![Show Menu](styles/mobile-menu.png)
![Page Background](./../common/page-substrates/page0047.png)
Д.Н. Козлов, Н.П. Сорокина
44
логики позволяют получить вероятностную оценку для каждой почвенной
категории (McBratney, Odeh, 1997; Zhu et al., 2001, 2003).
В качестве средств построения ландшафтно-индикационной модели
используются методы множественной регрессии, дискриминантного и корре-
ляционного анализов, их модификации, позволяющие вычислить вес каждой
индикационной переменной в разделении заданных почвенных категорий и
сопоставить каждому сочетанию факторных основ определенное состояние
почвы (Environmental soil-landscape modeling, 2006). Методы интеллектуаль-
ного анализа данных (англ.
data mining:
нейронные сети, классификационные
и регрессионные деревья и др.) обеспечивают выявление скрытых законо-
мерностей или взаимосвязей в больших массивах данных.
В качестве факторно-индикационных характеристик элементов растро-
вой сетки чаще всего используются значения абсолютных высот и производ-
ные морфометрические параметры рельефа, описывающие перераспределе-
ние влаги и тепла — показатели крутизны и формы поверхности, водосбор-
ная площадь, высота над местным базисом эрозии и др. (Шарый, 2005; Ter-
rain Analysis…, 2000; Advances in Digital Terrain Analysis, 2008). Для харак-
теристики растительности, особенностей хозяйственной деятельности как
почвообразующих факторов используются многозональные оптико-
электронные космические снимки различных систем (Landsat, Spot, Aster и
др.), регистрирующих свойства ландшафтного покрова (биомасса, продук-
тивность, температура и др.) в величинах отраженного коротковолнового и
собственного длинноволнового излучения (Кравцова, 2005; Ormeci, Ekercin,
2008). В зависимости от особенностей территории и ее изученности набор
базовых факторов может быть расширен характеристиками геолого-
геоморфологических условий (почвообразующие породы, геологическое
строение), гидрологического стока и др. Для средне- и мелкомасштабного
картографирования используются среднемесячные и среднегодовые клима-
тические переменные, с пространственным разрешением 0.1
, 0.25
, 0.5
и 1
(New et al., 2002; Sheffield et al., 2006).
Несмотря на технологическую возможность параметризации свойств
любых факторов почвообразования, в практике ЦПК широко распространено
использование неполных двух-, трехкомпонентных моделей почвенно-
ландшафтных связей, например, почва — рельеф, почва — рельеф, расти-
тельность (Grunwald, 2008; Innovative techniques in soil survey, 2004; Digital
Электронная Научная СельскоХозяйственная Библиотека