ЭлБиб

Традиции и инновации в крупномасштабной почвенной картографии

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