![Show Menu](styles/mobile-menu.png)
![Page Background](./../common/page-substrates/page0054.png)
Традиции и инновации в крупномасштабной почвенной картографии
51
многозональных аэрокосмических снимков по отношению к различным
свойствам отражательной поверхности, в том числе почвообразующих пород.
Во вторую очередь при оценке полноты картографической модели про-
веряется соответствие целевого уровня организации почвенного покрова и
масштабных уровней его индикационных характеристик, в частности —
форм и элементов форм рельефа разного порядка (Сорокина, 1980). Обычно
микроструктуры СПП соответствуют элементам форм мезорельефа, воспро-
изводимых в масштабе 1 : 10 000. Параметризация ЦМР в более мелком
масштабе приведет к подмене объекта картографирования, либо искажению
ареалов микроструктур. Этот аспект проблемы характерных масштабов поч-
венно-ландшафтных связей требует специального обоснования, в том числе
при полевых исследованиях СПП на ключах и трансектах.
Чем полнее и информативнее факторно-индикационная основа, тем
меньшим количеством точек можно обойтись. Однако это не должно приво-
дить к ее переоценке и недооценке первичной почвенной информации. Не в
последнюю очередь из экономических соображений усиливается тенденция
минимизации полевых работ и переноса центра тяжести при картографиро-
вании на методы индикации. Эта тенденция нуждается в обосновании и ве-
рификации (Ibanez, Zinck, 1994).
Репрезентативность обучающей и контролирующей выборок
,
должных корректно отражать состав и соотношение компонентов почвенного
покрова, определяется использованием регулярной сети почвенного опробо-
вания с обоснованным шагом (Пузаченко и др., 2006), либо регулированием
числа и положения точек по диапазону значений факторно-индикационных
основ (Hengl, 2003, MacBratney et al., 2003).
Параметрическая основа наиболее доступных методов вероятностно-
статистического анализа почвенно-ландшафтных связей ограничивает об-
ласть их применения многомерными нормальными распределениями и ли-
нейными отношениями. Требуется поиск адаптированных средств вероятно-
стно-статистического анализа. В рамках аппарата нечетких множеств реше-
ние этой методической проблемы связано с подбором адекватной функции
принадлежности на массиве обучающей выборки, развитием методов интел-
лектуального анализа данных (нейронные сети, генетические алгоритмы и
др.) и экспертных систем на основе баз знаний (Zhu et al., 2001).
Электронная Научная СельскоХозяйственная Библ отека