для наглядної перевірки відповідності розподілу загального вмісту гумусу у ґрунті в межах кожного з визначених класів до конкретного типу теоретичного розподілу використано ймовірнісні графіки, які представлено в графі 3 таблиці 1. На цих графіках представлено вигляд найкращого випадку відповідності функції розподілу дослідної ознаки ґрунту до конкретної теоретичної функції розподілу, що визначається за близькістю точок емпіричного розподілу до діагоналі цього графіка (яка містить нульове значення та має нахил 1), яка представляє значення ознаки ґрунту для певного типу теоретичного розподілу. На основі аналізу та підбору найкращої відповідності зроблено висновок, що розподіл загального вмісту гумусу для чорнозему звичайного середньогумусного на лесі та лесоподібних ґрунтоутворюючих породах, слабкозмитого та для чорнозему звичайного середньогумусного важкосуглинкового глибокоскипаючого на лесі та лесоподібних породах, намитого притаманна подібність до Бетарозподілу – Ве (α, β). В той час, коли розподіл дослідної ознаки ґрунту для чорнозему 2 звичайного на елювії нелесових порід, сильнозмитого має нормальний тип розподілу – N (μ, σ ), а для чорнозему звичайного малогумусного важкосуглинкового на червоно-бурих глинах, середньозмитого має розподіл Вейбула – W (κ, λ). Визначені ймовірнісно-статистичні моделі розподілу дослідної ознаки використані для параметризації визначених класів ґрунтів на основі отриманих стійких статистичних оцінок, за якими детально характеризується латеральна неоднорідність ґрунтів. 4 UA 103549 U 5 10 Одержані в процесі моделювання латеральної неоднорідності ґрунтів дані, можна використовувати для екстраполяції результатів розрахунку загального вмісту гумусу в ґрунтах прилеглих до полігону територій, що дозволяє значно зменшити об'єми трудомістких та коштовних польових робіт під час дослідження структури ҐП в дослідному регіоні, визначати основні закономірності варіювання мінливості ґрунтів в межах структурних елементів просторової організації ҐП та використовувати ці дані для оптимізації, планування, управління та визначення ефективності меліоративних, агрохімічних, ґрунтоохоронних заходів та польових ґрунтових досліджень, точного обліку та корегування врожайності сільськогосподарських культур для окремого господарства або поля, моніторингу стану ҐП та земельних ресурсів країни, об'єктивного оцінювання та бонітування ґрунтів. Таблиця 1 5 UA 103549 U Продовження таблиці 1 ФОРМУЛА КОРИСНОЇ МОДЕЛІ 5 10 15 Спосіб структурного моделювання латеральної неоднорідності ґрунтів, що містить використання даних космічної багатозональної зйомки у видимій та ближній інфрачервоній частині спектру, обробку одержаних результатів методом кластерного аналізу для класифікації космічного зображення та наземні дослідження з використанням приладів глобального позиціонування, за яким в ГІС одержують карту яскравостей ґрунтових ареалів, які прив'язують до системи географічних координат та на кожній з них закладають ґрунтовий розріз та додатково проводять відбір проб з поверхневого шару ґрунту, за якими визначають ґрунтові відмінності, який відрізняється тим, що за сумісним аналізом даних класифікації космічного зображення та польового обстеження ґрунтів визначають взаємозалежність оптичних характеристик поверхні ґрунту та його основних генетично обумовлених властивостей, створюють просторову модель ґрунтових показників та за допомогою ГІС ідентифікують їх кількісні значення для кожного елементу зображення в межах окремих виділів та класів ґрунтів, що дозволяє отримати найбільш вірогідну модель латеральної неоднорідності ґрунтів. 6 UA 103549 U 7 UA 103549 U Комп’ютерна верстка Г. Паяльніков Державна служба інтелектуальної власності України, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601 8

Дивитися

Додаткова інформація

Автори англійською

Byndych Tetyana Yuriivna

Автори російською

Биндич Татьяна Юриевна

МПК / Мітки

МПК: G03B 37/00, G01N 33/24, G01N 21/25, G01N 21/35

Мітки: неоднорідності, моделювання, структурного, спосіб, латеральної, ґрунтів

Код посилання

<a href="http://uapatents.com/10-103549-sposib-strukturnogo-modelyuvannya-lateralno-neodnoridnosti-runtiv.html" target="_blank" rel="follow" title="База патентів України">Спосіб структурного моделювання латеральної неоднорідності ґрунтів</a>

Подібні патенти