Russian Federation
Russian Federation
Cel' issledovaniy – ustanovit' vozmozhnost' i razrabotat' kriterii diagnostiki raznovozrastnyh zalezhnyh zemel' i agrocenozov metodami distancionnogo zondirovaniya Zemli i geoinformacionnyh tehnologiy. Ob'ekty issledovaniy – raznovozrastnye zalezhnye zemli podtaezhnoy zony Krasnoyarskogo kraya, raspolozhennye na Zarechenskom stacionare FIC KNC SO RAN (s. Zarechenka, Tyuhtetskiy rayon). Soglasno prirodnomu rayonirovaniyu, eta territoriya vhodit v yuzhnotaezhno-lesnoy, ploskoravninnyy, suglinistyy, dernovo-podzolistyy i bolotno-podzolistyy rayon podtaezhnoy zony. Pochva stacionara: dernovo-podzolistaya legkosuglinistaya s soderzhaniem gumusa 2,1–2,4 %; rNsol. – 4,4–4,6; R2O5 – 2,8–3,1 mg/100 g pochvy; K2O – 4,5–5,5 mg/100 g pochvy (po Kirsanovu). Vsego na issleduemoy territorii raspolozheno 3 raznovozrastnyh zalezhnyh uchastka, 3 obrabatyvaemyh polya i 1 uchastok, osvaivaemyy posle 10 let zalezhi. Privodyatsya rezul'taty monitoringa raznovozrastnyh zalezhey Zarechenskogo stacionara FIC KNC SO RAN, raspolozhennogo v podtaezhnoy zone Krasnoyarskogo kraya. Distancionnoe zondirovanie osuschestvlyalos' posredstvom BPLA (kvadrokopter DJI Matrice 210 V2) c ustanovlennoy mul'tispektral'noy kameroy RedEdge-MX, a takzhe s ispol'zovaniem mul'tispektral'nyh kosmicheskih snimkov Sentinel-2, rabota s kotorymi proizvodilas' v programmnom komplekse QGIS. Primenyalis' razlichnye sposoby analiza i obrabotki sputnikovyh dannyh: vizual'noe deshifrirovanie, kombinaciya razlichnyh spektral'nyh kanalov, a takzhe raschet indeksa NDVI. Poluchennye rezul'taty prodemonstrirovali vysokuyu sopryazhennost' pokazateley, zafiksirovannyh s pomosch'yu sputnika, a takzhe BPLA. Distancionnoe zondirovanie raznovozrastnyh zalezhnyh zemel', a takzhe poley, zanyatyh parom i zernovymi kul'turami, pokazalo vozmozhnost' differenciacii zemel' po vidam i kachestvu ih ispol'zovaniya posredstvom primeneniya BPLA i sputnikov Sentinel-2.
fallow lands, Earth remote sensing, NDVI, geographic information diagnostics, UAV, Sentinel-2, RedEdge-MX
Введение. В Приенисейской Сибири в залежном состоянии находится около 1,5 млн га земель различных сроков выведения из пашни – от 2 до 25 лет [1]. Состояние неиспользуемых экоценозов различно – от сформировавшихся со временем луговых растительных сообществ до сплошных лесных массивов. Все смены растительности после прекращения использования сельскохозяйственных угодий протекают по типу демутационных смен, причем по мере восстановления растительности уменьшается доля сорно-рудеральных видов растений [2].
Отсутствие надлежащего государственного контроля за состоянием земельных ресурсов, экстенсивный характер землепользования порождают негативные экологические и социально-экономические последствия в виде снижения плодородия почв, утраты обжитых территорий, демографической деградации села, продовольственной безопасности [3, 4].
По сведениям Государственного (национального) доклада о состоянии и использовании земель в Российской Федерации, в 2021 г. в структуре сельскохозяйственных угодий площадь пашни составила 122 688,4 тыс. га, залежи – 4 951,7 тыс. га (2,2 % пашни) [5]. По другим источникам [6, 7] за постсоветский период в России в залежное состояние перешло от 30 до 45 млн га пашни. В Красноярском крае, по данным Росреестра, площадь залежных земель составляет 123,5 тыс. га (4,2 % от площади пашни) [8]. Фактически же не используется 1 153,6 тыс. га пахотных земель (39 % от пашни). Многократная разница статистических и фактических данных обусловлена тем, что официальный учет стихийно возникших залежей в период системного кризиса страны 90-х гг. ХХ в. должным образом не проводился [9]. Только небольшая часть земель оформлена и зарегистрирована как категория «залежи», остальные земли не обрабатываются и не оформляются.
На сегодня дать объективную оценку площади залежных земель и оценить их почвенно-агроэкологический потенциал сложно. Установление факта и длительности неиспользования земли осуществлялось по результатам полевого обследования и на основании ботанических и почвенно-агрофизических признаков [10]. Реализация перечисленных подходов требует использования значительных финансовых и трудовых ресурсов, а также продолжительного времени исполнения.
Более эффективным методом учета и контроля состояния залежей может стать применение геоинформационной диагностики, где ведущая роль отводится дистанционному зондированию Земли (ДЗЗ). В ряде работ приводятся сведения об использовании данных спутников Landsat-8, Sentinel-2 и Terra для синтезирования изображений поверхности по различным комбинациям спектральных каналов и расчета вегетационного индекса NDVI с целью выявления дешифровочных признаков залежей, определения их возраста [11, 12].
Помимо спутниковых данных мониторинг небольших территорий возможен с помощью беспилотных летательных аппаратов (БПЛА) с мультиспектральной камерой на борту. Данный подход обеспечивает наиболее подробную информацию за счет высокого пространственного разрешения.
Актуальность данных исследований состоит в необходимости дистанционной диагностики залежных земель с целью введения их в активный сельскохозяйственный оборот и разработки технологий их освоения.
Цель исследований – установить возможность и разработать критерии диагностики разновозрастных залежных земель и агроценозов методами дистанционного зондирования Земли и геоинформационных технологий.
Объекты и методы. Основными объектами исследований служили разновозрастные залежные земли подтаежной зоны Красноярского края, расположенные на Зареченском стационаре ФИЦ КНЦ СО РАН (с. Зареченка, Тюхтетский район). Согласно природному районированию, эта территория входит в южнотаежно-лесной, плоскоравнинный, суглинистый, дерново-подзолистый и болотно-подзолистый район подтаежной зоны [13]. Почва стационара: дерново-подзолистая легкосуглинистая с содержанием гумуса – 2,1–2,4 %; рНсол. – 4,4–4,6; Р2О5 – 2,8–3,1; K2O – 4,5–5,5 мг/100 г почвы (по Кирсанову).
Всего на исследуемой территории расположено 3 разновозрастных залежных участка, 3 обрабатываемых поля и 1 участок, осваиваемый после 10 лет залежи (табл.).
Для достижения поставленной цели был применен метод геоинформационного картографирования.
Характеристика модельных объектов исследований
|
Номер объекта |
Характеристика агроценозов и залежей |
Площадь, м2 |
|
|
2022 г. |
2023 г. |
||
|
1 |
Пар |
Пшеница яровая |
1270 |
|
2 |
Пшеница |
Озимая рожь |
840 |
|
3 |
Залежь 4 года |
Залежь 5 лет |
890 |
|
4 |
Залежь 10 лет + освоение (озимая рожь) |
Залежь 10 лет + освоение (озимая рожь) |
600 |
|
5 |
Залежь 16 лет |
Залежь 17 лет |
980 |
|
6 |
Залежь 26 лет |
Залежь 27 лет |
1330 |
|
7 |
Озимая рожь |
Овес яровой |
1180 |
Использовались мультиспектральные космические снимки Sentinel-2, работа с которыми производилась в программном комплексе QGIS. К ним применялись различные способы анализа и обработки спутниковых данных: визуальное дешифрирование, синтез различных спектральных каналов, а также расчет индекса NDVI (Normalized Difference Vegetation Index – нормализованный разностный вегетационный индекс).
Дистанционное зондирование проводилась с высоты 120 м посредством БПЛА (квадрокоптер DJI Matrice 210 V2) c установленной мультиспектральной камерой RedEdge-MX.
Камера RedEdge-MX состоит из двух блоков: датчика солнечного спектра DLS2 и самой камеры. Датчик солнечного спектра (освещенности) имеет встроенный GPS модуль, что позволяет осуществлять координатную привязку каждого снимка. Сенсор камеры оснащен пятью независимыми каналами с разрешением 1.2 Мпикс каждый, длина волны: синий – 475 нм; зеленый – 560; красный – 668; дальний красный – 717; ближний инфракрасный – 840 нм.
Массив мультиспектральных изображений, полученный в ходе аэрофотосъемки, обрабатывался в программном обеспечении Agisoft Metashape Professional. В нем изображения камеры RedEdge-MX проходят несколько этапов предварительной обработки: выравнивание и оптимизацию. На основе рассчитанных положений снимков программа строит для них карты. Итоговыми продуктами обработки являются многоканальные ортофотопланы местности с пространственным разрешением 8 см/пикс.
Также в работе использовались данные ДЗЗ миссии Copernicus Sentinel-2, состоящей из группировки двух полярно-орбитальных спутников (A/B). Наличие двух спутников способствует проведению повторной съемки каждые 5 дней на экваторе. Съемка со спутников ведется в 13 спектральных каналах. Пространственное разрешение составляет от 10 до 60 м/пикс. Всего в работе использовалось 14 снимков Sentinel-2 за вегетационный период 2022 г. и 15 – за 2023 г.
На основе многоканальных ортофотопланов местности и снимков Sentinel-2 проведено вычисление 6 различных вегетационных индексов: NDVI, NDVIre, ClGreen, Clre, VARI и MSAVI2. Из представленного перечня для геоинформационной диагностики залежных земель был выбран индекс NDVI как наиболее информативный.
Результаты и их обсуждение. Для выявления и оценки залежных земель часто используются космические снимки Landsat-8 [14]. Результаты наших исследований, а также работы, проведенные в Западной Сибири [11], показали, что снимки, полученные посредством этих спутников, обеспечивающих пространственное разрешение 30 м/пиксель, для работы с небольшими площадями, характерными для подтаежной зоны, являются недостаточно информативными. Поэтому целесообразно использовать снимки с разрешением не ниже 10 м/пиксель, которые предоставляет семейство спутников Sentinel-2. Уникальность этой миссии связана с сочетанием большого территориального охвата и частотой мультиспектральных съемок высокого разрешения.
Дистанционная диагностика разновозрастных залежных полей с лесной и кустарниковой растительностью, а также культурных агроценозов отражает определенную дифференциацию вегетационных индексов (ВИ) по показателям NDVI, NDVIre и наземной фотометрической диагностики [15]. Опять же разница в показателях как NDVI, так и NDVIre объясняется фазами вегетационного развития растений. Максимальные показатели ВИ в 2022 г. отмечались на объекте 4 (Залежь 10 лет + освоение), что согласуется с характером растительного покрова. В 2022 г. этот участок не обрабатывался и зарос сурепкой обыкновенной (Barbaréa vulgáris), у которой из-за теплой и продолжительной осени произошло вторичное цветение, которое и обусловило максимальный ВИ. На всех снимках выделялись фрагментарные участки с показателями ВИ 0,50–0,75. Это массивы произрастания вязолистных кустарников, которые были покрыты еще зелеными и желто-зелеными листьями.
Следует отметить, что любые вегетационные индексы не дают абсолютных количественных показателей исследуемого свойства, и их значения зависят от характеристик сенсора (ширина спектральных каналов, разрешения), условий съемки, освещенности, состояния атмосферы и т. д. Они представляют только относительные оценки свойств растительного покрова, которые могут быть интерпретированы и с привлечением данных наземного мониторинга пересчитаны в абсолютные. На Зареченском стационаре изучаемые объекты находятся на сопредельных территориях, что исключает влияние факторов, несвойственных любому из обследуемых объектов, на показатели вегетационных индексов.
Анализ снимков, полученных с БПЛА и спутников Sentinel-2, показал, что диапазон изменений индекса NDVI зависит от содержания агроценоза (пар, культура), фазы вегетационного развития растений и возраста залежей (рис. 1, 2).
Рис. 1. Значения индекса NDVI по данным съемки БПЛА (А) и Sentinel-2 (Б)
в зависимости от режима использования земель
Рис. 2. Значения индекса NDVI по данным съемки БПЛА (А) и Sentinel-2 (Б)
в разные фазы развития агробиоценозов
Результаты, отображенные на рисунках 1, 2, демонстрируют высокую сопряженность значений индекса NDVI, полученного посредством аэро- и космосъемки. Исключение составляют объекты 2 и 4, на которых в 2023 г. посеяна озимая рожь. Здесь снимки с БПЛА отображают показатели NDVI, соответствующие фазам развития культуры. В июне проводилась культивация полей для посева ржи, и показатели ВИ были минимальными. В октябре, когда озимая рожь находилась в фазе кущения, ВИ достигал пиковых значений. Снимки, полученные посредством Sentinel-2, показали близкие значения ВИ на объекте 2 и отличающиеся по срокам на объекте 4, что можно объяснить небольшой площадью полей и фоновым влиянием близлежащего леса (объект 5, залежь 17 лет), который может создавать «маскировочный» эффект для спутника с разрешением съемки 10 м/пиксель.
Установлено, что наибольшие значения NDVI, зафиксированные как БПЛА, так и с помощью спутников, характерны для залежных территорий в конце июня. Самое высокое значение имеет объект 6, соответствующий залежи возрастом 27 лет, затем идет объект 5 – залежь возрастом 17 лет, а за ним объект 3 – залежь возрастом 5 лет. По данным с БПЛА 10 октября наибольшие значения NDVI имеют объекты 2 и 4 с озимой рожью по 0,673 и 0,501 соответственно. Объекты с яровой пшеницей и овсом имеют более низкие значения ВИ. Близкими значениями NDVI характеризуются объект 5 (залежь возрастом 27 лет) – 0,497 и объект 1 с яровой пшеницей – 0,404, что вполне закономерно, поскольку цветовая гамма лесной растительности на залежном участке близка по спектру к полю, занятому пшеницей, которая к 10 октября находилась в фазе полного созревания.
По данным Sentinel-2 11 октября наибольшее значение NDVI имеет объект 3 – с пятилетней залежью (0,326), наименьшие – объекты 1 и 2 с яровой пшеницей и озимой рожью со значениями 0,261 и 0,252 соответственно. Итак, можно констатировать, что данные съемок с БПЛА и спутников Sentinel-2 демонстрируют высокую сопряженность показателей NDVI как по годам, так и в течение вегетационного периода.
На основе спутниковой съемки Sentinel-2 построена динамика изменения индекса NDVI рассматриваемых объектов за вегетационный период (рис. 3).
Наибольшие значения индекса NDVI имеют залежные земли почти на всем протяжении периода наблюдений. Результаты показали прямую зависимость между возрастом залежи и соответствующей ему величины индекса NDVI в начале и середине вегетационного периода. Разница значений NDVI между объектами объясняется фазами вегетационного развития растительной биомассы. Различия амплитуды изменений вегетационного индекса дают возможность более четкой дифференциации земель по виду и состоянию их использования.
Рис. 3. Изменение NDVI исследуемых объектов за вегетационный период по данным Sentinel-2
Заключение. Диагностирование залежей и их возраста является важной комплексной задачей, которая требует применения как ГИС-технологий, так и традиционных полевых и лабораторных методов. Полученные результаты продемонстрировали выраженную тенденцию сопряженности показателей, зафиксированных с помощью спутника, а также БПЛА. Анализ динамики изменения индекса NDVI за вегетационный период показал прямую зависимость между возрастом залежи и соответствующей ему величины вегетационного индекса. Дистанционное зондирование разновозрастных залежных земель, а также полей, занятых паром и зерновыми культурами, показало возможность дифференциации земель по видам и качеству их использования посредством применения БПЛА и спутников Sentinel-2.
1. Savost'yanov V.K. Konservaciya zemel' kak sposob predotvrascheniya ih dal'nejshej degradacii i prodvizheniya k ustojchivomu razvitiyu // Sibirskij vestnik sel'skohozyajst-vennyh nauk. 2003. № 2. S. 96–98.
2. O datirovke vozrasta zalezhej̆ pri vyvedenii zemel' iz sel'skohozyajstvennogo oborota / S.M. Sychev [i dr.] // Agrohimicheskij vestnik. 2023. № 4. S. S. 56–61. DOI:https://doi.org/10.24412/1029-2551-2022-4-009.
3. Dinamika sel'skohozyajstvennyh zemel' Rossii v XX veke i postagrogennoe vosstanovlenie rastitel'nosti i pochv / D.I. Lyuri [i dr.]. M.: GEOS, 2010. 416 s.
4. Ivanov A.L. Racional'noe ispol'zovanie i ohra-na zemel'nyh (pochvennyh) resursov Rossijs-koj Federacii // Vestnik Rossijskoj sel'skoho-zyajstvennoj nauki. 2015. № 1. S. 7–10.
5. Gosudarstvennyj (nacional'nyj) doklad o sostoyanii i ispol'zovanii zemel' v Rossijskoj Federacii v 2021 godu. M.: Rosinformagroteh, 2022. S. 29.
6. Orlova O.I. Bor'ba za zemlyu: vosstanovlenie zalezhnyh zemel' // Karel'skij nauchnyj zhur-nal. 2015. № 2 (11). S. 130–133.
7. Rekomendacii po vovlecheniyu v hozyajstven-nyj oborot neispol'zuemyh zemel' sel'skohozyaj¬stvennogo naznacheniya / S.V. Schukin [i dr.] // Vestnik APK Verhnevolzh'ya. 2018. № 1 (41). S. 87–98.
8. Gosudarstvennyj doklad «O sostoyanii i ohra-ne okruzhayuschej sredy v Krasnoyarskom krae v 2022 godu». Krasnoyarsk, 2023. S. 125.
9. Kovaleva Yu.P. Problema inventarizacii zalezhnyh zemel' i puti ee resheniya // Agro`ekologicheskoe sostoyanie i perspektivy ispol'zovaniya zemel' Rossii, vybyvshih iz aktivnogo sel'skohozyajstvennogo oborota: mat-ly Vseros. nauch. konf. / pod red. A.L. Iva¬nova; RASHN. M., 2008. S. 307–309.
10. Dabahov M.V., Dabahova E.V. Praktika opre-deleniya vozrasta zalezhi na osnovanii zako-nomernostej razvitiya postagrogennoj sukces-sii // Vestnik Moskovskogo universiteta. Ser. 17. Pochvovedenie. 2023. № 3. C. 28–35.
11. Vyyavlenie raznovozrastnyh zalezhej na `erozionno-opasnyh territoriyah yuga Zapadnoj Sibiri s primeneniem geoinformacionnyh tehnologij / E.A. Sajb [i dr.] // Sovremennye problemy distancionnogo zondirovaniya Zemli iz kosmosa. 2020. T. 17, №. 4. S. 129–136.
12. Terehin `E.A. Osobennosti mnogoletnej dina-miki vegetacionnogo indeksa zalezhnyh ze¬mel' na territorii Central'nogo Chernozem'ya // Regional'nye geosistemy. 2021. T. 45, № 4. S. 505–515.
13. Prirodno-sel'skohozyajstvennoe rajonirovanie i ispol'zovanie zemel'nogo fonda SSSR / pod red. A.N. Kashtanova. M.: Kolos, 1983. 336 s.
14. Belousova A.P. Analiz ispol'zovaniya pahotnyh zemel' po sputnikovym snimkam Landsat na primere Kungurskoj lesostepi // Geografi¬cheskij vestnik. 2018. № 4 (47). S. 133–143.
15. Trubnikov Yu.N., Shpedt A.A., Solomenniko-va Yu.N. Fotometricheskaya `ekspress-diag-nostika azotnogo pitaniya rastenij // Vestnik KrasGAU. 2023. № 11. S. 165–172. DOI:https://doi.org/10.36718/1819-4036-2023-11-165-172.
